一种基于关联规则和动态路径规划的学习方法及装置制造方法及图纸

本发明专利技术涉及一种基于关联规则和动态路径规划的学习方法及装置，其中一种基于关联规则和动态路径规划的学习方法通过LSTM与门机制改进了现有的神经网络模型，通过控制记忆与遗忘来防止梯度爆炸和梯度消失问题。先计算当前学习者与对应用户群体之间的相似度和关联度关系，再将此相似和关联度关系作为LSTM的先验数据对学习者的学习路径进行最优规划，并结合知识图谱生成当前学习者的最优用户学习路径，并由于引入了门机制，可以将当前时刻之前的特征对下一时刻状态的影响予以保留，使得生成用户的下一学习状态更加精准，长时间的路径预测结果更加准确，得到的学习路径更加完善。得到的学习路径更加完善。得到的学习路径更加完善。

【技术实现步骤摘要】
一种基于关联规则和动态路径规划的学习方法及装置


[0001]本专利技术涉及图像检索领域，特别是涉及无监督哈希图像检索模型训练方法及装置。

技术介绍

[0002]在线上教育如火如荼的今天，“互联网+教育”的学习模式确实具有很多传统线下教育不可比拟的优势，例如丰富而广泛的学习资源，不受时空限制的学习方式，个性化的学习方法等。但现有的线上教育，基本是采用了照搬线下教学加上内容稀释的模式，然后将海量的教学资源堆砌在学习者面前。这种方式在实际使用中，往往会使学习者陷入“信息迷航”，面对资源无从下手，个性化学习难以实现。并且在知识结构方面，传统线下教学，知识之间的关联关系是由老师在不动声色的控制着，但是在线上学习中，知识之间缺乏明显的关联性，学习者在学习很难形成系统性的知识结构，极易出现知识漏洞。这些问题都导致了线上学习并不能达到令人满意的效果。
[0003]针对上述线上教育的不足之处，目前较好地解决办法是使用自适应学习系统。自适应学习系统是指通过收集和分析学习者在进行学习活动时与线上系统的交互数据来建立学习者模型，并以此动态地适应学习者的学习需求。它将学习者由客体变成主体，变被动学习为主动学习，实现个性化学习；同时自适应学习系统还能够有效化解线上教育所固有地“总体资源无限”和“个体资源需求有限”之间的矛盾，使线上教育资源的利用最大化。自适应学习系统一般由知识模型、学生模型、结构模型和自适应引擎四部分组成，其中知识模型用于描述知识结构，表达知识概念之间的联系，是自适应学习系统进行学习适配和资源推荐的重要依据。因此，知识模型的质量直接决定了自适应学习系统的有效性。但传统教学中的知识往往会忽视了单次学习完成之后对下一步学习状态的影响，或者仅仅考虑到用户知识掌握程度与上一步计算中，当前学习者所属的用户群体之间学习路径的差别，现有的系统只能用来做短时间序列的预测，当需要实现长序列任务时前序列的特征会被后序列覆盖，导致学习路径规划不准确。

技术实现思路

[0004]因此，本专利技术提出一种基于关联规则挖掘和动态路径规划的自适应学习系统，依托于知识图谱技术构建学习内容，并根据基于关联规则挖掘的学习内容推荐算法和基于LSTM的学习路径动态规划算法来完成学习路径推荐，通过对LSTM引入记忆门与遗忘门，来控制当前时刻之前特征的流通与损失，从而给每一个用户提供一个最优的学习路径推荐。
[0005]本申请是通过如下技术方案实现的：
[0006]一方面，本申请提供一种基于关联规则和动态路径规划的学习方法，其包括：
[0007]获取当前学习者数据，根据当前学习者数据构建学习者矩阵；
[0008]将学习者矩阵做为数据基础，通过聚类算法划分相似用户群体，确定当前学习者所属的用户群体；
[0009]获取学习者所属的用户群体的历史用户数据，计算对于该用户群体，知识点与知识点之间的相似度、支持度和置信度；
[0010]根据知识点之间的相似度和关联规则挖掘获得的支持度与置信度数据，计算用户的在一知识图谱上的当前知识起点，并计算用户选择学习一知识图谱上的某一知识点的学习倾向，结合LSTM和门机制进行长时间序列预测，实时生成用户学习路径。
[0011]进一步地，根据知识点之间的相似度和关联规则挖掘获得的支持度与置信度数据，计算用户的在一知识图谱上的当前知识起点，并计算用户选择学习一知识图谱上的某一知识点的学习倾向，结合LSTM和门机制进行长时间序列预测，实时生成用户学习路径具体包括：
[0012]根据知识图谱中的知识节点并通过深度优先搜索算法找出当前学习者的当前知识起点到知识目标的所有路径；
[0013]根据学习者数据、学习者所属的用户群体的历史用户数据、以及知识点与知识点之间的相似度，支持度与置信度数据，LSTM结合门机制预测路径上知识点可能产生的学习情况，生成用户学习路径；
[0014]获取当前学习者完成每个知识点学习完成后的测试数据，根据知识图谱重新确定当前知识起点位置，若位置变动，则重复前两个步骤，若位置不变，则用户学习路径不变。
[0015]进一步地，所述LSTM和门机制结合后的LSTM模型的具体表现公式为：
[0016][0017]其中C
t
表示t时刻的状态，C
t
表示t
‑
1时刻的状态，表示单元状态更新值，f
t
表示遗忘门，用于控制C
t
‑1有哪些状态会被损失，i
t
表示记忆门，用于控制的哪些特征会更新于C
t
。
[0018]进一步地，在所述学习者矩阵的构建过程中，通过Felder
‑
Silvermen模型划分当前学习者的学习风格。
[0019]进一步地，在所述学习者矩阵的构建过程中，通过将当前学习者数据中的学习历史中的时间均值与历史用户中的其他学习者作比较，并引入正态分布函数作为判断标准，其概率密度函数为：
[0020][0021]其中μ是期望值，σ2为方差值。
[0022]进一步地，使用K
‑
mean聚类算法划分相似用户群体。
[0023]另一方面，本申请还提供一种基于关联规则和动态路径规划的学习装置，其包括：
[0024]学习者矩阵构建模块：获取当前学习者数据，根据当前学习者数据构建学习者矩阵；
[0025]用户群体分类模块：将学习者矩阵做为数据基础，通过聚类算法划分相似用户群体，确定当前学习者所属的用户群体；
[0026]关联度计算模块：获取学习者所属的用户群体的历史用户数据，计算对于该用户群体，知识点与知识点之间的相似度、支持度和置信度；
[0027]动态路径规划模块：根据知识点之间的相似度和关联规则挖掘获得的支持度与置信度数据，计算用户的在一知识图谱上的当前知识起点，并计算用户选择学习一知识图谱上的某一知识点的学习倾向，结合LSTM和门机制进行长时间序列预测，实时生成用户学习路径。
[0028]进一步地，所述动态路径规划模块具体包括：
[0029]全路径搜索子模块：根据知识图谱中的知识节点并通过深度优先搜索算法找出当前学习者的当前知识起点到知识目标的所有路径；
[0030]路径生成子模块：根据学习者数据、学习者所属的用户群体的历史用户数据、以及知识点与知识点之间的相似度，支持度与置信度数据，LSTM结合门机制预测路径上知识点可能产生的学习情况，生成用户学习路径；
[0031]实时更新子模块：获取当前学习者完成每个知识点学习完成后的测试数据，根据知识图谱重新确定当前知识起点位置，若位置变动，则重复前两个步骤，若位置不变，则用户学习路径不变。
[0032]另一方面，本申请还提供一种计算机设备包括：
[0033]至少一个存储器以及至少一个处理器；
[0034]所述存储器，用于存储一个或多个程序；
[0035]当所述一个或多个程序被所述至少一个处理器执行，使得所述至少一个处理器实现本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于关联规则和动态路径规划的学习方法，其特征在于，包括：获取当前学习者数据，根据当前学习者数据构建学习者矩阵；将学习者矩阵做为数据基础，通过聚类算法划分相似用户群体，确定当前学习者所属的用户群体；获取学习者所属的用户群体的历史用户数据，计算对于该用户群体，知识点与知识点之间的相似度、支持度和置信度；根据知识点之间的相似度和关联规则挖掘获得的支持度与置信度数据，计算用户的在一知识图谱上的当前知识起点，并计算用户选择学习一知识图谱上的某一知识点的学习倾向，结合LSTM和门机制进行长时间序列预测，实时生成用户学习路径。2.根据权利要求1所述的一种基于关联规则和动态路径规划的自适应学习方法，其特征在于，根据知识点之间的相似度和关联规则挖掘获得的支持度与置信度数据，计算用户的在一知识图谱上的当前知识起点，并计算用户选择学习一知识图谱上的某一知识点的学习倾向，结合LSTM和门机制进行长时间序列预测，实时生成用户学习路径具体包括：根据知识图谱中的知识节点并通过深度优先搜索算法找出当前学习者的当前知识起点到知识目标的所有路径；根据学习者数据、学习者所属的用户群体的历史用户数据、以及知识点与知识点之间的相似度，支持度与置信度数据，LSTM结合门机制预测路径上知识点可能产生的学习情况，生成用户学习路径；获取当前学习者完成每个知识点学习完成后的测试数据，根据知识图谱重新确定当前知识起点位置，若位置变动，则重复前两个步骤，若位置不变，则用户学习路径不变。3.根据权利要求2所述的一种基于关联规则和动态路径规划的自适应学习方法，其特征在于，所述LSTM和门机制结合后的LSTM神经模型的具体表现公式为：其中C
t
表示t时刻的状态，C
t
表示t
‑
1时刻的状态，表示单元状态更新值，f
t
表示遗忘门，用于控制C
t
‑1有哪些状态会被损失，i
t
表示记忆门，用于控制的哪些特征会更新于C
t
。4.根据权利要求3所述的一种基于关联规则和动态路径规划的自适应学习方法，其特征在于：在所述学习者矩阵的构建过程中，通过Felder
‑
Silvermen模型划分当前学习者的学习风格。5.根据权利要求4所述的一种基于关联规则和动态路径规划的...

【专利技术属性】
技术研发人员：张准，王一辰，黄俊鹏，苏俊杰，马琼雄，蔡依炼，
申请(专利权)人：华南师范大学，
类型：发明
国别省市：