[發明專利]一種基于深度學習的適應性學習系統和方法

在審

• 申請號: 202010199603.4
• 申請日: 2020-03-20
• 公開（公告）號: CN111401525A
• 公開（公告）日: 2020-07-10
• 發明（設計）人: 陳家峰;李書兵
• 申請（專利權）人: 珠海讀書郎網絡教育有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G06K9/62
• 代理公司: 長沙軒榮專利代理有限公司 43235
• 代理人: 黃藝平

本發明公開了一種基于深度學習的適應性學習系統和方法：針對線學習平臺數量的增多，學習資源形式也越來越多樣化，設計開發基于深度學習的適應性學習系統和方法，通過設計基于互信息特征選擇模型(MIFS)的深度神經網絡輸入優化策略，建立了學習者?資源二部圖關聯模型下的輸出直觀化描述，其次利用深度神經網絡訓練獲得資源推薦模型，實現個性化學習資源推薦。利用深度學習算法對數據適應性強、處理性能好等特點，將其用于學習者偏好、學習者的特征類型等方面的分析研究，對學習者偏好的預測準確度高，進而改善學習者在線學習的體驗與效果。

技術領域

本發明屬于發明涉及在線學習技術領域，具體涉及一種基于深度學習的適應性學習系統和方法。

背景技術

隨著大數據時代的到來，與教育領域結合所產生的教育大數據可以從海量教育數據中發現教學規律，進而優化教學模式、展開更高效的教學工作。教育大數據的本質是教育領域的大數據，其數據來源不僅包括學習者的學習數據，更包括日常教育活動中人的一切行為數據，具有多主題、多維度、多形態等特點。基于個性化學習思想，構建的適應性在線學習系統可以收集學生的學習行為數據，分析構建學生能力，推薦合適的專屬學習資源。也正因為適應性學習在根據學生個體差異進行適應性學習指導方面有較好的效果與優勢。本專利提出一種新的基于深度學習的適應性學習資源推薦方法，設計并開發了一個適應性學習系統，在推薦學習資源時有較好的準確性、穩定性和有效性。

發明內容

本發明的目的是為克服已有技術的不足，提出一種基于深度學習的適應性學習系統和方法。

本發明提供了一種基于深度學習的適應性學習系統，其特征在于，包括前端模塊、后端模塊和存儲模塊組成。前端模塊為學生、教師和管理員等用戶的操作界面，負責處理用戶信息的輸入、輸出及教學、試題內容展示，通過網絡與后端模塊連接。后端模塊包括基礎服務和業務服務兩個部分，負責處理、修改、查詢用戶及教學、試題數據等工作。后端模塊連接存儲模塊將用戶和教學數據進行存儲。

應用所述一種基于深度學習的適應性學習方法主要包括以下步驟：

步驟1，用戶通過前端模塊進行登錄和學習，后端模塊分析處理存儲模塊中用戶的數據集，獲取學生與學習資源的數據；

步驟2，在學習資源數據的眾多特征中尋獲學習者與資源之間關聯并建立特征選擇模型，以此來完成推薦方法的輸入過程；

步驟3，建立學習者-資源的二部圖關聯模型，得到推薦方法的輸出；

步驟4，基于深度神經網絡模型，判斷學習者是否學習某一學習資源及對該學習資源的重視程度；

步驟5，確定最終的學習資源推薦列表，將推薦的學習資源通過前端模塊向用戶展示。

優選的，步驟2中的建立特征選擇模型方式為：

選用基于互信息特征選擇(MIFS)方法，基于MIFS的特征選擇方法中，信息度量評價函數對于其至關重要，信息度量評價函數可表示為：

其中S為已選擇的特征，s為單個特征，f為候選特征，C為類別，β為調節系數函數g(C，f)是C、f之間的信息量，g(s，f)是s、f之間的信息量。

已選擇的特征表示確定會影響學習者選擇資源的一些特征，其包含資源的知識內容、學習時長、資源展現形式。

優選的，步驟3中的建立二部圖關聯模型方式為：

定義學習者集合為：L＝{l₁，l₂，l₃，…l_m}；資源集合為：R＝{r₁，r₂，r₃，…r_m}。可得到一個由學習者集合和資源集合構成的二值關系矩陣X_m×n：