一种知识点学习路径推荐方法和装置制造方法及图纸

本发明专利技术公开了一种知识点学习路径推荐方法和装置。该方法通过用户对知识点掌握度测定，结合知识点图谱进行学习成本分析，评估出该用户适配的工作岗位，进而提取出相关的知识点，按照用户学习风格的评估，结合知识点贡献度给出用户的知识点学习推荐路径，从而优化用户学习过程，提高用户学习效率，避免无关知识点的学习，使其学习尽快与工作岗位适配。

A knowledge point learning path recommendation method and device

【技术实现步骤摘要】
一种知识点学习路径推荐方法和装置
本专利技术涉及在线教育领域中用户特征分析，特别涉及用户知识点学习路径推荐。
技术介绍
随着互联网技术日益发展，互联网环境日益完善，互联网凭借其高效的信息整合方式和信息获取途径为人们的生活、工作和学习方式带来了了翻天覆地的变化。在远程教育领域，近年来发展兴起的在线教育学习平台，对普通高等院校的教育模式和学生的学习方式都产生了深远的影响。一方面，在线教育学习平台整合了互联网中大量优质的教育资源如教学视频、课件、习题等，帮助用户完成了学习资源的收集和筛选工作，大大节省了用户学习的时间成本；另一方面，在线学习平台有助于学校和老师及时跟踪和掌握用户的学习情况，分析用户学习过程中遇到的问题，有针对性的调整教学计划。自适应学习系统在传统在线教育学习平台基础上，引入了自适应学习技术——通过构建领域知识模型来为知识点推荐和学习内容呈现提供可靠的依据；采集用户学习过程中的学习行为数据，分析用户的学习偏好、学习风格和认知能力等个性化学习特征，结合用户的知识点掌握情况，描绘用户的用户画像，构建用户模型；最后，结合领域知本文档来自技高网...

【技术保护点】
1.一种知识点学习路径推荐方法，其特征在于，该方法包括如下步骤：/nS11：以人工输入方式构建知识点图谱；所述知识点图谱由节点以及节点之间的关联关系组成；所述节点至少包括如下属性：节点识别码、节点名称、节点类型、子节点表、难度、掌握度阈值；所述子节点表用于表示所述节点之间的关联关系；所述关联关系包括包含关系和依赖关系；所述节点类型分为岗位和知识；岗位和知识的节点类型分别对应岗位节点和知识节点；所述岗位节点无父节点；所述知识节点对应于某个知识点或某项技能；每个知识节点至少为岗位节点的子孙节点；/nS12：根据所述知识点图谱中的节点之间的关联关系，为每个节点计算贡献度；其中，每个岗位节点的贡献度为...

【技术特征摘要】
1.一种知识点学习路径推荐方法，其特征在于，该方法包括如下步骤：
S11：以人工输入方式构建知识点图谱；所述知识点图谱由节点以及节点之间的关联关系组成；所述节点至少包括如下属性：节点识别码、节点名称、节点类型、子节点表、难度、掌握度阈值；所述子节点表用于表示所述节点之间的关联关系；所述关联关系包括包含关系和依赖关系；所述节点类型分为岗位和知识；岗位和知识的节点类型分别对应岗位节点和知识节点；所述岗位节点无父节点；所述知识节点对应于某个知识点或某项技能；每个知识节点至少为岗位节点的子孙节点；
S12：根据所述知识点图谱中的节点之间的关联关系，为每个节点计算贡献度；其中，每个岗位节点的贡献度为1，其他节点的贡献度则根据如下计算公式计算：

其中，是第j个节点分配至第i个节点的贡献度，若第i个节点不是第j个节点的子节点，则否则有其中，VCi和VCj分别是第i个节点和第j个节点的贡献度；Nj,sub是第j个节点的子节点的总数；
S2：通过试题测验方式与被推荐用户进行交互，根据被推荐用户试题测验结果评估该用户对于所测试题对应知识节点的掌握度，再根据所述知识点图谱节点之间的关联关系，评估与该知识节点关联的知识节点的掌握度，从而获得被推荐用户各个知识节点的掌握度；
S3：根据被推荐用户各个知识节点的掌握度和所述知识点图谱中的节点之间的关联关系，计算出该用户对各个岗位节点的学习成本，通过该用户对各个岗位节点学习成本比较，选取出与该用户适配的岗位节点，然后将所述与该用户适配的岗位节点下未掌握的节点组成节点集合；所述未掌握的节点是掌握度小于节点的掌握度阈值的节点；所述岗位节点的学习成本采用如下公式计算：其中，pi为第i个岗位节点,u表示为被推荐用户；为被推荐用户u对第i个岗位节点的学习成本；NN是知识点图谱中节点总数；Ck(u)为被推荐用户u对于第k个节点的独立学习成本；当第k个节点不是pi的子孙节点时，Ck(u)＝0，否则有其中，θk为第k个节点的掌握度阈值；为被推荐用户u对第k个节点的掌握度；τk是第k个节点的难度；
S4：根据被推荐用户各个知识节点的掌握度和所述知识点图谱中的节点之间的关联关系，计算出被推荐未掌握且用户贡献度最大的节点组成节点集合；
S5：将步骤S3和/或步骤S4得到的节点集合根据节点之间的关联关系输出得到被推荐用户的知识点学习推荐路径。


2.如权利要求1所述的知识点学习路径推荐方法，其特征在于，该方法还包括以下步骤：
S13：获取用户学习风格经验数据，并根据用户学习风格经验数据计算用户学习风格关联概率；所述用户学习风格经验数据是用户的学习行为数据集和学习风格对应关系的集合；所述学习行为数据集由若干用以表征用户学习行为的学习行为数据组成；所述学习风格分两种，分别为：综合型和序列型；所述用户学习风格关联概率的计算采用如下计算公式：






其中，
P(Y＝c)是用户的学习风格为c的概率；
P(Xj＝aj,m|Y＝c)是当用户的学习风格为c时，Xj为aj,m的概率；
函数I(yi＝c)表示为用户学习风格经验数据中，第i个用户的学习风格为c时取值为1，否则取值为0；
函数表示为用户学习风格经验数据中，当第i个用户的第j个学习行为数据为aj,m并且该用户的学习风格为c时取值为1，否则取值为0；
Y是用户的学习风格；
Xj是用户的第j个学习行为数据；

是用户学习风格经验数据中，第i个用户的第j个学习行为数据；
aj,m是第j个学习行为数据的第m个可能的取值；
N是用户学习风格经验数据中用户的个数；
c是取值0或1的学习风格，1表示为综合型，0表示为序列型；
S22：通过对被推荐用户的网络在线学习行为分析，提取该用户的学习行为数据集，结合该用户的学习行为数据集和所述用户学习风格关联概率计算出该用户各种学习风格的概率，进而评估出被推荐用户的学习风格；学习风格的概率采用如下计算公式计算：



其中，
P(Y＝c|X＝Xu)是当学习行为数据集为Xu时用户的学习风格为c的概率；
P(X＝Xu|Y＝c)表示为学习风格为c下学习行为数据集为为Xu的概率；
P(Y＝c)是用户的学习风格为c的概率；
c是取值0或1的学习风格，1表示为综合型，0表示为序列型；
Xu是被推荐用户的学习行为数据集；
其中，P(X＝Xu|Y＝c)采用如下计算公式计算：



其中，

是当用户的学习风格为c时，Xj为的概率；
Xj是用户的第j个学习行为数据；

是被推荐用户的第j个学习行为数据；
NS是学习行为数据集中学习行为数据的个数；
所述步骤S5中输出节点集合时，还包括根据被推荐用户的学习风格进行排序输出。


3.如权利要求1所述的知识点学习路径推荐方法，其特征在于，所述步骤S4包括：
S41：选取被推荐用户在所述知识点图谱中所有未掌握的节点组成节点集合SCON0；
S42：从节点集合SCON0中选取贡献度最大的W各节点组成节点集合SCON1；
S43：被推荐用户对于节点集合SCON1中每个节点的未掌握的子孙节点加入SCON1得到被推荐未掌握且用户贡献度最大的节点组成节点集合SCON。


4.如权利要求1所述的知识点学习路径推荐方法，其特征在于，所述步骤S5中还包括将步骤S3和步骤S4得到的节点集合进行合并的步骤。


5.如权利要求2所述的知识点学习路径推荐方法，其特征在于，所述步骤S5中，将步骤S3和步骤S4得到的节点集合进行合并然后根据被推荐用户的学习风格进行排序输出。


6.一种知识点学习路径推荐装置...

【专利技术属性】
技术研发人员：陈嵘，韩啸威，俞京华，张宜红，郭超，
申请(专利权)人：江苏金智教育信息股份有限公司，
类型：发明
国别省市：江苏;32