学习策略网络模型的自适应方法及学习策略的生成方法技术

本公开提供了一种学习策略网络模型的自适应方法和装置、一种学习策略的生成方法和装置、以及相应的介质和电子设备。所述学习策略网络模型的自适应方法包括：获取学生在人机交互过程中的每个学习条目的关键信息；对每个学习科目中的所有学习条目的关键信息进行分类汇总，获取对应学习科目的第一全局统计信息；将多个学习科目的第一全局统计信息输入训练后的评估网络模型获取多个学习科目中每个学习科目的评估值；根据多个学习科目中的所有评估值对学习策略网络模型中的模型参数进行调整，获得调整后的学习策略网络模型。使学习策略网络模型实现自适应的目的。同时，针对具体学生的调整，使学习策略网络模型满足了学生个性化的学习需求。性化的学习需求。性化的学习需求。

【技术实现步骤摘要】
学习策略网络模型的自适应方法及学习策略的生成方法


[0001]本公开涉及人工智能领域，具体而言，涉及一种学习策略网络模型的自适应方法和装置、一种学习策略的生成方法和装置、以及相应的介质和电子设备。

技术介绍

[0002]人脑对知识和事物的记忆存在一条记忆曲线，随着时间的推移，对知识和事物的记忆会逐渐衰退。为了加强记忆，需要反复对知识和事物进行重复记忆。
[0003]但是，每个人的记忆曲线是不同的，即使是同一个人，受环境因素的影响或者自身身体状态的影响，记忆曲线也在变化。
[0004]因此，本公开提供了一种学习策略网络模型的自适应方法，进而在学习策略网络模型的基础上提出了一种学习策略的生成方法，以解决上述技术问题之一。

技术实现思路

[0005]本公开的目的在于提供一种学习策略网络模型的自适应方法和装置、一种学习策略的生成方法和装置、以及相应的介质和电子设备，能够解决上述提到的至少一个技术问题。具体方案如下：
[0006]根据本公开的具体实施方式，第一方面，本公开提供一种学习策略网络模型的自适应方法，包括：
[0007]获取学生在人机交互过程中的每个学习条目的关键信息，其中，每个学习条目属于多个学习科目之一；
[0008]对每个学习科目中的所有学习条目的关键信息进行分类汇总，获取对应学习科目的第一全局统计信息；
[0009]将所述多个学习科目的第一全局统计信息输入训练后的评估网络模型获取所述多个学习科目中每个学习科目的评估值；
[0010]根据所述多个学习科目中的所有评估值对学习策略网络模型中的模型参数进行调整，获得调整后的学习策略网络模型。
[0011]根据本公开的具体实施方式，第二方面，本公开提供一种学习策略的生成方法，包括：
[0012]获取学生针对多个学习科目的学习策略请求信息；
[0013]将所述学习策略请求信息输入调整后的学习策略网络模型，获得针对所述多个学习科目的当前学习策略信息。
[0014]根据本公开的具体实施方式，第三方面，本公开提供一种学习策略网络模型的自适应装置，包括：
[0015]第一获取单元，用于获取学生在人机交互过程中的每个学习条目的关键信息，其中，每个学习条目属于多个学习科目之一；
[0016]分类汇总单元，用于对每个学习科目中的所有学习条目的关键信息进行分类汇
总，获取对应学习科目的第一全局统计信息；
[0017]第二获取单元，用于将所述多个学习科目的第一全局统计信息输入训练后的评估网络模型获取所述多个学习科目中每个学习科目的评估值；
[0018]模型调整单元，用于根据所述多个学习科目中的所有评估值对学习策略网络模型中的模型参数进行调整，获得调整后的学习策略网络模型。
[0019]根据本公开的具体实施方式，第四方面，本公开提供一种学习策略的生成装置，包括：
[0020]第三获取单元，用于获取学生针对多个学习科目的学习策略请求信息；
[0021]输出单元，用于将所述学习策略请求信息输入调整后的学习策略网络模型，获得针对所述多个学习科目的当前学习策略信息。
[0022]根据本公开的具体实施方式，第五方面，本公开提供一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如上任一项所述方法。
[0023]根据本公开的具体实施方式，第六方面，本公开提供一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上任一项所述方法。
[0024]本公开实施例的上述方案与现有技术相比，至少具有以下有益效果：
[0025]本公开提供了一种学习策略网络模型的自适应方法和装置、一种学习策略的生成方法和装置、以及相应的介质和电子设备。
[0026]所述学习策略网络模型的自适应方法使学习策略网络模型实现自适应的目的。同时，针对具体学生的调整，使学习策略网络模型满足了学生个性化的学习需求。
[0027]所述学习策略的生成方法使学生能够通过个性化的学习策略网络模型获得当前学习策略信息，满足了学生个性化的学习需求。
附图说明
[0028]图1示出了根据本公开实施例的学习策略网络模型的自适应方法的流程图；
[0029]图2示出了根据本公开实施例的学习策略的生成方法的流程图；
[0030]图3示出了根据本公开实施例的学习策略网络模型的自适应装置的单元框图；
[0031]图4示出了根据本公开实施例的学习策略的生成装置的单元框图；
[0032]图5示出了根据本公开实施例提供的一种电子设备连接结构示意图。
具体实施方式
[0033]为了使本公开的目的、技术方案和优点更加清楚，下面将结合附图对本公开作进一步地详细描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本公开保护的范围。
[0034]在本公开实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本公开。在本公开实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义，“多种”一般包含至少两种。
[0035]应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示
可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
[0036]应当理解，尽管在本公开实施例中可能采用术语第一、第二、第三等来描述，但这些描述不应限于这些术语。这些术语仅用来将描述区分开。例如，在不脱离本公开实施例范围的情况下，第一也可以被称为第二，类似地，第二也可以被称为第一。
[0037]取决于语境，如在此所使用的词语“如果”、“若”可以被解释成为“在
……
时”或“当
……
时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
[0038]还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的商品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种商品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的商品或者装置中还存在另外的相同要素。
[0039]特别需要说明的是，在说明书中存在的符号和/或数字，如果在附图说明中未被标记的，均不是附图标记。...

【技术保护点】

【技术特征摘要】
1.一种学习策略网络模型的自适应方法，其特征在于，包括：获取学生在人机交互过程中的每个学习条目的关键信息，其中，每个学习条目属于多个学习科目之一；对每个学习科目中的所有学习条目的关键信息进行分类汇总，获取对应学习科目的第一全局统计信息；将所述多个学习科目的第一全局统计信息输入训练后的评估网络模型获取所述多个学习科目中每个学习科目的评估值；根据所述多个学习科目中的所有评估值对学习策略网络模型中的模型参数进行调整，获得调整后的学习策略网络模型。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取多个训练样本，其中，每个训练样本包括多个第二全局统计信息，每个第二全局统计信息属于多个学习科目之一；将所述多个训练样本输入待训练的评估网络模型进行训练，直至所述评估网络模型输出的评估值达到预设精度后，获得训练后的评估网络模型。3.根据权利要求1所述的方法，其特征在于，所述对每个学习科目中的所有学习条目的关键信息进行分类汇总，获取对应学习科目的第一全局统计信息，包括：对每个学习条目的关键信息进行异常识别，确定正常的关键信息；对每个学习科目中的所有正常的关键信息进行分类汇总，获取对应学习科目的第一全局统计信息。4.根据权利要求1所述的方法，其特征在于，所述学习策略网络模型中包括损失函数，其中，所述损失函数作为约束条件用于表现所述学习策略网络模型的预测值与所述评估值的差距程度；相应地，所述根据所述多个学习科目中的所有评估值对学习策略网络模型中的模型参数进行调整，获得调整后的学习策略网络模型，包括：根据所述多个学习科目中的所有评估值对所述损失函数的参数进行调整；利用调整后的损失函数对所述学习策略网络模型进行反向传播，调整所述学习策略网络模型的模型参数，获得调整后的学习策略网络模型。5.根据权利要求1所述的方法，其特征在于，所述关键信息中包括：学习条目从属的学习科目、所述学习条目的内容、所述学习条目的难度信息以及与所述学习条目互动的开始时间点和结束时间点；对于任意一个学习科目的第一全局统计信息，包括：对应学习科目下所有学...

【专利技术属性】
技术研发人员：王珂晟，黄劲，黄钢，许巧龄，
申请(专利权)人：OOOK北京教育科技有限责任公司，
类型：发明
国别省市：