[發(fā)明專利]基于知識圖譜的學習情況獲取方法、裝置及相關設備

有效

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

本申請涉及數據處理技術，提供一種基于知識圖譜的學習情況獲取方法、裝置、計算機設備與存儲介質，包括：獲取預設課程對應的課程知識圖譜；采集用戶的目標屬性信息，并根據目標屬性信息調用圖神經網絡與隨機游走算法對每一知識節(jié)點進行向量化處理，得到目標課程向量；輸入目標課程向量至掌握程度計算模型中，得到用戶對每一知識節(jié)點的掌握程度；確定目標用戶集以及目標用戶集對應的目標掌握程度集，并根目標掌握程度集獲取每一知識節(jié)點的整體難度；根據每一知識節(jié)點的整體難度以及用戶對每一知識節(jié)點的掌握程度獲取該用戶對預設課程的掌握程度。本申請能夠提高學習情況監(jiān)控的準確性，促進智慧城市的快速發(fā)展。

技術領域

本申請涉及數據處理技術領域，尤其涉及一種基于知識圖譜的學習情況獲取方法、裝置、計算機設備及介質。

背景技術

隨著在線學習教育的發(fā)展，出現了越來越多的學習平臺與系統(tǒng)幫助用戶進行學習。為了能夠更好地引導用戶學習，學習系統(tǒng)需要對用戶的學習情況進行監(jiān)測。

在實現本申請的過程中，發(fā)明人發(fā)現現有技術存在如下技術問題：現有的普通學習系統(tǒng)采用固定的特征函數來監(jiān)控用戶的學習情況，然而，在實際實現中，因為課程的各個知識節(jié)點之間互相嵌套、節(jié)點之間通過關系分類互相鏈接的問題，通過固定的特征函數無法保證正確監(jiān)控用戶的學習情況，學習情況的監(jiān)控效果較差。

因此，有必要提供一種基于知識圖譜的學習情況獲取方法，能夠提高學習情況監(jiān)控的準確性。

發(fā)明內容

鑒于以上內容，有必要提出一種基于知識圖譜的學習情況獲取方法、基于知識圖譜的學習情況獲取裝置、計算機設備及介質，能夠提高學習情況監(jiān)控的準確性。

本申請實施例第一方面提供一種基于知識圖譜的學習情況獲取方法，所述基于知識圖譜的學習情況獲取方法包括：

獲取預設課程對應的課程知識圖譜，所述課程知識圖譜中包含所述預設課程對應的知識節(jié)點以及每一所述知識節(jié)點對應的附屬要素節(jié)點；

采集用戶的目標屬性信息，并根據所述目標屬性信息調用圖神經網絡與隨機游走算法對每一所述知識節(jié)點進行向量化處理，得到目標課程向量；

輸入所述目標課程向量至預先訓練好的掌握程度計算模型中，得到用戶對每一所述知識節(jié)點的掌握程度；

選取若干用戶作為目標用戶集，確定所述目標用戶集中每一目標用戶對應的目標掌握程度，得到目標掌握程度集；

根據所述目標掌握程度集獲取每一所述知識節(jié)點的整體難度；

根據每一所述知識節(jié)點的整體難度以及用戶對每一所述知識節(jié)點的掌握程度獲取該用戶對所述預設課程的掌握程度。

進一步地，在本申請實施例提供的上述基于知識圖譜的學習情況獲取方法中，所述根據所述目標屬性信息調用圖神經網絡與隨機游走算法對每一所述知識節(jié)點進行向量化處理，得到目標課程向量包括：

根據所述目標屬性信息獲取包含所述知識節(jié)點的多路異構圖，并基于所述多路異構圖構建圖神經網絡模型；

調用隨機游走算法在所述圖神經網絡模型中進行隨機游走，得到節(jié)點序列，所述節(jié)點序列中包含頭知識節(jié)點向量、尾知識節(jié)點向量以及頭尾知識節(jié)點關系向量；

根據所述頭知識節(jié)點向量、所述尾知識節(jié)點向量以及所述頭尾知識節(jié)點關系向量建立目標函數，并在所述目標函數的取值最小時確定向量轉移矩陣；

基于所述向量轉移矩陣計算所述節(jié)點序列中每一所述知識節(jié)點對應的目標課程向量。

進一步地，在本申請實施例提供的上述基于知識圖譜的學習情況獲取方法中，所述輸入所述目標課程向量至預先訓練好的掌握程度計算模型中，得到用戶對每一所述知識節(jié)點的掌握程度包括：