基于大数据的智慧学习知识点挖掘方法及系统技术方案

本申请提供一种基于大数据的智慧学习知识点挖掘方法及系统，可以先获取智慧学习做题系统中与当前做题用户对应的目标做题活动大数据中的试卷作答行为数据，进而可以对试卷作答行为数据进行图结构嵌入，从而得到该试卷作答行为数据对应的图结构嵌入矢量，并可以依据图结构嵌入矢量确定该试卷作答行为数据的知识点掌握数据，在此基础上，依据知识点掌握数据以及用户学习薄弱画像生成目标学习诊断画像，可以通过对试卷作答行为数据的深度特征表达以及对当前做题用户的学习诊断画像构建来决策试卷作答行为数据的目标知识点，从而提高相关用户的学习知识点挖掘的准确性，进而提高试题序列推荐的准确性。试题序列推荐的准确性。试题序列推荐的准确性。

【技术实现步骤摘要】
基于大数据的智慧学习知识点挖掘方法及系统


[0001]本申请实施例涉及大数据
，具体而言，涉及一种基于大数据的智慧学习知识点挖掘方法及系统。

技术介绍

[0002]随着信息技术和网络技术的飞速发展，学习平台的应用也变得越来越广泛。学习平台是指利用人工智能技术将传统的教育过程进行数字化处理，达到以学生为中心的教育目的。学习平台的优势是便捷、高效，可以将学习空间进行拓展，对于时间和空间受限的学生来说，具有很大的帮助。同时，学习平台的内容也更为丰富，可以将多种学科知识进行集成，提供个性化、差异化的学习路径，帮助学生快速掌握知识点，并随时随地进行试卷推送和做题数据分析，以便于通过数字化的手段对做题数据进行挖掘分析。然而，现有的试题推送方案通常是基于各个知识点的大范围的错题数量排序来进行一些粗略的薄弱知识点的挖掘，难以针对单个学生在学习过程中可能存在的薄弱知识点环节进行更加针对性的试题推送，因此，如何提高相关用户的学习知识点挖掘的准确性，进而后续提高试题序列智能推荐的准确性，是所属
亟待解决的技术问题。

技术实现思路

[0003]为了至少克服现有技术中的上述不足，本申请实施例的目的在于提供一种基于大数据的智慧学习知识点挖掘方法及系统。
[0004]依据本申请实施例的一个方面，提供了一种基于大数据的智慧学习知识点挖掘方法，包括：获取智慧学习做题系统中与当前做题用户对应的目标做题活动大数据中的试卷作答行为数据，对所述试卷作答行为数据进行图结构嵌入，生成所述试卷作答行为数据对应的图结构嵌入矢量，依据所述图结构嵌入矢量确定所述试卷作答行为数据的知识点掌握数据，所述知识点掌握数据用于表示所述当前做题用户针对各个知识点的掌握程度值；获取所述当前做题用户的过往用户做题日志，从所述过往用户做题日志中获取与所述当前做题用户对应的过往试卷作答行为数据以及过往薄弱知识点分布，依据所述过往试卷作答行为数据以及所述过往薄弱知识点分布所对应的过往学习诊断画像，确定所述当前做题用户的用户学习薄弱画像；所述过往试卷作答行为数据是依据所述当前做题用户作答过的过往做题活动大数据获得的，所述过往薄弱知识点分布是依据所述当前做题用户针对所述过往做题活动大数据所产生的过往薄弱知识点获得的；依据所述知识点掌握数据以及所述用户学习薄弱画像，生成目标学习诊断画像，从目标试卷知识图谱中获取与所述目标学习诊断画像匹配的目标知识点，将所述目标知识点在所述目标试卷知识图谱中对应的试题序列作为所述试卷作答行为数据的第一加强学习知识点对应的试题序列下发至所述当前做题用户。
[0005]在第一方面的一种可能的实施方式中，所述获取智慧学习做题系统中与当前做题
用户对应的目标做题活动大数据中的试卷作答行为数据，对所述试卷作答行为数据进行图结构嵌入，生成所述试卷作答行为数据对应的图结构嵌入矢量，包括：获取与当前做题用户对应的目标做题活动大数据，从所述目标做题活动大数据中获取由所述当前做题用户作答的试卷作答行为数据，调度与所述试卷作答行为数据对应的图神经网络；所述图神经网络包括用于进行作答关系向量嵌入的第一嵌入单元、用于进行试题关联向量嵌入的第二嵌入单元以及用于进行知识点向量嵌入的第三嵌入单元；对所述试卷作答行为数据进行试题拆分，生成单试题作答结果集合，将所述单试题作答结果集合加载至第一嵌入单元，依据所述第一嵌入单元对所述单试题作答结果集合进行作答关系向量嵌入，生成所述单试题作答结果集合对应的作答关系向量，所述作答关系向量用于表示所述当前做题用户与对应的单试题之间的作答关系；获取所述试卷作答行为数据的目标试题内容数据，将所述目标试题内容数据加载至第二嵌入单元，依据所述第二嵌入单元对所述目标试题内容数据进行试题关联向量嵌入，生成所述目标试题内容数据对应的试题关联向量，所述试题关联向量用于表示所述目标试题内容数据中不同试题内容之间的关联关系；获取所述试卷作答行为数据的试题考察知识点数据，将所述试题考察知识点数据加载至第三嵌入单元，依据所述第三嵌入单元对所述试题考察知识点数据进行知识点向量嵌入，生成所述试题考察知识点数据对应的知识点向量，所述知识点向量用于表示所述试题考察知识点数据对应的描述向量；依据所述作答关系向量、所述试题关联向量以及所述知识点向量确定所述试卷作答行为数据对应的图结构嵌入矢量。
[0006]在第一方面的一种可能的实施方式中，所述作答关系向量中包含反映所述试卷作答行为数据的作答风格的第一属性向量；所述知识点向量中包含反映所述试题考察知识点数据的易错节点的第二属性向量；所述依据所述作答关系向量、所述试题关联向量以及所述知识点向量确定所述试卷作答行为数据对应的图结构嵌入矢量，包括：对所述作答关系向量中的所述第一属性向量和所述知识点向量中的第二属性向量进行特征交互，生成所述试卷作答行为数据对应的交融属性向量；将所述作答关系向量、所述试题关联向量以及所述交融属性向量作为所述试卷作答行为数据对应的图结构嵌入矢量。
[0007]在第一方面的一种可能的实施方式中，所述第一嵌入单元包括作答步骤向量提取层、作答类别向量提取层、作答时间规律向量提取层、答案命中向量提取层；所述将所述单试题作答结果集合加载至第一嵌入单元，依据所述第一嵌入单元对所述单试题作答结果集合进行作答关系向量嵌入，生成所述单试题作答结果集合对应的作答关系向量，包括：依据所述作答步骤向量提取层对所述单试题作答结果集合进行作答步骤向量，生成所述单试题作答结果集合对应的作答步骤向量；依据所述作答类别向量提取层对所述单试题作答结果集合进行作答类别向量提取，生成所述单试题作答结果集合对应的作答类别向量；依据所述作答时间规律向量提取层对所述单试题作答结果集合进行作答时间规
律向量提取，生成所述单试题作答结果集合对应的作答时间规律向量；据所述答案命中向量提取层对所述单试题作答结果集合进行答案命中向量提取，生成所述单试题作答结果集合对应的答案命中向量；将所述作答步骤向量、所述作答类别向量、所述作答时间规律向量以及所述答案命中向量作为所述单试题作答结果集合对应的作答关系向量。
[0008]在第一方面的一种可能的实施方式中，所述依据所述作答步骤向量提取层对所述单试题作答结果集合进行作答步骤向量，生成所述单试题作答结果集合对应的作答步骤向量，包括：将所述单试题作答结果集合加载至作答步骤向量提取层，在所述作答步骤向量提取层中，对所述单试题作答结果集合进行作答路径跟踪，获取所述单试题作答结果集合中的所述当前做题用户的初始作答路径数据；对所述初始作答路径数据进行预处理，生成目标作答路径数据；对所述目标作答路径数据进行作答步骤向量提取，生成所述单试题作答结果集合对应的作答步骤向量。
[0009]在第一方面的一种可能的实施方式中，所述知识点掌握数据包括X个第一学习薄弱知识点，所述用户学习薄弱画像包括Y个第二学习薄弱知识点，X、Y为正整数；所述依据所述知识点掌握数据以及所述用户学习薄弱画像，生成目标学习诊断画像，从目标试卷知识图谱中获取与所述目标学习诊断画像匹配的目标知识点，将所述目标知识点在所述目标试卷知识本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的智慧学习知识点挖掘方法，其特征在于，通过基于大数据的智慧学习知识点挖掘系统实现，所述方法包括：获取智慧学习做题系统中与当前做题用户对应的目标做题活动大数据中的试卷作答行为数据，对所述试卷作答行为数据进行图结构嵌入，生成所述试卷作答行为数据对应的图结构嵌入矢量，依据所述图结构嵌入矢量确定所述试卷作答行为数据的知识点掌握数据，所述知识点掌握数据用于表示所述当前做题用户针对各个知识点的掌握程度值；获取所述当前做题用户的过往用户做题日志，从所述过往用户做题日志中获取与所述当前做题用户对应的过往试卷作答行为数据以及过往薄弱知识点分布，依据所述过往试卷作答行为数据以及所述过往薄弱知识点分布所对应的过往学习诊断画像，确定所述当前做题用户的用户学习薄弱画像；所述过往试卷作答行为数据是依据所述当前做题用户作答过的过往做题活动大数据获得的，所述过往薄弱知识点分布是依据所述当前做题用户针对所述过往做题活动大数据所产生的过往薄弱知识点获得的；依据所述知识点掌握数据以及所述用户学习薄弱画像，生成目标学习诊断画像，从目标试卷知识图谱中获取与所述目标学习诊断画像匹配的目标知识点，将所述目标知识点在所述目标试卷知识图谱中对应的试题序列作为所述试卷作答行为数据的第一加强学习知识点对应的试题序列下发至所述当前做题用户。2.根据权利要求1所述的基于大数据的智慧学习知识点挖掘方法，其特征在于，所述获取智慧学习做题系统中与当前做题用户对应的目标做题活动大数据中的试卷作答行为数据，对所述试卷作答行为数据进行图结构嵌入，生成所述试卷作答行为数据对应的图结构嵌入矢量，包括：获取与当前做题用户对应的目标做题活动大数据，从所述目标做题活动大数据中获取由所述当前做题用户作答的试卷作答行为数据，调度与所述试卷作答行为数据对应的图神经网络；所述图神经网络包括用于进行作答关系向量嵌入的第一嵌入单元、用于进行试题关联向量嵌入的第二嵌入单元以及用于进行知识点向量嵌入的第三嵌入单元；对所述试卷作答行为数据进行试题拆分，生成单试题作答结果集合，将所述单试题作答结果集合加载至第一嵌入单元，依据所述第一嵌入单元对所述单试题作答结果集合进行作答关系向量嵌入，生成所述单试题作答结果集合对应的作答关系向量，所述作答关系向量用于表示所述当前做题用户与对应的单试题之间的作答关系；获取所述试卷作答行为数据的目标试题内容数据，将所述目标试题内容数据加载至第二嵌入单元，依据所述第二嵌入单元对所述目标试题内容数据进行试题关联向量嵌入，生成所述目标试题内容数据对应的试题关联向量，所述试题关联向量用于表示所述目标试题内容数据中不同试题内容之间的关联关系；获取所述试卷作答行为数据的试题考察知识点数据，将所述试题考察知识点数据加载至第三嵌入单元，依据所述第三嵌入单元对所述试题考察知识点数据进行知识点向量嵌入，生成所述试题考察知识点数据对应的知识点向量，所述知识点向量用于表示所述试题考察知识点数据对应的描述向量；依据所述作答关系向量、所述试题关联向量以及所述知识点向量确定所述试卷作答行为数据对应的图结构嵌入矢量。3.根据权利要求2所述的基于大数据的智慧学习知识点挖掘方法，其特征在于，所述作
答关系向量中包含反映所述试卷作答行为数据的作答风格的第一属性向量；所述知识点向量中包含反映所述试题考察知识点数据的易错节点的第二属性向量；所述依据所述作答关系向量、所述试题关联向量以及所述知识点向量确定所述试卷作答行为数据对应的图结构嵌入矢量，包括：对所述作答关系向量中的所述第一属性向量和所述知识点向量中的第二属性向量进行特征交互，生成所述试卷作答行为数据对应的交融属性向量；将所述作答关系向量、所述试题关联向量以及所述交融属性向量作为所述试卷作答行为数据对应的图结构嵌入矢量。4.根据权利要求2所述的基于大数据的智慧学习知识点挖掘方法，其特征在于，所述第一嵌入单元包括作答步骤向量提取层、作答类别向量提取层、作答时间规律向量提取层、答案命中向量提取层；所述将所述单试题作答结果集合加载至第一嵌入单元，依据所述第一嵌入单元对所述单试题作答结果集合进行作答关系向量嵌入，生成所述单试题作答结果集合对应的作答关系向量，包括：依据所述作答步骤向量提取层对所述单试题作答结果集合进行作答步骤向量，生成所述单试题作答结果集合对应的作答步骤向量；依据所述作答类别向量提取层对所述单试题作答结果集合进行作答类别向量提取，生成所述单试题作答结果集合对应的作答类别向量；依据所述作答时间规律向量提取层对所述单试题作答结果集合进行作答时间规律向量提取，生成所述单试题作答结果集合对应的作答时间规律向量；据所述答案命中向量提取层对所述单试题作答结果集合进行答案命中向量提取，生成所述单试题作答结果集合对应的答案命中向量；将所述作答步骤向量、所述作答类别向量、所述作答时间规律向量以及所述答案命中向量作为所述单试题作答结果集合对应的作答关系向量。5.根据权利要求4所述的基于大数据的智慧学习知识点挖掘方法，其特征在于，所述依据所述作答步骤向量提取层对所述单试题作答结果集合进行作答步骤向量，生成所述单试题作答结果集合对应的作答步骤向量，包括：将所述单试题作答结果集合加载至作答...

【专利技术属性】
技术研发人员：黎国权，朱晖，
申请(专利权)人：广东信聚丰科技股份有限公司，
类型：发明
国别省市：