一种个性化智能学习推荐方法、装置、设备及存储介质转让专利
申请号 : CN202110173039.3
文献号 : CN112507140B
文献日 : 2021-06-04
发明人 : 王志彬
申请人 : 深圳市阿卡索资讯股份有限公司
摘要 :
权利要求 :
1.一种个性化智能学习推荐方法,用于对学生的学习情况进行分析并推荐相关学习资料,其特征在于,包括:
预构建知识图谱,其中,所述知识图谱内至少包括学科知识点、知识结构以及知识点检测题库;其中,知识结构具体包括所述学科知识点运用的应用层次和使用场景的相关信息;
知识结构还包括相同所述学科知识点应用层次和使用场景标准程度;
所述知识图谱根据当前学习教材信息匹配生成所述当前学习教材信息相对应的当前学科知识点和相对应的当前知识结构;
获取所述当前学习教材信息内的标签信息,其中,所述标签信息包括关键词标签以及使用场景标签;
根据所述关键词标签和所述使用场景标签对所述学科知识点进行检索处理得到第一学科知识点,根据所述第一学科知识点生成学科知识点相似度;
和/或,
根据所述关键词标签和所述使用场景标签对所述知识结构进行检索处理得到第一知识结构,根据所述第一知识结构生成知识结构相似度;
当所述学科知识点相似度和/或所述知识结构相似度均大于预设相似值时,则将所述第一学科知识点确定为所述当前学科知识点和所述第一知识结构确定为所述当前知识结构;
根据所述当前学科知识点和所述当前知识结构在所述知识图谱获取当前知识点检测试题;
在所述当前知识点检测试题内获取答题信息,根据所述答题信息生成知识点掌握情况分析图;
根据所述知识点掌握情况分析图与预设阈值对比生成相对应的学习推荐。
2.根据权利要求1所述的方法,其特征在于,所述预构建知识图谱,其中,所述知识图谱内至少包括学科知识点、知识结构以及知识点检测题库的步骤,还包括:预构建知识图谱,其中,所述知识图谱内至少包括具有学科分类信息、语法分类信息、使用场景分类信息、相关联的知识点分类信息的学科知识点,以及具有知识点对应的检测试题和有关知识点边缘拓展的检测试题的知识点检测题库。
3.根据权利要求1所述的方法,其特征在于,所述根据所述当前学科知识点和所述当前知识结构在所述知识图谱获取当前知识点检测试题的步骤,包括:根据所述当前学科知识点和所述当前知识结构生成关键字;
根据所述关键字在所述知识图谱的所述知识点检测题库内获取与所述关键字相关的检测试题;
将所述关键字相关的所述检测试题确定为当前知识点检测试题。
4.根据权利要求1所述的方法,其特征在于,所述在所述当前知识点检测试题内获取答题信息,根据所述答题信息生成知识点掌握情况分析图的步骤,包括:获取所述当前知识点检测试题对应的标准答案信息;
将所述标准答案信息与所述答题信息根据预设对比分析规则生成所述知识点掌握情况分析图,其中,所述预设对比分析规则至少包括不同等级所具备的不同掌握程度、实际得分与标准得分之间的差值。
5.根据权利要求1所述的方法,其特征在于,所述根据所述知识点掌握情况分析图与预设阈值对比生成相对应的学习推荐的步骤,包括:在所述知识点掌握情况分析图内获取每个知识点的水平等级信息和每个知识点的得分信息;
将所述水平等级信息和所述得分信息与预设阈值进行对比生成相对应的学习推荐,其中,所述预设阈值至少包括水平等级建议值以及得分建议值。
6.根据权利要求5所述的方法,其特征在于,所述将所述水平等级信息和所述得分信息与预设阈值进行对比生成相对应的学习推荐,其中,所述预设阈值至少包括水平等级建议值以及得分建议值的步骤,包括:当所述水平等级信息低于所述水平等级建议值,且所述得分信息低于所述得分建议值时,则将该知识点的掌握程度标记为低,并推荐该知识点相关的学习资料;
和/或,
当所述水平等级信息高于所述水平等级建议值,且所述得分信息高于所述得分建议值时,则将该知识点的掌握程度标记为高,无需推荐该知识点相关的学习资料;
和/或,
当所述水平等级信息低于所述水平等级建议值且所述得分信息高于所述得分建议值,和/或,所述水平等级信息高于所述水平等级建议值且所述得分信息低于所述得分建议值时,则都将该知识点的掌握程度标记为中等,并推荐加强该知识点的掌握程度。
7.一种个性化智能学习推荐装置,其特征在于,包括:知识图谱模块,用于预构建知识图谱,其中,所述知识图谱内至少包括学科知识点、知识结构以及知识点检测题库;
匹配模块,用于所述知识图谱根据当前学习教材信息匹配生成所述当前学习教材信息相对应的当前学科知识点和相对应的当前知识结构;
获取模块,用于根据所述当前学科知识点和所述当前知识结构在所述知识图谱获取当前知识点检测试题;获取所述当前学习教材信息内的标签信息,其中,所述标签信息包括关键词标签以及使用场景标签;根据所述关键词标签和所述使用场景标签对所述学科知识点进行检索处理得到第一学科知识点,根据所述第一学科知识点生成学科知识点相似度;和/或,根据所述关键词标签和所述使用场景标签对所述知识结构进行检索处理得到第一知识结构,根据所述第一知识结构生成知识结构相似度;当所述学科知识点相似度和/或所述知识结构相似度均大于预设相似值时,则将所述第一学科知识点确定为所述当前学科知识点和所述第一知识结构确定为所述当前知识结构;
分析模块,用于在所述当前知识点检测试题内获取答题信息,根据所述答题信息生成知识点掌握情况分析图;
推荐模块,用于根据所述知识点掌握情况分析图与预设阈值对比生成相对应的学习推荐。
8.一种电子设备,其特征在于,包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至6中任一项所述的方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的方法。
说明书 :
一种个性化智能学习推荐方法、装置、设备及存储介质
技术领域
背景技术
知识或技能的过程,是一种使个体可以得到持续变化(知识和技能,方法与过程,情感与价
值的改善和升华)的行为方式。例如通过学校教育获得知识的过程。广义:是人在生活过程
中,通过获得经验而产生的行为或行为潜能的相对持久为方式。
从系统论的观点考虑,几个要素就不是简单地、孤立地拼凑在起,而是彼此相互联系、相互
作用而形成的有机整体。所谓教学模式正是这四个要素相互联系、相互作用而形成的教学
活动进程的稳定结构形式,是四个要素相互联系、相互作用的具体体现。
发明内容
用层次和使用场景信息、相同知识点在不同应用层次和使用场景标准程度信息的知识结
构,以及具有知识点对应的检测试题和有关知识点边缘拓展的检测试题的知识点检测题
库。
识结构。
际得分与标准得分之间的差值。
括:
议值时,则都将该知识点的掌握程度标记为中等,并推荐加强该知识点的掌握程度。
如上所述的一种个性化智能学习推荐方法的步骤。
方法的步骤。
述当前学习教材信息相对应的当前学科知识点和相对应的当前知识结构;根据所述当前学
科知识点和所述当前知识结构在所述知识图谱获取当前知识点检测试题;在所述当前知识
点检测试题内获取答题信息,根据所述答题信息生成知识点掌握情况分析图;根据所述知
识点掌握情况分析图与预设阈值对比生成相对应的学习推荐。
户快速的知道自己学习掌握的知识点,并针对性提高学习能力。
附图说明
普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附
图。
具体实施方式
是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前
提下所获得的所有其他实施例,都属于本申请保护的范围。
述当前学习教材信息相对应的当前学科知识点和相对应的当前知识结构;根据所述当前学
科知识点和所述当前知识结构在所述知识图谱获取当前知识点检测试题;在所述当前知识
点检测试题内获取答题信息,根据所述答题信息生成知识点掌握情况分析图;根据所述知
识点掌握情况分析图与预设阈值对比生成相对应的学习推荐。
户快速的知道自己学习掌握的知识点,并针对性提高学习能力。
过程。
用的不同应用层次和使用场景信息、相同知识点在不同应用层次和使用场景标准程度信息
的知识结构,以及具有知识点对应的检测试题和有关知识点边缘拓展的检测试题的知识点
检测题库。
谱)、维基数据(Wikidata)等相关大数据库中获取知识点信息构建知识图谱。
使用场景的相关信息;其中,不同应用层次包括如小学生、初中生、成人等;使用场景包括行
业类别、应用场景、使用需求等;知识结构还包括相同知识点不同应用层次和使用场景标准
程度,即在相同知识点在不同应用层次和使用场景的建议掌握程度或者标准掌握程度;知
识点检测题库具体包括知识点对应的检测试题和有关知识点边缘拓展的检测试题,其中检
测试题的类型包括选择题、简答题、翻译题、主观题等。
对应的当前知识结构”的具体过程。
述当前知识结构。
标签包括行业类别、应用场景、使用需求等;根据标签信息在知识图谱的学科知识点内查询
检索具有相同标签的学科知识点,并将确定为第一学科知识点,根据第一学科知识点的标
签信息与当前学习教材信息的标签信息计算生成一个学科知识点相似度;根据标签信息在
知识图谱的知识结构内查询检索具有相同标签的知识结构,并将确定为第一知识结构,根
据第一知识结构的标签信息与当前学习教材信息的标签信息计算生成一个知识结构相似
度;只有在将学科知识点相似度与预设的相似值进行对比,即学科知识点相似度大于预设
的相似值的70%,且将知识结构相似度与预设的相似值进行对比,即知识结构相似度大于预
设的相似值的70%时,才能将第一学科知识点确定为当前学科知识点和将第一知识结构确
定为当前知识结构。
程。
测试题,并将其输出至用户。
过程。
掌握程度、实际得分与标准得分之间的差值;
识点检测试题内具有答题信息后,获取对应的标准答案信息,将对应知识点的答案与用户
答题的答案进行对比分析,其中,对比分析需要考虑对应知识点在不同等级所具备的不同
掌握程度,具体地,可以理解为每道题目都有一个不同等级用户应该掌握的一个推荐程度;
以及对应知识点的实际得分与标准得分之间的差值,具体地,可以理解为根据用户自身的
水平等级程度,对比此水平等级程度对应的分数,将学生实际得分和推荐分数进行对比;从
而生成知识点掌握情况分析图。
测的水平等级;水平等级可以理解为知识点的掌握程度;得分信息具体可以包括学生上一
次水平等级的知识点检测试题的得分、学生当前水平等级的知识点检测试题的得分,学生
当前水平等级的进阶水平等级的知识点检测试题的得分;将其水平等级信息与水平等级建
议值进行分析,等到关于水平等级的分析结果;将其得分信息与得分建议值进行分析,等到
关于得分的分析结果;再根据水平等级的分析结果和得分的分析结果作出具体的学习推
荐。
分建议值。
值至少包括水平等级建议值以及得分建议值”的具体过程。
料;
资料;
所述得分建议值时,则都将该知识点的掌握程度标记为中等,并推荐加强该知识点的掌握
程度。
当前知识点掌握较弱,并标记为学生知识点的弱点,向该学生推荐相关当前知识点的学习
资料;即当学生水平等级信息高于水平等级建议值,且得分信息高于得分建议值,能够得知
学生对当前知识点掌握较强,并标记为学生知识点的强点,向该学生推荐除当前知识点以
外的其他知识点对应的学习资料;除上述两种情况以外,还包括:当学生水平等级信息高于
水平等级建议值,且得分信息低于得分建议值为第一额外情况,当学生水平等级信息低于
水平等级建议值,且得分信息高于得分建议值为第二额外情况,对于第一额外情况和第二
额外情况而言,能够得知学生对当前知识点掌握存在一定波动,对于当前知识点是处于一
种时好时坏的状态,需要加强当前知识点的掌握程度,向该学生推荐当前知识点的学习资
料,使其当前知识点能够达到强点。
识点运用的不同应用层次和使用场景信息、相同知识点在不同应用层次和使用场景标准程
度信息的知识结构,以及具有知识点对应的检测试题和有关知识点边缘拓展的检测试题的
知识点检测题库。
构确定为所述当前知识结构。
备的不同掌握程度、实际得分与标准得分之间的差值。
学习资料;
的学习资料;
息低于所述得分建议值时,则都将该知识点的掌握程度标记为中等,并推荐加强该知识点
的掌握程度。
处理单元16)的总线18。
域总线18。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线18,微通道
体系结构(MAC)总线18,增强型ISA总线18、音视频电子标准协会(VESA)局域总线18以及外
围组件互连(PCI)总线18。
非易失性计算机体统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失
性磁介质(通常称为“硬盘驱动器”)。尽管图3中未示出,可以提供用于对可移动非易失性磁
盘(如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD‑ROM,DVD‑ROM或者
其他光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介
质界面与总线18相连。存储器可以包括至少一个程序产品,该程序产品具有一组(例如至少
一个)程序模块42,这些程序模块42被配置以执行本发明各实施例的功能。
块42以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模
块42通常执行本发明所描述的实施例中的功能和/或方法。
和/或与使得该计算机设备12能与一个或多个其他计算设备进行通信的任何设备(例如网
卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,计算机设
备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)),广域网(WAN)和/
或公共网络(例如因特网)通信。如图所示,网络适配器20通过总线18与计算机设备12的其
他模块通信。应当明白,尽管图3中未示出,可以结合计算机设备12使用其他硬件和/或软件
模块,包括但不限于:微代码、设备驱动器、冗余处理单元16、外部磁盘驱动阵列、RAID系统、
磁带驱动器以及数据备份存储系统34等。
材信息匹配生成所述当前学习教材信息相对应的当前学科知识点和相对应的当前知识结
构;根据所述当前学科知识点和所述当前知识结构在所述知识图谱获取当前知识点检测试
题;在所述当前知识点检测试题内获取答题信息,根据所述答题信息生成知识点掌握情况
分析图;根据所述知识点掌握情况分析图与预设阈值对比生成相对应的学习推荐。
配生成所述当前学习教材信息相对应的当前学科知识点和相对应的当前知识结构;根据所
述当前学科知识点和所述当前知识结构在所述知识图谱获取当前知识点检测试题;在所述
当前知识点检测试题内获取答题信息,根据所述答题信息生成知识点掌握情况分析图;根
据所述知识点掌握情况分析图与预设阈值对比生成相对应的学习推荐。
于——电、磁、光、电磁、红外线或半导体的系统、装置或器件,或者任意以上的组合。计算机
可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携
式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦可编程只读存储器
(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD‑ROM)、光存储器件、磁存储器件或者
上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的
有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是
计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者
传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
+,还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码
可以完全地在操作人员计算机上执行、部分地在操作人员计算机上执行、作为一个独立的
软件包执行、部分在操作人员计算机上部分在远程计算机上执行或者完全在远程计算机或
者服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——
包括局域网(LAN)或广域网(WAN)——连接到操作人员计算机,或者,可以连接到外部计算
机(例如利用因特网服务提供商来通过因特网连接)。本说明书中的各个实施例均采用递进
的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同
相似的部分互相参见即可。
包括优选实施例以及落入本申请实施例范围的所有变更和修改。
之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意
在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包
括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品
或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要
素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人
员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明
书内容不应理解为对本申请的限制。