[發(fā)明專利]基于知識(shí)圖譜的學(xué)習(xí)情況獲取方法、裝置及相關(guān)設(shè)備

有效

• 申請(qǐng)?zhí)枺?/td>: 202110779134.8
• 申請(qǐng)日: 2021-07-09
• 公開（公告）號(hào): CN113486056B
• 公開（公告）日: 2023-06-09
• 發(fā)明（設(shè)計(jì)）人: 陳聰;舒暢;陳又新
• 申請(qǐng)（專利權(quán)）人: 平安科技（深圳）有限公司
• 主分類號(hào): G06F16/245
• 分類號(hào): G06F16/245;G06F16/28;G06F16/27;G06Q10/0639;G06Q50/20
• 代理公司: 深圳市賽恩倍吉知識(shí)產(chǎn)權(quán)代理有限公司 44334
• 代理人: 陳海云

1.一種基于知識(shí)圖譜的學(xué)習(xí)情況獲取方法，其特征在于，所述基于知識(shí)圖譜的學(xué)習(xí)情況獲取方法包括：

獲取預(yù)設(shè)課程對(duì)應(yīng)的課程知識(shí)圖譜，所述課程知識(shí)圖譜中包含所述預(yù)設(shè)課程對(duì)應(yīng)的知識(shí)節(jié)點(diǎn)以及每一所述知識(shí)節(jié)點(diǎn)對(duì)應(yīng)的附屬要素節(jié)點(diǎn)；

采集用戶的目標(biāo)屬性信息，并根據(jù)所述目標(biāo)屬性信息調(diào)用圖神經(jīng)網(wǎng)絡(luò)與隨機(jī)游走算法對(duì)每一所述知識(shí)節(jié)點(diǎn)進(jìn)行向量化處理，得到目標(biāo)課程向量，包括：根據(jù)所述目標(biāo)屬性信息獲取包含所述知識(shí)節(jié)點(diǎn)的多路異構(gòu)圖，并基于所述多路異構(gòu)圖構(gòu)建圖神經(jīng)網(wǎng)絡(luò)模型；調(diào)用隨機(jī)游走算法在所述圖神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行隨機(jī)游走，得到節(jié)點(diǎn)序列，所述節(jié)點(diǎn)序列中包含頭知識(shí)節(jié)點(diǎn)向量、尾知識(shí)節(jié)點(diǎn)向量以及頭尾知識(shí)節(jié)點(diǎn)關(guān)系向量；根據(jù)所述頭知識(shí)節(jié)點(diǎn)向量、所述尾知識(shí)節(jié)點(diǎn)向量以及所述頭尾知識(shí)節(jié)點(diǎn)關(guān)系向量建立目標(biāo)函數(shù)，并在所述目標(biāo)函數(shù)的取值最小時(shí)確定向量轉(zhuǎn)移矩陣；基于所述向量轉(zhuǎn)移矩陣計(jì)算所述節(jié)點(diǎn)序列中每一所述知識(shí)節(jié)點(diǎn)對(duì)應(yīng)的目標(biāo)課程向量；

輸入所述目標(biāo)課程向量至預(yù)先訓(xùn)練好的掌握程度計(jì)算模型中，得到用戶對(duì)每一所述知識(shí)節(jié)點(diǎn)的掌握程度；

選取若干用戶作為目標(biāo)用戶集，確定所述目標(biāo)用戶集中每一目標(biāo)用戶對(duì)應(yīng)的目標(biāo)掌握程度，得到目標(biāo)掌握程度集；

根據(jù)所述目標(biāo)掌握程度集獲取每一所述知識(shí)節(jié)點(diǎn)的整體難度；

根據(jù)每一所述知識(shí)節(jié)點(diǎn)的整體難度以及用戶對(duì)每一所述知識(shí)節(jié)點(diǎn)的掌握程度獲取該用戶對(duì)所述預(yù)設(shè)課程的掌握程度。

2.根據(jù)權(quán)利要求1所述的基于知識(shí)圖譜的學(xué)習(xí)情況獲取方法，其特征在于，所述輸入所述目標(biāo)課程向量至預(yù)先訓(xùn)練好的掌握程度計(jì)算模型中，得到用戶對(duì)每一所述知識(shí)節(jié)點(diǎn)的掌握程度包括：

獲取預(yù)設(shè)樣本集，其中，所述預(yù)設(shè)樣本集以目標(biāo)課程向量為輸入樣本集，以掌握程度為輸出樣本集；

拆分所述預(yù)設(shè)樣本集為樣本訓(xùn)練集與樣本測(cè)試集；

將所述樣本訓(xùn)練集輸入至初始神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行訓(xùn)練，得到掌握程度計(jì)算模型；

將所述樣本測(cè)試集輸入至所述掌握程度計(jì)算模型中，計(jì)算模型的準(zhǔn)確率，并在所述準(zhǔn)確率超過預(yù)設(shè)準(zhǔn)確率閾值時(shí)，確定所述掌握程度計(jì)算模型訓(xùn)練完成；

輸入所述目標(biāo)課程向量至預(yù)先訓(xùn)練好的掌握程度計(jì)算模型中，得到用戶對(duì)每一所述知識(shí)節(jié)點(diǎn)的掌握程度。

3.根據(jù)權(quán)利要求1所述的基于知識(shí)圖譜的學(xué)習(xí)情況獲取方法，其特征在于，所述選取若干用戶作為目標(biāo)用戶集，確定所述目標(biāo)用戶集中每一目標(biāo)用戶對(duì)應(yīng)的目標(biāo)掌握程度，得到目標(biāo)掌握程度集包括：

獲取初始用戶集中每一初始用戶的學(xué)習(xí)時(shí)間信息；

選取所述學(xué)習(xí)時(shí)間信息早于預(yù)設(shè)學(xué)習(xí)時(shí)間閾值的目標(biāo)用戶組成目標(biāo)用戶集；

根據(jù)所述學(xué)習(xí)時(shí)間信息確定所述目標(biāo)用戶集中每一目標(biāo)用戶的預(yù)設(shè)權(quán)值；

獲取所述目標(biāo)用戶集中每一所述目標(biāo)用戶對(duì)每一所述知識(shí)節(jié)點(diǎn)的掌握程度，根據(jù)所述目標(biāo)用戶對(duì)應(yīng)的預(yù)設(shè)權(quán)值與所述掌握程度計(jì)算目標(biāo)掌握程度；

組合所述目標(biāo)掌握程度，得到目標(biāo)掌握程度集。

4.根據(jù)權(quán)利要求1所述的基于知識(shí)圖譜的學(xué)習(xí)情況獲取方法，其特征在于，所述根據(jù)所述目標(biāo)掌握程度集獲取每一所述知識(shí)節(jié)點(diǎn)的整體難度包括：

獲取所述目標(biāo)掌握程度集中每一目標(biāo)掌握程度；

均值處理所述目標(biāo)掌握程度，得到第一值；

調(diào)用預(yù)設(shè)數(shù)學(xué)模型處理所述第一值，得到每一所述知識(shí)節(jié)點(diǎn)的整體難度。

5.根據(jù)權(quán)利要求1所述的基于知識(shí)圖譜的學(xué)習(xí)情況獲取方法，其特征在于，所述根據(jù)每一所述知識(shí)節(jié)點(diǎn)的整體難度以及用戶對(duì)每一所述知識(shí)節(jié)點(diǎn)的掌握程度獲取該用戶對(duì)所述預(yù)設(shè)課程的掌握程度包括：

獲取第一知識(shí)節(jié)點(diǎn)的第一整體難度以及用戶對(duì)于所述第一知識(shí)節(jié)點(diǎn)的第一掌握程度；

乘積處理所述第一整體難度與所述第一掌握難度，得到第一加權(quán)值；

確定每一所述知識(shí)節(jié)點(diǎn)對(duì)應(yīng)的加權(quán)值，并求和處理所述加權(quán)值，得到用戶對(duì)所述預(yù)設(shè)課程的掌握程度。