[發明專利]計算機數字化教學資源的調取系統及方法

有效

• 申請號: 201910952135.0
• 申請日: 2019-10-09
• 公開（公告）號: CN110675297B
• 公開（公告）日: 2022-02-01
• 發明（設計）人: 王亞利
• 申請（專利權）人: 濟源職業技術學院
• 主分類號: G06Q50/20
• 分類號: G06Q50/20;G06F16/435;G06N3/04;G06N3/08;G06F16/40;G06F40/143
• 代理公司: 南京北辰聯和知識產權代理有限公司 32350
• 代理人: 衛麟

1.一種計算機數字化教學資源的調取方法，其特征在于，步驟包括：

第一步，登錄賬號；

第二步，調取當前賬號所對應的教學進度矩陣K＝(N,R,G)；其中，N＝{n₁,n₂,…,n_|N|}表示學科知識體系中的各個要點的集合，其中|N|表示要點的總數，R＝{r₁,r₂,…,r_|N|}表示學科知識體系中的各個要點之間的邏輯聯系矩陣，G＝{g₁,g₂,…,g_|N|}表示當前賬號對學科知識體系中的各個要點的掌握情況，所述學科知識體系中的各個要點之間的邏輯聯系矩陣R中的任一元素且1≤l≤|N|，其中，表示編號為k的要點與編號為l的要點之間的關聯程度；

根據G＝{g₁,g₂,…,g_|N|}顯示當前賬號對學科知識體系中的各個要點的掌握情況，根據各個要點之間的邏輯聯系矩陣R采用卷積神經網絡模型CNN提取所述當前賬號對學科知識體系中的各個要點的掌握情況G所對應的特征信息

第三步，對第二步中所提取出來的特征信息進行max-pooling處理，獲得特征向量，對特征向量中各元素數值按照Softmax函數進行提取，根據提取的特征向量中的元素所對應的要點g_i，1≤i≤|N|，調取并輸出對應的教學資源，調取對應題庫資源進行訓練并對訓練結果進行評分；

第四步，根據訓練評分結果a＝{a₁,a₂,…,a_|N|}，更新當前賬號對學科知識體系中的各個要點的掌握情況G＝{g₁,g₂,…,g_|N|}+{a₁,a₂,…,a_|N|}，其中，所述訓練評分結果a＝{a₁,a₂,…,a_|N|}，其中任一元素a_l表示對該訓練所調取的題庫資源所對應的編號為l的要點所進行的評分；

第五步，重復上述第一步至第四步，直至當前賬號退出登錄；

其中，第二步中，根據各個要點之間的邏輯聯系矩陣R采用卷積神經網絡模型CNN提取所述當前賬號對學科知識體系中的各個要點的掌握情況G所對應的特征信息的步驟具體包括：

步驟201，根據所述各個要點之間的邏輯聯系矩陣R設置卷積層，其中，每一個所述卷積層均分別對應有一個卷積核w，以及一個對應于該邏輯聯系矩陣R的系數其中，|W|表示所述卷積核w的大小；

步驟202，每一層卷積層分別按照c_j＝f(w×x_j，j+h-1+βb)進行計算，輸出該卷積層的計算結果作為下一卷積層的輸入；其中，x_j，j+h-1表示各個要點的掌握情況G＝{g₁,g₂,…,g_|N|}中的第j元素至第j+h-1元素，或上一卷積層的計算結果中的第j元素至第j+h-1元素；h表示窗口長度為設定值；b為偏置項；f為激活函數；

步驟203，疊加上述各卷積層的計算結果，輸出各個要點的掌握情況G所對應的特征信息所述教學資源以及題庫資源分別對應有其標記向量Q＝{q₁,q₂,…,q_|N|}，其中，任一元素q_l表示該教學資源或題庫資源與對應編號為l的要點的相關程度；

其中，所述第三步中，根據提取的特征向量中的元素所對應的要點g_i，1≤i≤|N|，調取并輸出對應的教學資源，調取對應題庫資源進行訓練的具體步驟包括：

分別計算各所述教學資源以及各所述題庫資源所對應的標記向量Q＝{q₁,q₂,…,q_|N|}與所述特征向量的漢明距離，篩選出漢明距離最小的所述教學資源以及所述題庫資源；

從篩選出的所述教學資源以及所述題庫資源中，輸出其中標記向量Q中對應要點g_i的元素為最大的教學資源以及所述題庫資源。