[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

本申請公開了一種生成用戶學習數據的方法、模型訓練方法及設備，屬于智能教育技術領域。該方法包括：獲取指定學習資料的關聯數據，關聯數據包括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?；陉P聯數據，通過目標預測模型，預測目標用戶對指定學習資料的學習行為數據，得到第一學習行為數據，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。將關聯數據和第一學習行為數據組合成用戶學習數據，用戶學習數據用于分析目標用戶的學習情況。如此，可以在數據稀疏的情況下，自動生成目標用戶的用戶學習數據，從而為學習情況分析提供了豐富的數據，可以提高分析的準確性。

技術領域

本申請涉及智能教育技術領域，特別涉及一種生成用戶學習數據的方法、模型訓練方法及設備。

背景技術

近年來，隨著互聯網的普及，線上教育得到了長足發展。用戶(如學生)可以使用終端設備在線上進行考試、測試、觀看學習資料等。

為了能夠確定用戶對知識點的掌握等學習情況，通常需要獲取大量的用戶學習數據。譬如，該用戶學習數據包括用戶信息、學習資料的資料信息、學習時間信息、用戶的學習行為數據，用戶學習行為數據包括對學習資料的閱讀時長、答題狀態、資料播放以及下載次數等。之后，即可基于大量的用戶學習數據進行學習情況分析。

然而，由于線上教育和線下教育的脫節，用戶在線學習的時間可能比較短，使得能夠獲取到的用戶學習數據的數量有限，也即用戶學習數據存在稀疏性，所以，導致可能難以準確分析出用戶的學習情況。

發明內容

本申請實施例提供了一種生成用戶學習數據的方法、模型訓練方法及設備，可以解決相關技術中由于用戶學習數據稀疏導致可能難以準確分析出用戶的學習情況的問題。所述技術方案如下：

第一方面，提供了一種生成用戶學習數據的方法，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。

如此，可以在數據稀疏的情況下，自動生成目標用戶的用戶學習數據，從而為學習情況分析提供了豐富的數據，可以提高分析的準確性。

作為本申請的一個示例，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。

第二方面，提供了一種模型訓練的方法，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。

如此，可以在數據稀疏的情況下，通過目標預測模型自動生成目標用戶的用戶學習數據，從而為學習情況分析提供了豐富的數據，可以提高分析的準確性。

作為本申請的一個示例，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；