买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京工业大学申请的专利一种基于层级超图的学生社交可视分析方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117271649B 。

龙图腾网通过国家知识产权局官网在2026-03-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310435731.8，技术领域涉及：G06F16/26；该发明授权一种基于层级超图的学生社交可视分析方法是由程会敏;李小勇;张彦军;张勇;安素芳设计研发完成，并于2023-04-22向国家知识产权局提交的专利申请。

本一种基于层级超图的学生社交可视分析方法在说明书摘要公布了：一种基于层级超图的学生社交可视分析方法涉及教育领域。学生社交关系与他们的身心健康、学业成绩等密切相关，但关于学生校园社交关系可视分析的研究较少，并且关于他们的高阶社区关系深入分析的少，无法表达学生间相互影响的复杂社交状态。因此，本发明提出了一种基于层级超图的学生社交可视分析方法，根据学生的时空共现特性构建社交关系网，利用Louvain进行学生社交关系的社区划分和社区融合。通过不同的视图分析，探索社区成员分布和行为时间分布，个体社交成员分布和行为时间分布，以及个体行为特征与成绩相关性。本发明基于学生基础信息、校园行为数据和学业成绩进行了案例分析研究和专家评价，验证了本发明的易用性和有效性。

本发明授权一种基于层级超图的学生社交可视分析方法在权利要求书中公布了：1.一种基于层级超图的学生社交可视分析方法，其特征在于包括以下步骤： 步骤1：导入不同信息管理系统中的学生行为数据 利用工具将存储于学校不同信息管理系统中的学生行为数据汇聚至数据库中，包括就餐行为数据、购物行为数据、进出楼宇数据、图书借阅数据以及网关计费数据； 步骤2：在可视系统中选择要查询分析的学生群体和时间范围 在系统初始界面的检索框内选择[学部院]、[专业]、[班级]、[学年]、[学期]查询； 步骤3：社交关系构建 社交关系网层级社区视图展示了检索的学生数据形成的社交关系图；该部分利用zoomcharts的力引导布局的网络图实现；图中每个节点代表一名学生，节点颜色表示宿舍信息，同一颜色的节点为同一宿舍学生，节点轮廓样式表示性别信息，光滑圆形轮廓节点表示男生,花瓣状轮廓节点表示女生；节点大小采用中介中心度计算，用来表示学生在社交关系网中的重要程度；节点间连线的粗细代表学生间社交关系强度，线条越粗表示两个学生间社交关系越强；社交关系构建时需要进行社交关系强度计算和中介中心度计算； 1社交关系强度计算 根据学生的行为数据，为每一对学生构建一个包含地点、日期以及时间三个维度的共现张量，以精确记录他们在不同时空的共现次数，然后基于该张量提取共现时空多样性和加权共现频次两个共现特征，进而利用线性回归方法预测学生间社交关系强度，构建学生社交关系网； 1首先给每个学生建立一个时空活动序列，其中表示学生集合，表示活动地点集合，表示活动日期，表示活动时间； 2基于瑞丽熵进行共现时空多样性计算；表示学生i和j在三维时空共现事件的瑞丽熵，表示学生i和j在三维时空的共现频次，表示学生i和j的共现总频次；q设置为0.1，以抑制两个学生在热点时空区域高频次巧遇对共现多样性带来的影响； 1 3计算加权共现频次；先利用香农熵度量时空区域的受欢迎程度，如公式2所示，表示时空被学生s访问的概率，热点区域被很多学生访问，熵值较高，相反，非热点区域熵值较低；再基于时空区域的熵值，对学生共现的频次进行加权处理，如公式3所示，其中，表示权重，热点区域的权重小，非热点区域的权重大，可有效调节共现频次对社交强度的贡献； 2 3 4计算社交强度值；基于时空共现多样性和加权共现频次两个特征，采用线性回归法计算学生间的社交强度值，如公式4所示，其中，，和值通过利用Katz分数从学生的二进制社交关系标签即朋友和普通同学计算得到，，分别表示两个特征的权重，表示偏移量；对于一个学生群体，当计算得到任意两个学生间的社交强度后，则构建一个表达该群体社交关系的带权无向图，表示学生集合，表示学生间社交关系边集合，表示边权重集合； 4 2中介中心度计算；表示节点s到节点t的最短路径数量，表示节点s到节点t的最短路径中经过节点v的数量，V表示学生节点集合； 步骤4：社区划分及社区融合 社交关系图中节点底层的区块颜色代表社区信息，同一区块颜色的学生属于同一社区； 1社区划分；利用基于模块度的Louvain算法划分学生社交关系网中的社区构成以及社区间层级融合形成更大的社区； 1模块度计算；如公式6所示，表示连向学生i的所有边的权重之和，同理表示连向学生j的所有的边的权重之和；表示学生i所在的社区,同理表示学生j所在的社区；当学生i和j属于同一个社区时,函数的值等于1,否则等于0；表示整个学生社交网络中所有边的权重之和，模块度的值位于区间[-1,1]内,值越大表示社区划分的质量越好； 6 2社区检测；对于一个包含N个学生的社交网络，社区检测过程如下：首先，将每个学生视为一个独立的社区，即初始阶段，社区数目和学生人数相同;然后，对于每个学生i依次计算将其移动到每个邻居节点所在社区C所带来的模块度增益ΔQ,计算过程如公式7所示；表示社区C内部所有边的权重之和，表示所有连向社区C中节点的边的权重和，表示从节点i连向社区C中节点的边的权重和，最后，对比所有增益,当最大的增益值大于零时，则将学生i移动到最大增益对应的社区中，否则，学生i保持不动，依次对所有学生节点重复执行上述操作，直到所有节点保持不动，社区划分完毕； 7 2社区融合；基于已经检测到的学生社区结构，将同一社区内的所有节点合并为一个新的节点,两个社区间边的权重之和作为新节点间边的权重,而社区内部边的权重之和赋予新节点的自循环边,从而生成一个新的社交网络；在新社交网络上,再次执行社区检测，得到第二层社区结构，循环迭代执行社区检测和社区合并操作，直到整个网络的模块度不再发生变化； 步骤5：在社区社交关系分析视图中分析查看社区的成员分布和行为时间分布，对比社区间的差异 社区社交关系分析视图利用Echarts的极坐标堆叠图、极坐标散点图分别展示了学生社区的成员分布和多种行为的时间分布，可直观地了解单个社区的特点以及对比多个社区间的差异； 极坐标堆叠图从职务、性别、宿舍和成绩四个维度展示了社区成员的分布情况，使用者了解每个社区成员在各个维度的分布情况，包括有几个男生，几个女生；住在几个宿舍，每个宿舍有几个人；学业成绩优秀的学生有几个，学业成绩差的学生有几个；是否有班干部，进而衡量社区的多样性，分析社区形成的原因，以及该社区是否有利于学生成长； 极坐标散点图展示了社区成员的行为时间分布，图中半径坐标表示校历日期,最内侧表示学期第一天，依次类推，最外侧表示学期最后一天；角度坐标表示时间；每个点代表一次行为记录，不同颜色代表不同行为，包含就餐、购物和淋浴三种行为；使用者可了解社区成员各种行为的时间分布情况,判断某种行为的频次、规律性； 步骤6：在个人社交关系分析视图中分析查看学生个人的社交成员分布和行为时间分布，对比个人间的差异 个人社交关系分析视图与社区社交关系分析视图采用相同的可视化组件，即利用极坐标堆叠图从多维度展示学生个体的社交成员分布，衡量学生社交关系的多样性、活跃程度以及孤僻程度；不同的是，该视图中的社交成员不再局限于所在社区，而是扩展至整个关系网，并且会随着层级社区视图中社交强度阈值的改变而动态改变；同时，利用极坐标散点图展示该学生各种行为的时间分布，以此判断该学生的生活是否规律； 步骤7：在行为特征视图中分析查看学生的行为特征，对比不同个体间行为特征的差异，以及探索行为特征与成绩的相关性； 行为特征视图可有效地评价和对比群体内所有学生的行为模式，采用行为特征矩阵图展示；矩阵的列和行分别表示学生和行为特征，每列代表一个学生，列名以学号表示，列名底纹颜色与学生所在社区颜色一致，使用者能直观地了解每个社区学生的行为特征；列名上方的柱状条代表学生的学业平均绩点；每行代表一个行为特征，包括早餐频次、上网流量；矩阵单元格表示学生行为特征的值,当用户将鼠标移动到单元格时,会显示具体的特征值；采用线性归一化方法将各个特征的取值范围转化为[0,1]，进而将值映射到相应的颜色，颜色越深表示特征值越高；该视图支持以交互方式将学生按学业成绩或行为特征进行排序，以探索行为特征与学业成绩的相关性；通过该视图，使用者能够清晰地了解每个学生所在的社区、学业成绩、行为特征以及学生间差异。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京工业大学，其通讯地址为：100124 北京市朝阳区平乐园100号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。