[發明專利]生成用戶學習數據的方法、模型訓練方法及設備

在審

• 申請號: 202110775099.2
• 申請日: 2021-07-07
• 公開（公告）號: CN113361650A
• 公開（公告）日: 2021-09-07
• 發明（設計）人: 王寧君
• 申請（專利權）人: 東莞市小精靈教育軟件有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 甘瑩

1.一種生成用戶學習數據的方法，其特征在于，所述方法包括：

獲取指定學習資料的關聯數據，所述關聯數據包括所述指定學習資料的資料信息、目標用戶的用戶信息、學習時間信息；

基于所述關聯數據，通過目標預測模型，預測所述目標用戶對所述指定學習資料的學習行為數據，得到第一學習行為數據，所述目標預測模型能夠基于任意一個學習資料的關聯數據預測對應的學習行為數據；

將所述關聯數據和所述第一學習行為數據組合成用戶學習數據，所述用戶學習數據用于分析所述目標用戶的學習情況。

2.如權利要求1所述的方法，其特征在于，所述資料信息包括所述指定學習資料的資料標識和/或知識點信息。

3.一種模型訓練方法，其特征在于，所述方法包括：

獲取多個樣本序列，每個樣本序列包括多個時序數據，每個時序數據中包括樣本資料信息、樣本用戶信息、樣本學習時間信息、樣本學習行為數據，所述每個樣本序列包括的多個時序數據按照所述每個時序數據中的樣本學習時間信息順序排列；

基于所述多個樣本序列對未完成訓練的模型進行訓練；

在訓練過程中，當確定滿足訓練結束條件時，將訓練得到的模型確定為目標預測模型，所述目標預測模型能夠基于任意一個學習資料的關聯數據預測對應的學習行為數據。

4.如權利要求3所述的方法，其特征在于，所述模型包括生成器和判別器，所述基于所述多個樣本序列對未完成訓練的模型進行訓練，包括：

從所述多個樣本序列中獲取一個樣本序列，得到目標樣本序列；

將所述目標樣本序列輸入至所述模型中；

通過所述生成器基于所述目標樣本序列，生成模擬樣本序列；

通過所述判別器基于所述模擬樣本序列與所述目標樣本序列，確定目標概率值，所述目標概率值用于指示所述模擬樣本序列與所述目標樣本序列之間的相似程度；

當所述目標概率值小于概率值閾值且訓練次數未達到預設訓練次數時，調整所述生成器的參數，并繼續返回至所述通過所述生成器基于所述目標樣本序列，生成模擬樣本序列的步驟，所述訓練次數是指基于所述目標樣本序列對所述模型進行訓練的次數；

當訓練次數達到所述預設訓練次數時，返回所述從所述多個樣本序列中獲取一個樣本序列，得到目標樣本序列的操作。

5.如權利要求4所述的方法，其特征在于，所述方法還包括：

當所述目標概率值大于或等于所述概率值閾值，且所述訓練次數未達到所述預設訓練次數時，調整所述判別器的參數；

返回至所述通過所述生成器基于所述目標樣本序列，生成模擬樣本序列的步驟。

6.一種生成用戶學習數據的裝置，其特征在于，所述裝置包括：

第一獲取模塊，用于獲取指定學習資料的關聯數據，所述關聯數據包括所述指定學習資料的資料信息、目標用戶的用戶信息、學習時間信息；

預測模塊，用于基于所述關聯數據，通過目標預測模型，預測所述目標用戶對所述指定學習資料的學習行為數據，得到第一學習行為數據，所述目標預測模型能夠基于任意一個學習資料的關聯數據預測對應的學習行為數據；

組合模型，用于將所述關聯數據和所述第一學習行為數據組合成用戶學習數據，所述用戶學習數據用于分析所述目標用戶的學習情況。

7.一種模型訓練裝置，其特征在于，所述裝置包括：

第二獲取模塊，用于獲取多個樣本序列，每個樣本序列包括多個時序數據，每個時序數據中包括樣本資料信息、樣本用戶信息、樣本學習時間信息、樣本學習行為數據，所述每個樣本序列包括的多個時序數據按照所述每個時序數據中的樣本學習時間信息順序排列；

訓練模塊，用于基于所述多個樣本序列對未完成訓練的模型進行訓練；

確定模塊，用于在訓練過程中，當確定滿足訓練結束條件時，將訓練得到的模型確定為目標預測模型，所述目標預測模型能夠基于任意一個學習資料的關聯數據預測對應的學習行為數據。