[發明專利]一種學習方案的生成方法、系統及計算機可讀存儲介質

在審

• 申請號: 202011197602.2
• 申請日: 2020-10-30
• 公開（公告）號: CN112256805A
• 公開（公告）日: 2021-01-22
• 發明（設計）人: 李秀;李帥斌
• 申請（專利權）人: 清華大學深圳國際研究生院
• 主分類號: G06F16/28
• 分類號: G06F16/28;G06N7/00
• 代理公司: 深圳新創友知識產權代理有限公司 44223
• 代理人: 孟學英

1.一種學習方案的生成方法，其特征在于，包括如下步驟：

S1：利用教學知識點間的馬爾科夫性耦合關系，將與所述教學知識點對應的概念表述、圖形表示、題目作為知識點數據構建多維知識體系數據庫；

S2：根據所述多維知識體系數據庫中教學知識點間的馬爾科夫性耦合關系，抽取所述知識點數據生成用于交互的方案；

S3：接收用戶基于所述方案反饋回的測試結果，并依據所述測試結果構建附帶用戶信息的馬爾科夫學習鏈；

S4：依據馬爾可夫決策過程的強化學習算法，基于所述附帶用戶信息的馬爾科夫學習鏈、所述多維知識體系數據庫生成用戶個性化的學習方案。

2.如權利要求1所述的學習方案的生成方法，其特征在于，所述多維知識體系數據庫實時進行教學知識點更新并對所述教學知識點進行多維度聚合。

3.如權利要求2所述的學習方案的生成方法，其特征在于，對所述教學知識點進行多維度聚合包括：

根據預先設置的標準分配不同的權重以評價所述教學知識點的重要性；

所述預先設置的標準包括：所述教學知識點所屬的知識點模塊、所屬模塊子內容；在所述所屬的知識點模塊、所述所屬模塊子內容下所占比值；所述教學知識點的重難點系數；所述教學知識點對于后續知識內容的影響因子。

4.如權利要求3所述的學習方案的生成方法，其特征在于，接收所述用戶基于所述方案反饋回的所述測試結果包括：所述教學知識點多維信息，所述教學知識點的多維信息包括教學知識點的分值。

5.如權利要求4所述的學習方案的生成方法，其特征在于，所述教學知識點的分值的計算公式如下：

其中，Si是每個教學知識點的分值，Ki是每個知識點模塊的分值，μ_i，γ_i，ε_i，δ_i分別為教學知識點i在知識點模塊S中、教學知識點之間、模塊子內容在整個知識點模塊、模塊子內容之間的聯系系數，并且滿足K1_score表示知識點模塊K1的得分，S1表示知識點模塊S1的內部分值，S1_score表示知識點模塊間S1的得分。

6.如權利要求5所述的學習方案的生成方法，其特征在于，將所述教學知識點多維信息轉換為體現用戶掌握程度的分值參數，依據所述體現用戶掌握程度的分值參數構建附帶用戶信息的馬爾科夫學習鏈。

7.如權利要求6所述的學習方案的生成方法，其特征在于，所述體現用戶掌握程度的分值參數是用戶對每個所述知識點模塊以及每個所述知識點模塊包括的模塊子內容、所述教學知識點的掌握程度的向量μ_i，ε_i，δ_i，γ_i...。

8.如權利要求1-7任一所述的學習方案的生成方法，其特征在于，還包括：

S5：接收用戶基于所述用戶個性化的學習方案的反饋更新所述附帶用戶信息的馬爾科夫學習鏈，生成更新后的用戶個性化的學習方案。

9.一種學習方案的生成系統，其特征在于，包括：

多維知識體系單元，用于利用教學知識點間的馬爾科夫性耦合關系，將所述教學知識點對應的概念表述、圖形表示、題目作為知識點數據構建多維知識體系數據庫；

測評單元，用于根據所述多維知識體系數據庫中教學知識點間的馬爾科夫性耦合關系，抽取所述知識點數據生成用于交互的方案；以及，接收用戶基于所述方案反饋回的測試結果，并依據所述測試結果構建附帶用戶信息的馬爾科夫學習鏈；

強化學習離線學習單元，用于依據馬爾可夫決策過程的強化學習算法，基于所述附帶用戶信息的馬爾科夫學習鏈、所述多維知識體系數據庫生成用戶個性化的學習方案。

10.一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1-8任一所述方法的步驟。