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：本文档来自技高网...

【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：