[發明專利]教育智能機器人控制方法、設備及介質

有效

• 申請號: 202210559919.9
• 申請日: 2022-05-23
• 公開（公告）號: CN114647721B
• 公開（公告）日: 2022-09-16
• 發明（設計）人: 諶世鳳;馬莉;畢宏博;林海洋;周佳慶;周春大;林進玉
• 申請（專利權）人: 風林科技（深圳）有限公司
• 主分類號: G06F16/335
• 分類號: G06F16/335;G06K9/62;G06Q50/20
• 代理公司: 深圳市恒程創新知識產權代理有限公司 44542
• 代理人: 苗廣冬

1.一種教育智能機器人控制方法，其特征在于，所述教育智能機器人控制方法包括：

獲取目標用戶的實時學習畫像以及各待學習知識點對應的待學習知識點信息；

依據所述實時學習畫像和各所述待學習知識點信息，分別預測所述目標用戶與各所述待學習知識點之間的學習匹配度；

依據各所述學習匹配度，在各所述待學習知識點中篩選各待選取知識點；

根據所述目標用戶的學習習慣特征和各所述待選取知識點對應的知識點學習特征，在各所述待選取知識點中選取目標學習知識點；

控制教育智能機器人向所述目標用戶推薦所述目標學習知識點；

其中，所述依據所述實時學習畫像和各所述待學習知識點信息，分別預測所述目標用戶與各所述待學習知識點之間的學習匹配度的步驟包括：

依據預設第一特征提取模型，對所述實時學習畫像進行特征提取，得到學習畫像嵌入特征；

依據預設第二特征提取模型，對各所述待學習知識點信息進行特征提取，得到各知識點嵌入特征；

分別計算所述學習畫像嵌入特征和各所述知識點嵌入特征之間的相似度，得到各所述學習匹配度；

其中，在所述依據預設第二特征提取模型，對各所述待學習知識點信息進行特征提取，得到各知識點嵌入特征的步驟之前，所述教育智能機器人控制方法還包括：

獲取至少一個訓練學習畫像和至少一個訓練待學習知識點信息，其中，各所述訓練學習畫像和各所述訓練待學習知識點信息兩兩之間存在預設學習匹配度;

依據待訓練第一特征提取模型，分別對各所述訓練學習畫像進行特征提取，得到各訓練學習畫像嵌入特征；

依據待訓練第二特征提取模型，分別對各所述訓練待學習知識點信息進行特征提取，得到各訓練知識點嵌入特征；

依據各所述預設學習匹配度，在各所述訓練知識點嵌入特征中選取每一所述訓練學習畫像嵌入特征對應的第一正樣本特征和對應的第一負樣本特征，其中，所述訓練學習畫像嵌入特征和所述第一正樣本特征之間的預設學習匹配度大于預設第一匹配度閾值，所述訓練學習畫像嵌入特征和所述第一負樣本特征之間的預設學習匹配度小于預設第二匹配度閾值，預設第一匹配度閾值不小于預設第二匹配度閾值；

依據各所述預設學習匹配度，在各所述訓練學習畫像嵌入特征中選取每一所述訓練知識點嵌入特征對應的第二正樣本特征和對應的第二負樣本特征，其中，所述訓練知識點嵌入特征和所述第二正樣本特征之間的預設學習匹配度大于預設第三匹配度閾值，所述訓練知識點嵌入特征和所述第二負樣本特征之間的預設學習匹配度小于預設第四匹配度閾值，預設第三匹配度閾值不小于預設第四匹配度閾值；

依據各所述訓練學習畫像嵌入特征、各所述第一正樣本特征和各所述第一負樣本特征，構建第一對比學習總損失；

依據各所述訓練知識點嵌入特征、各所述第二正樣本特征和各所述第二負樣本特征，構建第二對比學習總損失；

依據所述第一對比學習總損失迭代更新所述待訓練第一特征提取模型，以及依據所述第二對比學習總損失迭代更新所述待訓練第二特征提取模型，得到所述預設第一特征提取模型和所述預設第二特征提取模型。

2.如權利要求1所述教育智能機器人控制方法，其特征在于，所述根據所述目標用戶的學習習慣特征和各所述待選取知識點對應的知識點學習特征，在各所述待選取知識點中選取目標學習知識點的步驟包括：

計算所述學習習慣特征和各所述知識點學習特征之間的特征相似度；

依據各所述特征相似度，在各所述待選取知識點中選取所述目標學習知識點。

3.如權利要求1所述教育智能機器人控制方法，其特征在于，在所述根據所述目標用戶的學習習慣特征和各所述待選取知識點對應的知識點學習特征，在各所述待選取知識點中選取目標學習知識點的之前，所述方法還包括：

獲取所述目標用戶對于各類型知識點的學習時間分布信息以及第一學習頻率分布信息；

依據所述學習時間分布信息和所述第一學習頻率分布信息，生成所述目標用戶對應的學習習慣特征。