[發明專利]基于深度學習和知識圖譜的課外學習輔導系統及實現方法

在審

• 申請號: 201910596244.3
• 申請日: 2019-07-03
• 公開（公告）號: CN112184500A
• 公開（公告）日: 2021-01-05
• 發明（設計）人: 王浩
• 申請（專利權）人: 浙江有教信息科技有限公司
• 主分類號: G06Q50/20
• 分類號: G06Q50/20;G06F16/36;G06F16/335;G09B7/04
• 代理公司: 上海宏京知識產權代理事務所(普通合伙) 31297
• 代理人: 鄧文武

本發明公開了輔導學習技術領域的基于深度學習和知識圖譜的課外學習輔導系統及實現方法，包括如下步驟：步驟一、對學習的資源、題目進行資源標簽化，對學生、教師及其他的社群標簽化，并形成知識圖譜化；步驟二、學生預習、復習回顧，在線看資源；學生做作業、學習、考試、在線做題目；步驟三、收集學生學習過程和結果數據，收集學生社群的學習行為數據，基于認知模型、知識結構進行診斷分析，生成學生學情報告、學生畫像，加入到知識圖譜中，并進一步完善學習資源、題目、學生、教師、社群的標簽，強化知識圖譜，本發明在學生課外學習的教學練測評過程，引入了學生認知能力模型，采用深度學習和知識圖譜的技術，提供中小學生課外個性化學習輔導。

技術領域

本發明涉及輔導學習技術領域，特別是涉及基于深度學習和知識圖譜的課外學習輔導系統及實現方法。

背景技術

首先，中小學生課外的學習內容很廣，其中針對考試所需的學科進行課外學習輔導的范圍也存在一定的廣度。不同階段的學習內容范圍不同，不同地區的教材也不盡相同，即使采用全國卷的不同省份，考查范圍又不完全相同，更不用說不同地區、不同學校的不同階段考查內容也有所不同了。其次，影響學習效果的因素很多，包括人的狀態、學習內容、學習過程、心態、考查內容等等。不同因素在不同人不同的時期，影響的程度也不同。因此，學生學習的知識結構需要考慮地區、學校的差異；影響學生學習考試的因素需要針對性的采集分析。

現有同類產品/同類處理方法，常見的類別包括：

(1)基于知識點圖譜為主的個性化推薦資源的學習系統?；谑褂玫馁Y源對象(如題目、課程)進行標簽化，通過機器學習和深度學習等技術，進行數據建模，推薦不同的學生使用不同的資源，從而達到個性化學習路徑規劃。

基于知識點圖譜的產品/方法，主要是梳理知識點體系，精細化知識點并建立知識點之間聯系，形成網狀交叉縱橫的標準化知識點圖譜。在此基礎上，通過人工和機器對線上的課程/題目等資源進行統一打標簽，給資源加上知識點標簽，形成知識點圖譜化的結構性課程/題目等資源。學生在線學習這些結構性的課程/做結構性的題目，通過聚類等算法，對學生學習的內容結果進行分析，生成不同學生的學習畫像和知識結構，基于畫像和知識結構，進行推薦學習課程/題目等資源。該方法的實現邏輯類似于電商平臺推薦商品。用戶購買標簽化好的產品，平臺推薦可能標簽關聯的商品。這里對商品的標簽化，類似與對學習課程/題目的標簽化。而商品標簽之間的關系，就類似知識點圖譜的關系。

相似的產品/處理方法，例如：個性化作業系統及其作業方法專利申請號為201410290164.2、一種表征學習者在特定領域知識學習掌握狀態的在線學習認知地圖生成系統及方法專利申請號為201610797877.7。

(2)基于用戶行為分析為主的個性化推薦資源的學習系統。通過學生在線學習的行為數據持續收集或線下數據錄入、掃描等匯總收集，形成用戶一段時間的數據集，通過數據挖掘學生學習習慣、喜好等，診斷不同學生的學情，并推薦不同的學生使用不同的資源，從而達到個性化學習路徑規劃。

基于用戶行為分析的產品/方法，主要是依托收集用戶的學習行為數據，分析學生的潛在學習情況，并規劃學生學習的路徑。學生的學習行為數據包括線下定期考試、排名、上課表現等和線上的學習課程內容、時長、做題目數量以及正確率等進行分析，通過分類、聚類、回歸等算法，提供學習學習的重點和方向。該類產品/方法類似于BI分析，通過數據的采集、加工、建模、分析，并提供結果用于輔助決策。

如圖1-2所示，現有技術的處理方法的流程，主要步驟如下：

(1)對學習的資源進行知識圖譜化；

(2)學生在線學習，看資源、做題目；

(3)收集學生學習數據，進行診斷分析；

(4)規劃學生學習路徑和計劃，推薦資源和題目

基于以上情況，目前的兩種產品/處理方法，存在一定的不足和缺陷的地方。