基于AI辅助的题库知识点挖掘方法及授课服务系统技术方案

本申请提供一种基于AI辅助的题库知识点挖掘方法及授课服务系统，通过竞争训练生成的第一临时薄弱知识点估计网络对加载的题目作答数据编码的题目作答向量包括不同训练知识样本对应的共享向量，然后在依据第一临时薄弱知识点估计网络通过自适应网络训练生成第二临时薄弱知识点估计网络，依据第二临时薄弱知识点估计网络得到目标薄弱知识点估计网络，从而使得目标薄弱知识点估计网络也能对加载的题目作答数据提取不同训练知识样本对应的共享向量，可以提高针对不同领域的薄弱知识点估计的精准度。计的精准度。计的精准度。

【技术实现步骤摘要】
基于AI辅助的题库知识点挖掘方法及授课服务系统


[0001]本申请实施例涉及人工智能
，具体而言，涉及一种基于AI辅助的题库知识点挖掘方法及授课服务系统。

技术介绍

[0002]在人工智能技术不断成熟的条件下，个性化自适应学习平台不仅可以根据学生个性成长需求，提供个性化的资源，并记录、挖掘、分析学生过程性数据（如题目作答行为数据等），从而为发掘出学生可能存在的薄弱知识点提供数据支持，方便教师、学校进行个性化指导，以便提高学习质量，达到减负增效的目的。例如，在基于人工智能技术挖掘学生做题数据中存在的薄弱知识点的过程中，需要预先结合训练样本进行网络知识学习训练，然后在训练样本的知识学习节点，可能会存在部分领域的有监督信息较为全面，而部分领域的有监督信息较为稀少的情况，在此情况下，如何提高针对不同领域的薄弱知识点估计的精准度，以便于后续授课资源数据精准推送，是当前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AI辅助的题库知识点挖掘方法及授课服务系统。
...

【技术保护点】

【技术特征摘要】
1.一种基于AI辅助的题库知识点挖掘方法，其特征在于，所述方法包括：获取已知训练知识样本，所述已知训练知识样本包括标的领域题目作答数据，所述标的领域题目作答数据的各个题目作答行为携带关联的先验薄弱知识点；获取未知训练知识样本，所述未知训练知识样本包括自适应领域题目作答数据，所述自适应领域题目作答数据的局部题目作答行为携带关联的先验薄弱知识点；依据所述已知训练知识样本和所述未知训练知识样本对基础薄弱知识点估计网络进行竞争训练，以使得训练生成的第一临时薄弱知识点估计网络对加载的题目作答数据编码的题目作答向量包括不同训练知识样本对应的共享向量；依据所述第一临时薄弱知识点估计网络对所述自适应领域题目作答数据进行估计，生成所述自适应领域题目作答数据中各个题目作答行为对应的估计数据，将所述各个题目作答行为对应的估计数据作为所述自适应领域题目作答数据中各个题目作答行为对应的训练薄弱知识点；依据所述自适应领域题目作答数据、所述局部题目作答行为对应的先验薄弱知识点和所述训练薄弱知识点对所述第一临时薄弱知识点估计网络进行竞争训练，生成第二临时薄弱知识点估计网络； 将所述第二临时薄弱知识点估计网络作为基础薄弱知识点估计网络，并返回所述依据所述已知训练知识样本和所述未知训练知识样本对基础薄弱知识点估计网络进行竞争训练操作继续执行，在达到网络收敛条件时，依据处于收敛状态的第二临时薄弱知识点估计网络得到目标薄弱知识点估计网络，所述目标薄弱知识点估计网络用于对各种领域题目作答数据中的题目作答行为进行薄弱知识点估计，以使得基于薄弱知识点估计结果进行授课资源数据推送。2.根据权利要求1所述的基于AI辅助的题库知识点挖掘方法，其特征在于，所述依据所述已知训练知识样本和所述未知训练知识样本对基础薄弱知识点估计网络进行竞争训练，以使得训练生成的第一临时薄弱知识点估计网络对加载的题目作答数据编码的题目作答向量包括不同训练知识样本对应的共享向量，包括：将所述标的领域题目作答数据和所述自适应领域题目作答数据加载到基础薄弱知识点估计网络中，所述基础薄弱知识点估计网络利用所述标的领域题目作答数据和所述自适应领域题目作答数据分别提取题目作答向量，依据所述题目作答向量进行领域观测和薄弱知识点估计，生成领域观测数据和薄弱知识点估计数据；依据所述领域观测数据、薄弱知识点估计数据、所述标的领域题目作答数据的各个题目作答行为对应的先验薄弱知识点和所述自适应领域题目作答数据的局部题目作答行为对应的先验薄弱知识点对所述基础薄弱知识点估计网络进行知识学习，生成知识学习后的基础薄弱知识点估计网络，依据知识学习后的基础薄弱知识点估计网络得到第一临时薄弱知识点估计网络。3.根据权利要求2所述的基于AI辅助的题库知识点挖掘方法，其特征在于，所述基础薄弱知识点估计网络包括基础编码器、第一基础观测单元和基础全连接单元，所述基础全连接单元包括基础定位子单元和基础输出子单元；所述将所述标的领域题目作答数据和所述自适应领域题目作答数据加载到基础薄弱知识点估计网络中，所述基础薄弱知识点估计网络利用所述标的领域题目作答数据和所述自适应领域题目作答数据分别提取题目作答向量，依据所述题目作答向量进行领域观测和薄弱知识点估计，生成领域观测数据和薄弱知识点估计数据，包括：
将所述标的领域题目作答数据和所述自适应领域题目作答数据加载到所述基础编码器中进行编码，生成基础标的领域题目作答向量和基础自适应领域题目作答向量；将所述基础标的领域题目作答向量和所述基础自适应领域题目作答向量加载到所述第一基础观测单元中进行领域观测，生成基础第一目标领域观测数据和基础第二目标领域观测数据；将所述基础标的领域题目作答向量分别加载到所述基础定位子单元和所述基础输出子单元中，生成基础第一薄弱环节定位数据和基础标的领域薄弱估计数据；将所述基础自适应领域题目作答向量分别加载到所述基础定位子单元和所述基础输出子单元中，生成基础第二薄弱环节定位数据和基础自适应领域薄弱估计数据。4.根据权利要求3所述的基于AI辅助的题库知识点挖掘方法，其特征在于，所述依据所述领域观测数据、薄弱知识点估计数据、所述标的领域题目作答数据的各个题目作答行为对应的先验薄弱知识点和所述自适应领域题目作答数据的局部题目作答行为对应的先验薄弱知识点对所述基础薄弱知识点估计网络进行知识学习，生成知识学习后的基础薄弱知识点估计网络，依据知识学习后的基础薄弱知识点估计网络得到第一临时薄弱知识点估计网络，包括：依据所述基础第一薄弱环节定位数据和所述标的领域题目作答数据各个题目作答行为的先验薄弱环节数据计算基础第一薄弱环节定位Loss值，并依据所述基础标的领域薄弱估计数据和所述标的领域题目作答数据各个题目作答行为的先验薄弱知识点计算基础标的领域薄弱估计Loss值，依据所述基础第一薄弱环节定位Loss值和所述基础标的领域薄弱估计Loss值得到基础标的领域训练Loss信息；依据所述基础第二薄弱环节定位数据和所述自适应领域题目作答数据局部题目作答行为的先验薄弱环节数据计算基础第二薄弱环节定位Loss值，并依据所述基础自适应领域薄弱估计数据和所述自适应领域题目作答数据局部题目作答行为的先验薄弱知识点计算基础自适应领域薄弱估计Loss值，依据所述基础第二薄弱环节定位Loss值和所述基础自适应领域薄弱估计Loss值得到所述基础自适应领域训练Loss信息；依据所述基础标的领域训练Loss信息和所述基础自适应领域训练Loss信息进行回溯传播以优化所述基础编码器和所述基础全连接单元；依据所述基础第一目标领域观测数据和所述已知训练知识样本对应的已知领域计算标的领域观测Loss信息，并依据所述基础第二目标领域观测数据和所述未知训练知识样本对应的自适应学习领域计算自适应领域观测Loss信息；利用所述标的领域观测Loss信息和所述自适应领域观测Loss信息优化所述基础编码器和所述第一基础观测单元，生成知识学习后的基础薄弱知识点估计网络，依据知识学习后的基础薄弱知识点估计网络得到第一临时薄弱知识点估计网络，所述知识学习后的基础薄弱知识点估计网络中知识学习后的基础编码器对加载的题目作答数据编码的...

【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：