年晴

摘要：为了实现汉语言在线学习用户学习行为聚类分析，针对FCM聚类结果易受其初始聚类中心选择的影响，提出一种基于IHSFCM的汉语言学习用户学习行为聚类分析。选择参与维度、专注维度、规律维度、交互维度和学习成绩等作为学习行为的分析指标，学习者层次分为5个等级，分别为优秀、良好、中、合格和差。与HSFCM、SVM和决策树对比发现，文中算法IHSFCM具有更高的聚类准确率和更快的收敛速度以及更低的适应度，为学习者层次划分和优化课程学习提供了新的方法。

关键词：在线学习;汉语言;学习行为;模糊均值聚类;和声搜索算法

中图分类号：TP391

文献标志码：A

StudyontheLearningBehaviorModelofChineseLanguage

LearnersBasedonImprovedFuzzyCmeansClustering

NIANQing

（

SchoolofHumanitiesManagement，ShanxiUniversityofTraditionalChineseMedicine，Xian712046，China

）

Abstract：InordertoanalyzethelearningbehaviorofChineselanguageonlinelearners，duetoFCMclusteringresultsareeasilyaffectedbytheinitialclustercenterselection，thispaperpresentsaclusteringanalysisofChineselanguagelearningbehaviorbasedonIHSFCM.Participationdimension，attentiondimension，regularitydimension，interactiondimensionandlearningachievementareselectedastheanalysisindexesoflearningbehavior.Thelearners'levelisdividedinto5grades，i.e.，excellent，good，medium，qualifiedandpoor.ComparedwithHSFCM，SVManddecisiontree，theIHSFCMhashigherclusteringaccuracy，fasterconvergencespeedandlowerfitness.Itprovidesanewmethodforlearnerstodivideandoptimizecourselearning.

Keywords：onlinelearning;Chineselanguage;learningbehavior;fuzzyCmeansclustering;harmonysearchalgorithm

0引言

隨着我国经济的快速发展和综合国力的不断上升，对外交流和对外贸易的深度和规模不断加深和扩大以及网络教学和在线课程的飞速发展，汉语言学习的人数和规模不断增加和扩大，积累了大量的学习数据，如何利用这些学习数据挖掘出学习数据的内在价值更好地服务于汉语言的教与学，引起了广泛关注和研究[12]。因此研究汉语言学习用户的学习行为对优化课程教学和完善课程评估具有重要意义。

模糊C均值（FuzzyCmean，FCM）聚类[3]是运用隶属度确定每个数据样本类别的方法，具有效率高、计算量小的优点，然而FCM聚类结果易受其初始聚类中心选择的影响，本文将和声搜索算法（HarmonySearch，HS）应用于FCM初始聚类中心的选择，提出一种基于IHSFCM的汉语言学习用户学习行为聚类分析。研究结果表明，IHSFCM具有更快的收敛速度和更低的适应度，效果较HSFCM更优，为汉语言课程学习优化提供科学决策的依据。……