一种智能学习系统和方法技术方案

本发明专利技术公开了一种智能学习系统和方法，使得平台上的一些较好的知识结构能够得到充分的利用，提升了用户学习、分享知识结构的效率。其技术方案为：系统包括：存储模块，存储各模范知识结构；匹配模块，将用户新建的知识结构和存储模块中的模范知识结构进行相似度匹配，将匹配度高于阈值的模范知识结构作为待推送知识结构；推送模块，将待推送知识结构向用户进行推送。

【技术实现步骤摘要】
一种智能学习系统和方法
本专利技术涉及在线学习，尤其涉及借助于平台上已有的知识结构资源优化用户在线学习效果的系统和方法。
技术介绍
在知识分享系统平台上，随着越来越多的用户在这一平台上创建自己的知识结构，平台上存储的各类知识结构就会越来越丰富。而一些各行各业内的专家在平台上创建知识结构体系，也增加了平台上存储的各类知识结构的权威性。当用户在平台上学习和分享新知识，新建知识结构时，实际上在平台上早先已经存储了与之相关的很多知识结构，其中不乏专家学者所创建的较为权威的知识结构。然而现有的知识分享体系，往往无法自动找到与用户新建的知识结构极为相关的已有知识结构并自动推送给用户。而是需要用户自己在平台上进行查找，比如用户新建了“三国”这一知识结构，就需要自己在平台上通过搜索关键字“三国”、“三国志”、“三国演义”等关键字查找与之相关的知识结构，并从中自行甄别出成体系的、参考价值高的、较为权威的知识结构体系。现有的这种方式都需要人工进行处理和判断，浪费了用户大量的时间，而且即使花费了许多的时间也可能无法找到最合适的现有资源，这也造成了对平台上现有资源的重大浪费。
技术实现思路
以下给出一个或多个方面的简要概述以提供对这些方面的基本理解。此概述不是所有构想到的方面的详尽综览，并且既非旨在指认出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一的目的是要以简化形式给出一个或多个方面的一些概念以为稍后给出的更加详细的描述之序。本专利技术的目的在于解决上述问题，提供了一种智能学习系统和方法，使得平台上的一些较好的知识结构能够得到充分的利用，提升了用户学习、分享知识结构的效率。本专利技术的技术方案为：本专利技术揭示了一种智能学习系统，包括：存储模块，存储各模范知识结构；匹配模块，将用户新建的知识结构和存储模块中的模范知识结构进行相似度匹配，将匹配度高于阈值的模范知识结构作为待推送知识结构；推送模块，将待推送知识结构向用户进行推送。根据本专利技术的智能学习系统的一实施例，基于知识结构和文本格式的相互转化以及文本格式基础上的余弦相似度参数对多个知识结构进行匹配度的计算。根据本专利技术的智能学习系统的一实施例，存储模块存储的模范知识结构包括但不限于：专家原始构建的知识结构、将原始知识结构进行相似合并后的知识结构、教科书知识结构。根据本专利技术的智能学习系统的一实施例，推送模块向用户推送知识结构的方式包括但不限于：按照待推送结构与用户新建的知识结构之间的差异内容进行推送；按照教学大纲规定的学习顺序进行推送；按照专家设定的学习顺序进行推送；按照用户自定义的学习顺序进行推送；基于用户主动需要进行推送；围绕用户兴趣点逐步推送，其中每次推送的信息量按照用户阅读速度自适应调整。根据本专利技术的智能学习系统的一实施例，推送模块的推送时间点包括定时推送和不定时推送，其中定时推送的时间点包括周期性时间点和用户自定义时间点，不定时推送包括当用户构建词条时、当热点事件发生时、当有新知识点上线时向相关背景知识的用户推送。本专利技术还揭示了一种智能学习方法，包括：将用户新建的知识结构和系统中已有的模范知识结构进行相似度匹配，将匹配度高于阈值的模范知识结构作为待推送知识结构；将待推送知识结构向用户进行推送。根据本专利技术的智能学习方法的一实施例，在相似度匹配中，是基于知识结构和文本格式的相互转化以及文本格式基础上的余弦相似度参数对多个知识结构进行匹配度的计算。根据本专利技术的智能学习方法的一实施例，模范知识结构包括但不限于：专家原始构建的知识结构、将原始知识结构进行相似合并后的知识结构、教科书知识结构。根据本专利技术的智能学习方法的一实施例，向用户推送知识结构的方式包括但不限于：按照待推送结构与用户新建的知识结构之间的差异内容进行推送；按照教学大纲规定的学习顺序进行推送；按照专家设定的学习顺序进行推送；按照用户自定义的学习顺序进行推送；基于用户主动需要进行推送；围绕用户兴趣点逐步推送，其中每次推送的信息量按照用户阅读速度自适应调整。根据本专利技术的智能学习方法的一实施例，推送时间点包括定时推送和不定时推送，其中定时推送的时间点包括周期性时间点和用户自定义时间点，不定时推送包括当用户构建词条时、当热点事件发生时、当有新知识点上线时向相关背景知识的用户推送。本专利技术对比现有技术有如下的有益效果：本专利技术通过将用户新建的知识结构和平台上现有的模范知识结构进行相似度匹配，将匹配度高的知识结构作为待推送知识结构，按照某种推送方式向用户进行推送，以使平台上一些较权威的知识结构能够得到充分利用，也进一步提升了用户利用平台资源学习、分享知识结构的效率。附图说明在结合以下附图阅读本公开的实施例的详细描述之后，能够更好地理解本专利技术的上述特征和优点。在附图中，各组件不一定是按比例绘制，并且具有类似的相关特性或特征的组件可能具有相同或相近的附图标记。图1示出了本专利技术的智能学习系统的一实施例的原理图。图2示出了本专利技术的智能学习方法的一实施例的流程图。具体实施方式以下结合附图和具体实施例对本专利技术作详细描述。注意，以下结合附图和具体实施例描述的诸方面仅是示例性的，而不应被理解为对本专利技术的保护范围进行任何限制。智能学习系统的实施例图1示出了本专利技术的智能学习系统的一实施例的原理。请参见图1，本实施例的系统包括存储模块、匹配模块和推送模块。存储模块存储了各种模范知识结构。这些模范知识结构至少包括：专家自己创建的原始的知识结构、教科书之类的知识结构、以及将原始知识结构进行相似度合并后的知识结构(即，利用语义识别将相似度高于预设值的原始的知识结构进行结构合并而成)。匹配模块将用户新建的知识结构和存储模块中的模范知识结构进行相似度匹配，将匹配度高于阈值的模范知识结构作为待推送知识结构。匹配模块中涉及知识结构的相似度匹配，主要是基于知识结构和文本格式的相互转化以及文本格式基础上的余弦相似度这一参数对多个知识结构进行匹配度的计算。推送模块将待推送知识结构向用户进行推送。推送模块向用户推送知识结构的方式有多种，至少包括：1、按照待推送结构与用户新建的知识结构之间的差异内容进行推送：比如用户创建的知识结构与模范知识结构进行匹配获得专家知识结构作为待推送知识结构，于是系统将待推送知识结构与用户新建知识结构之间的差异内容逐步推送给用户，以使得用户能快速接近专家知识结构。2、按照教学大纲规定的学习顺序进行推送：比如用户创建的知识结构与模范知识结构进行匹配获得教科书知识结构作为待推送知识结构。这一待推送知识结构中的各种内容(知识点名称、标签、内容、逻辑结构等)按照教学大纲规定的学习顺序进行推送。3、按照专家设定的学习顺序进行推送：比如用户创建知识结构与模范知识结构中的专家知识结构(原始的或者经合并的)匹配度最高，则将专家知识结构作为待推送知识结构。这一待推送知识结构中的各种内容按照专家设定的学习顺序进行推送。4、按照用户自定义的学习顺序进行推送：用户可以自定义学习顺序，待推送知识结构按照用户自定义的学习顺序进行推送。5、基于用户主动需要进行推送：用户可以在待推送知识结构中自行获取自己需要的内容。6、围绕用户兴趣点逐步推送，其中每次推送的信息量按照用户阅读速度自适应调整：比如用户自己已经创建了一个有关NBA的知识结构，而存储模块中的模范知识本文档来自技高网...

【技术保护点】
1.一种智能学习系统，其特征在于，包括：存储模块，存储各模范知识结构；匹配模块，将用户新建的知识结构和存储模块中的模范知识结构进行相似度匹配，将匹配度高于阈值的模范知识结构作为待推送知识结构；推送模块，将待推送知识结构向用户进行推送。

【技术特征摘要】
1.一种智能学习系统，其特征在于，包括：存储模块，存储各模范知识结构；匹配模块，将用户新建的知识结构和存储模块中的模范知识结构进行相似度匹配，将匹配度高于阈值的模范知识结构作为待推送知识结构；推送模块，将待推送知识结构向用户进行推送。2.根据权利要求1所述的智能学习系统，其特征在于，基于知识结构和文本格式的相互转化以及文本格式基础上的余弦相似度参数对多个知识结构进行匹配度的计算。3.根据权利要求1所述的智能学习系统，其特征在于，存储模块存储的模范知识结构包括但不限于：专家原始构建的知识结构、将原始知识结构进行相似合并后的知识结构、教科书知识结构。4.根据权利要求3所述的智能学习系统，其特征在于，推送模块向用户推送知识结构的方式包括但不限于：按照待推送结构与用户新建的知识结构之间的差异内容进行推送；按照教学大纲规定的学习顺序进行推送；按照专家设定的学习顺序进行推送；按照用户自定义的学习顺序进行推送；基于用户主动需要进行推送；围绕用户兴趣点逐步推送，其中每次推送的信息量按照用户阅读速度自适应调整。5.根据权利要求4所述的智能学习系统，其特征在于，推送模块的推送时间点包括定时推送和不定时推送，其中定时推送的时间点包括周期性时间点和用户自定义时间点，不定时推送包括当用户构建词条时、当热点事件发生时、当有新知识点...

【专利技术属性】
技术研发人员：马正方，
申请(专利权)人：上海颐为网络科技有限公司，
类型：发明
国别省市：上海,31