[發明專利]基于圖神經網絡的錯因分析方法

有效

• 申請號: 202010832565.1
• 申請日: 2020-08-18
• 公開（公告）號: CN112016603B
• 公開（公告）日: 2021-04-30
• 發明（設計）人: 崔煒
• 申請（專利權）人: 上海松鼠課堂人工智能科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/02
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明提供了基于圖神經網絡的錯因分析方法，其通過收集在作業或者試卷中可能存在的可解釋錯因信息，從而構成相應的預設可解釋錯因信息集合，在生成與該預設可解釋錯因信息集合相匹配的預設錯因解決方法集合以及對應的相應的錯因圖神經網絡模型，根據當前錯因信息的實際情況，通過錯因圖神經網絡模型從該預設可解釋錯因信息集合尋找出其具有最高相關程度的可解釋錯因信息，并從該預設錯因解決方法集合中尋找出與其匹配的預設錯因解決方法，從而實現對作業或者試卷中實際出現的可解釋錯因信息進行快速的定位查找和準確高效地確定合適的可解釋錯因解決方法。

技術領域

本發明涉及信息錯因分析與解決的技術領域，特別涉及基于圖神經網絡的錯因分析方法。

背景技術

目前，在教學過程中，通常需要對作業或者試卷進行評判，而隨著學生數量和教學任務的增加，教師需要進行評判的作業量和試卷量也隨著增加，僅僅依靠教師的人工審閱評判，并不能快速地、全面地和準確地對所有作業或者試卷進行逐一的審閱評判，這不僅不利于教師深入地了解不同學生對不同知識點的掌握程度，同時也會影響教學進度和教學質量。可見，現有技術急需一種能夠對作業或者試卷中的可解釋性錯因進行有效分析和快速提出錯因解決方法的方法。

發明內容

針對現有技術存在的缺陷，本發明提供基于圖神經網絡的錯因分析方法，其包括收集不同類型的可解釋錯因信息，以此生成預設可解釋錯因信息集合，并根據該預設可解釋錯因信息集合生成相應的預設錯因解決方法集合，再根據該預設可解釋錯因信息集合，生成相應的錯因圖神經網絡模型，對當前錯因信息進行預處理，并通過該錯因圖神經網絡模型確定經過該預處理后的該當前錯因信息與該預設可解釋錯因信息集合中包含的所有可解釋錯因信息之間的相關高低程度，最后根據該相關高低程度的確定結果，確定與該當前錯因信息最匹配的一個可解釋錯因信息，再根據該最匹配的一個可解釋錯因信息，從該預設錯因解釋方法集合中尋找對應的預設錯因解決方法；可見，該基于圖神經網絡的錯因分析方法通過收集在作業或者試卷中可能存在的可解釋錯因信息，從而構成相應的預設可解釋錯因信息集合，在生成與該預設可解釋錯因信息集合相匹配的預設錯因解決方法集合以及對應的相應的錯因圖神經網絡模型，然后根據當前錯因信息的實際情況，通過錯因圖神經網絡模型從該預設可解釋錯因信息集合尋找出其具有最高相關程度的可解釋錯因信息，并從該預設錯因解決方法集合中尋找出與其匹配的預設錯因解決方法，從而實現對作業或者試卷中實際出現的可解釋錯因信息進行快速的定位查找和準確高效地確定合適的可解釋錯因解決方法，以此便于深入地了解不同學生對不同知識點的掌握程度以及改善教學進度和教學質量。

本發明提供基于圖神經網絡的錯因分析方法，其特征在于，其包括如下步驟：

步驟S1，收集不同類型的可解釋錯因信息，以此生成預設可解釋錯因信息集合，并根據所述預設可解釋錯因信息集合生成相應的預設錯因解決方法集合；

步驟S2，根據所述預設可解釋錯因信息集合，生成相應的錯因圖神經網絡模型；

步驟S3，對當前錯因信息進行預處理，并通過所述錯因圖神經網絡模型確定經過所述預處理后的所述當前錯因信息與所述預設可解釋錯因信息集合中包含的所有可解釋錯因信息之間的相關高低程度；

步驟S4，根據所述相關高低程度的確定結果，確定與所述當前錯因信息最匹配的一個可解釋錯因信息，再根據所述最匹配的一個可解釋錯因信息，從所述預設錯因解釋方法集合中尋找對應的預設錯因解決方法；

進一步，在所述步驟S1中，收集不同類型的可解釋錯因信息，以此生成預設可解釋錯因信息集合具體包括，

步驟S101A，對不同類型的可解釋錯因信息進行收集，并統計收集得到每一個可解釋錯因信息自身的信息字符長度；

步驟S102A，根據每一個可解釋錯因信息自身的信息字符長度，對每一個可解釋錯因信息進行標記，以此生成關于每一個可解釋錯因信息對應的預設錯因標簽，并對每一個預設錯因標簽進行編號；