基于深度学习的资源学习路径规划方法及装置制造方法及图纸

本发明专利技术公开了基于深度学习的资源学习路径规划方法、装置、计算机设备及存储介质，涉及人工智能技术，包括先实时采集虚拟对象的学习数据点击记录，并存储至虚拟对象数据库；之后在虚拟对象数据库中根据筛选条件获取目标数据组成样本集，以进行模型训练得到预测模型；最后若接收到当前课程子轨迹信息初始输入特征，将其输入至预测模型进行运算得到输出结果。实现了基于因学习课程而使得虚拟对象级别上升的学习课程轨迹得到样本数据对预测模型进行训练，得到的预测模型能够根据输入的课程轨迹输出推荐学习课程轨迹，因利用深度学习模型能提高预测精准度，而且能学习到更多的特征输入，模型更加的灵活。

【技术实现步骤摘要】
基于深度学习的资源学习路径规划方法及装置
本专利技术涉及人工智能的智能决策
，尤其涉及一种基于深度学习的资源学习路径规划方法、装置、计算机设备及存储介质。
技术介绍
教育培训的重要目标之一是针对用户个性化需求实现差异化的培训课程推荐，只有满足不同个体的培训需求，才能在有限培训资源的情况下实现培训效果最大化。目前，常见的教育培训方式是在线教育，在线教育实现课程推荐一方面要因人而异匹配内容，另外需要根据每个对象的实习情况推荐最优的学习路径。个性化学习路径是指根据学习者的个人能力和现状提供个性化的资源学习序列，从而提升学习者的学习效率和学习效果。而个性化学习路径的生成过程是指根据学习者的特点及内外部因素来决定学习对象的学习顺序的过程。已有的学习路径规划方法如遗传算法、粒子群优化等是一类启发式方法，存在随机性强、评价函数较难设定，以及训练时间长、易陷入局部最优解等问题。
技术实现思路
本专利技术实施例提供了一种基于深度学习的资源学习路径规划方法、装置、计算机设备及存储介质，旨在解决现有技术中在线教育平台的学习路本文档来自技高网...

【技术保护点】
1.一种基于深度学习的资源学习路径规划方法，其特征在于，包括：/n若检测到任意用户端上传的学习数据，获取所述学习数据对应的数据标签，将学习数据根据所述数据标签保存至对应的存储区域；/n实时采集虚拟对象的学习数据点击记录，并存储至虚拟对象数据库；其中，所述虚拟对象数据库中存储有若干条学习数据点击记录，每一条学习数据点击记录对应一条知识学习记录数据；/n在虚拟对象数据库中根据预设的筛选条件获取目标数据组成样本集，根据所述样本集中各目标虚拟对象对应的学习记录轨迹进行模型训练，得到预测模型；以及/n若接收到当前课程子轨迹信息初始输入特征，获取与所述当前课程子轨迹信息初始输入特征对应的当前课程子轨迹信息...

【技术特征摘要】
1.一种基于深度学习的资源学习路径规划方法，其特征在于，包括：
若检测到任意用户端上传的学习数据，获取所述学习数据对应的数据标签，将学习数据根据所述数据标签保存至对应的存储区域；
实时采集虚拟对象的学习数据点击记录，并存储至虚拟对象数据库；其中，所述虚拟对象数据库中存储有若干条学习数据点击记录，每一条学习数据点击记录对应一条知识学习记录数据；
在虚拟对象数据库中根据预设的筛选条件获取目标数据组成样本集，根据所述样本集中各目标虚拟对象对应的学习记录轨迹进行模型训练，得到预测模型；以及
若接收到当前课程子轨迹信息初始输入特征，获取与所述当前课程子轨迹信息初始输入特征对应的当前课程子轨迹信息调整输入特征，将所述当前课程子轨迹信息调整输入特征输入至预测模型进行运算，得到输出结果。


2.根据权利要求1所述的基于深度学习的资源学习路径规划方法，其特征在于，所述在虚拟对象数据库中根据预设的筛选条件获取目标数据组成样本集，根据所述样本集中各目标虚拟对象对应的学习记录轨迹进行模型训练，得到预测模型，包括：
在本地的虚拟对象数据库中根据预设的筛选条件获取目标数据，组成样本集；其中，所述样本集中包括若干个虚拟对象数据集，每一虚拟对象数据集对应一个虚拟对象，每一虚拟对象数据集均包括若干条知识学习记录数据；
获取所述样本集中各虚拟对象数据集对应的知识学习记录数据，组成各虚拟对象数据集分别对应的学习课程名称轨迹信息；
将各学习课程名称轨迹信息按照预设的移动步长和第一划分窗口长度划分为多个课程子轨迹信息；
将各课程子轨迹信息按照预设的第二划分窗口长度划分为课程子轨迹信息初始输入特征，以及课程子轨迹信息初始输出特征；
获取各课程子轨迹信息初始输入特征中每一课程编号对应的课程特征，组成与各课程子轨迹信息初始输入特征分别对应的课程子轨迹信息调整输入特征；
将各课程子轨迹信息调整输入特征作为待训练预测模型的输入，并将各课程子轨迹信息调整输入特征对应的课程子轨迹信息初始输出特征作为待训练预测模型的输出，对所述待训练预测模型进行训练，得到预测模型。


3.根据权利要求2所述的基于深度学习的资源学习路径规划方法，其特征在于，所述在本地的虚拟对象数据库中根据预设的筛选条件获取目标数据，组成样本集，包括：
获取所述筛选条件对应的限定时间区间和虚拟对象当前级别上升限定条件；
根据所述限定时间区间在本地的虚拟对象数据库中筛选获取初始筛选数据，组成初始筛选数据集；
将所述初始筛选数据集中的初始筛选数据根据虚拟对象唯一识别码进行分组，得到与各虚拟对象唯一识别码分别对应的虚拟对象数据集；其中，每一虚拟对象数据集中所包括知识学习记录数据按时间升序排序；
根据所述虚拟对象当前级别上升限定条件在与各虚拟对象唯一识别码分别对应的虚拟对象数据集中筛选出满足条件的虚拟对象数据集，组成样本集。


4.根据权利要求3所述的基于深度学习的资源学习路径规划方法，其特征在于，所述根据所述虚拟对象当前级别上升限定条件在与各虚拟对象唯一识别码分别对应的虚拟对象数据集中筛选出满足条件的虚拟对象数据集，组成样本集，包括：
获取各虚拟...

【专利技术属性】
技术研发人员：杨德杰，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44