[發(fā)明專利]確定學習情況的方法、裝置以及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202011157699.4
• 申請日: 2020-10-26
• 公開（公告）號: CN112328804A
• 公開（公告）日: 2021-02-05
• 發(fā)明（設(shè)計）人: 許碧琛;侯偉藝;談瑩;陶嘉儀;陳玄燁
• 申請（專利權(quán)）人: 北京黑巖方碑網(wǎng)絡(luò)科技有限公司
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06Q50/20;G06N3/04;G06N3/08
• 代理公司: 北京萬思博知識產(chǎn)權(quán)代理有限公司 11694
• 代理人: 孫黎生

1.一種確定學習情況的方法，其特征在于，包括：

接收用戶輸入的學習過程中產(chǎn)生的學習數(shù)據(jù)信息；

利用預(yù)先訓練的循環(huán)神經(jīng)網(wǎng)絡(luò)模型對所述學習數(shù)據(jù)信息進行計算，確定與所述學習數(shù)據(jù)信息包含的知識點對應(yīng)的編碼信息；以及

利用預(yù)先訓練的圖神經(jīng)網(wǎng)絡(luò)模型，根據(jù)所述編碼信息更新預(yù)設(shè)的知識圖譜，并確定所述用戶對更新后的所述知識圖譜中的各個知識節(jié)點的掌握情況，其中所述預(yù)設(shè)的知識圖譜中的各個知識節(jié)點分別存儲有與所述用戶相關(guān)的各個知識點的編碼信息。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，利用預(yù)先訓練的圖神經(jīng)網(wǎng)絡(luò)模型，根據(jù)所述編碼信息更新預(yù)設(shè)的知識圖譜的操作，包括：

利用所述圖神經(jīng)網(wǎng)絡(luò)模型，從大數(shù)據(jù)分析中提取所述預(yù)設(shè)的知識圖譜中的各個知識節(jié)點之間的關(guān)系強度作為更新所述預(yù)設(shè)的知識圖譜的更新權(quán)重；

生成待添加至所述預(yù)設(shè)的知識圖譜的新知識節(jié)點，其中所述新知識節(jié)點用于存儲與所述學習數(shù)據(jù)信息包含的知識點對應(yīng)的編碼信息；以及

將所述新知識節(jié)點添加至所述預(yù)設(shè)的知識圖譜，并根據(jù)所述更新權(quán)重對所述預(yù)設(shè)的知識圖譜進行更新。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述更新權(quán)重包括所述預(yù)設(shè)的知識圖譜中的各個知識節(jié)點的節(jié)點更新權(quán)重和各個邊的邊更新權(quán)重，并且根據(jù)所述更新權(quán)重對所述預(yù)設(shè)的知識圖譜進行更新的操作，包括：

根據(jù)所述節(jié)點更新權(quán)重和所述邊更新權(quán)重，對已添加所述新知識節(jié)點的所述知識圖譜中的各個知識節(jié)點存儲的編碼信息進行重新計算；以及

將重新計算得到的結(jié)果分別存儲至已添加所述新知識節(jié)點的所述知識圖譜中的各個知識節(jié)點。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，利用預(yù)先訓練的圖神經(jīng)網(wǎng)絡(luò)模型，確定所述用戶對更新后的所述知識圖譜中的各個知識節(jié)點的掌握情況的操作，包括：

利用預(yù)設(shè)的解編碼網(wǎng)絡(luò)，分別對更新后的所述知識圖譜中的各個知識節(jié)點存儲的編碼信息進行解編碼操作；

將所述解編碼操作得到的結(jié)果輸入預(yù)設(shè)的全連接神經(jīng)網(wǎng)絡(luò)，輸出所述用戶對更新后的所述知識圖譜中的各個知識節(jié)點的掌握情況；以及

根據(jù)所述用戶的歷史掌握情況、當前學習進度信息和所輸出的所述掌握情況，確定所述用戶對更新后的所述知識圖譜中的各個知識節(jié)點的掌握情況。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，還包括：

根據(jù)所述用戶對更新后的所述知識圖譜中的各個知識節(jié)點的掌握情況，確定與所述用戶對應(yīng)的學習路徑；以及

將所述學習路徑推送至所述用戶的終端設(shè)備。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，利用預(yù)先訓練的循環(huán)神經(jīng)網(wǎng)絡(luò)模型對所述學習數(shù)據(jù)信息進行計算，確定與所述學習數(shù)據(jù)信息包含的知識點對應(yīng)的編碼信息，包括：

利用預(yù)先訓練的循環(huán)神經(jīng)網(wǎng)絡(luò)模型提取所述學習數(shù)據(jù)信息中包含的知識點對應(yīng)的特征信息；以及

利用預(yù)設(shè)的編碼網(wǎng)絡(luò)對所述特征信息進行編碼處理，確定所述知識點的編碼信息。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，還包括根據(jù)以下步驟訓練所述圖神經(jīng)網(wǎng)絡(luò)模型：

獲取用于訓練訓練編碼信息，其中所述訓練編碼信息是所述循環(huán)神經(jīng)網(wǎng)絡(luò)模型對用于訓練的學習數(shù)據(jù)信息進行計算確定的；

將所述訓練編碼信息輸入至所述圖神經(jīng)網(wǎng)絡(luò)模型進行計算；以及

根據(jù)計算的結(jié)果，利用梯度下降方式對所述圖神經(jīng)網(wǎng)絡(luò)模型進行優(yōu)化訓練。

8.一種存儲介質(zhì)，其特征在于，所述存儲介質(zhì)包括存儲的程序，其中，在所述程序運行時由處理器執(zhí)行權(quán)利要求1至7中任意一項所述的方法。