基于AI辅助的备课资料数据推送方法及系统技术方案

本申请提供一种基于AI辅助的备课资料数据推送方法及系统，通过利用样例学科章节的章节学习行为数据和学科章节嵌入识别规则，可以准确识别出与学科薄弱知识点相关的样例学科章节，并根据这些样例学科章节对学习行为数据进行分簇和参数更新，从而生成针对不同学科薄弱知识点的目标学科薄弱点预测网络。同时，使用加载的任意目标学科章节的学习行为数据，可以确定该章节下各个学科薄弱知识点的置信度，进一步指导备课资料数据的推送。也即，本申请可以快速预测学生在不同学科章节中的薄弱知识点，据此为教师推送相应的备课资料数，教师可以更好地了解学生的学习需求，针对性地提供教学支持和教育资源。教学支持和教育资源。教学支持和教育资源。

【技术实现步骤摘要】
基于AI辅助的备课资料数据推送方法及系统


[0001]本申请涉及人工智能
，具体而言，涉及一种基于AI辅助的备课资料数据推送方法及系统。

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。对于教师教学工作而言，学习平台可以帮助教师更好地分析和了解到学生的章节学习行为，然而在传统方案中，教师通常难以准确地了解学生在不同学科章节中的薄弱知识点，因此备课工作往往缺乏针对性。现有技术的方法主要基于简单的统计模型、规则匹配等技术，通过分析学生的学习行为数据来推断学科薄弱点。然而这些方法的预测结果往往不够准确且缺乏针对性。

技术实现思路

[0003]为了至少克服现有技术中的上述不足，本申请的目的在于提供一种基于AI辅助的备课资料数据推送方法及系统。
[0004]第一方面，本申请提供一种基于AI辅助的备课资料数据推送方法，应用于AI辅助备课服务系统，所述方法包括：获取用于对初始学科薄弱点预测网络进行参数更新的多个样例学科章节的章节学习行为数据，以及X个学科章节嵌入识别规则，一个学科章节嵌入识别规则反映：一种学科薄弱知识点下的学科章节的章节学习行为数据相关联的至少一个薄弱学习特征；基于所述X个学科章节嵌入识别规则反映的各个薄弱学习特征，分别依据各个样例学科章节的章节学习行为数据，对所述X个学科章节嵌入识别规则进行规则匹配识别；从所述多个样例学科章节中，确定匹配至少一个学科章节嵌入识别规则的章节学习行为数据所对应的样例学科章节，输出为所述初始学科薄弱点预测网络的训练学科章节；依据各训练学科章节的章节学习行为数据所匹配的学科章节嵌入识别规则所对应的学科薄弱知识点，对所述各训练学科章节的章节学习行为数据进行基于学科薄弱知识点的分簇，生成多个学习行为数据簇，一个学习行为数据簇对应一个学科薄弱知识点；分别依据每个学习行为数据簇对所述初始学科薄弱点预测网络进行参数更新，生成多个学科薄弱知识点下的目标学科薄弱点预测网络，并基于所述目标学科薄弱点预测网络进行备课资料数据推送；一个目标学科薄弱点预测网络用于基于加载的任意一个目标学科章节的章节学习行为数据，确定所述任意一个目标学科章节下的学科薄弱知识点的置信度。
[0005]在第一方面的一种可能的实施方式中，任意一个个学科章节嵌入识别规则还反
映：相应的各个薄弱学习特征之间的学习路径关系；所述基于所述X个学科章节嵌入识别规则反映的各个薄弱学习特征，分别依据各个样例学科章节的章节学习行为数据，对所述X个学科章节嵌入识别规则进行规则匹配识别，包括：对于任意一个样例学科章节的章节学习行为数据，游走所述X个学科章节嵌入识别规则，确定当前游走的当前学科章节嵌入识别规则；基于所述当前学科章节嵌入识别规则中的各个薄弱学习特征以及学习路径关系，确定所述任意一个样例学科章节的章节学习行为数据需匹配的目标薄弱学习特征，并在所述任意一个样例学科章节的章节学习行为数据中匹配所述目标薄弱学习特征；如果匹配到所述目标薄弱学习特征，则确定所述任意一个样例学科章节的章节学习行为数据匹配所述当前学科章节嵌入识别规则；如果未匹配到所述目标薄弱学习特征，则继续游走所述X个学科章节嵌入识别规则。
[0006]在第一方面的一种可能的实施方式中，所述分别依据每个学习行为数据簇对所述初始学科薄弱点预测网络进行参数更新，生成多个学科薄弱知识点下的目标学科薄弱点预测网络，包括：依据任意一个学习行为数据簇中的章节学习行为数据，构建Y个监督训练样本以及Z个无监督训练样本组合，Y和Z均为正整数；一个监督训练样本包括：一个携带学科薄弱知识点标注数据的第一训练学科章节的章节学习行为数据；一个无监督训练样本组合包括：一个不携带学科薄弱知识点标注数据的第二训练学科章节的章节学习行为数据，以及对章节学习行为数据进行特征扩展生成的扩展学习行为数据；依据所述初始学科薄弱点预测网络基于每个监督训练样本中的章节学习行为数据，对相应的第一训练学科章节进行学科薄弱点预测，生成每个第一训练学科章节的目标学科薄弱点估计数据；调用所述初始学科薄弱点预测网络基于薄弱点匹配性的学习方向，基于每个无监督训练样本组合中的章节学习行为数据和相应的扩展学习行为数据，分别对相应的第二训练学科章节进行学科薄弱点预测，生成每个第二训练学科章节的两个学科薄弱点估计数据；基于所述每个第一训练学科章节的目标学科薄弱点估计数据和相应的学科薄弱知识点标注数据，以及所述每个第二训练学科章节的两个学科薄弱点估计数据之间的误差，更新所述初始学科薄弱点预测网络的参数信息，生成所述任意一个学习行为数据簇所对应的学科薄弱知识点下的目标学科薄弱点预测网络。
[0007]在第一方面的一种可能的实施方式中，所述基于所述每个第一训练学科章节的目标学科薄弱点估计数据和相应的学科薄弱知识点标注数据，以及所述每个第二训练学科章节的两个学科薄弱点估计数据之间的误差，更新所述初始学科薄弱点预测网络的参数信息，包括：基于所述每个第一训练学科章节的目标学科薄弱点估计数据和相应的学科薄弱知识点标注数据，确定所述初始学科薄弱点预测网络的有监督Loss值；基于所述每个第二训练学科章节的两个学科薄弱点估计数据之间的误差，确定所
述初始学科薄弱点预测网络的无监督Loss值；对所述有监督Loss值和所述无监督Loss值进行加权计算，生成所述初始学科薄弱点预测网络的目标训练Loss值，并基于所述目标训练Loss值更新所述初始学科薄弱点预测网络的参数信息。
[0008]在第一方面的一种可能的实施方式中，所述基于所述目标学科薄弱点预测网络进行备课资料数据推送的步骤，包括：获取目标备课用户所授课的目标学科章节下的目标章节学习行为数据以及X个学科章节嵌入识别规则，X为正整数；一个学科章节嵌入识别规则反映：一种学科薄弱知识点下的学科章节的章节学习行为数据相关联的至少一个薄弱学习特征；基于所述X个学科章节嵌入识别规则反映的各个薄弱学习特征，依据所述目标章节学习行为数据对所述X个学科章节嵌入识别规则进行规则匹配识别；如果所述目标章节学习行为数据匹配至少一个学科章节嵌入识别规则，则依据所述目标学科薄弱点预测网络基于所述目标章节学习行为数据，对所述目标学科章节进行学科薄弱点预测，生成所述目标学科章节的学科薄弱点估计数据，并基于所述目标学科章节的学科薄弱点估计数据确定在所述目标学科章节所存在的学科薄弱点序列；基于所述目标学科章节所存在的学科薄弱点序列向所述目标备课用户进行备课资料数据推送。
[0009]譬如，在第一方面的一种可能的实施方式中，所述初始学科薄弱点预测网络包括多个网络训练标签，任意一个第一训练学科章节的目标学科薄弱点估计数据中包括：任意一个第一训练学科章节存在所述初始学科薄弱点预测网络中的各个网络训练标签反映的学科薄弱知识点的分类置信度；所述基于所述每个第一训练学科章节的目标学科薄弱点估计数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于AI辅助的备课资料数据推送方法，其特征在于，应用于AI辅助备课服务系统，所述方法包括：获取用于对初始学科薄弱点预测网络进行参数更新的多个样例学科章节的章节学习行为数据，以及X个学科章节嵌入识别规则，一个学科章节嵌入识别规则反映：一种学科薄弱知识点下的学科章节的章节学习行为数据相关联的至少一个薄弱学习特征；基于所述X个学科章节嵌入识别规则反映的各个薄弱学习特征，分别依据各个样例学科章节的章节学习行为数据，对所述X个学科章节嵌入识别规则进行规则匹配识别；从所述多个样例学科章节中，确定匹配至少一个学科章节嵌入识别规则的章节学习行为数据所对应的样例学科章节，输出为所述初始学科薄弱点预测网络的训练学科章节；依据各训练学科章节的章节学习行为数据所匹配的学科章节嵌入识别规则所对应的学科薄弱知识点，对所述各训练学科章节的章节学习行为数据进行基于学科薄弱知识点的分簇，生成多个学习行为数据簇，一个学习行为数据簇对应一个学科薄弱知识点；分别依据每个学习行为数据簇对所述初始学科薄弱点预测网络进行参数更新，生成多个学科薄弱知识点下的目标学科薄弱点预测网络，并基于所述目标学科薄弱点预测网络进行备课资料数据推送；一个目标学科薄弱点预测网络用于基于加载的任意一个目标学科章节的章节学习行为数据，确定所述任意一个目标学科章节下的学科薄弱知识点的置信度。2.根据权利要求1所述的基于AI辅助的备课资料数据推送方法，其特征在于，任意一个个学科章节嵌入识别规则还反映：相应的各个薄弱学习特征之间的学习路径关系；所述基于所述X个学科章节嵌入识别规则反映的各个薄弱学习特征，分别依据各个样例学科章节的章节学习行为数据，对所述X个学科章节嵌入识别规则进行规则匹配识别，包括：对于任意一个样例学科章节的章节学习行为数据，游走所述X个学科章节嵌入识别规则，确定当前游走的当前学科章节嵌入识别规则；基于所述当前学科章节嵌入识别规则中的各个薄弱学习特征以及学习路径关系，确定所述任意一个样例学科章节的章节学习行为数据需匹配的目标薄弱学习特征，并在所述任意一个样例学科章节的章节学习行为数据中匹配所述目标薄弱学习特征；如果匹配到所述目标薄弱学习特征，则确定所述任意一个样例学科章节的章节学习行为数据匹配所述当前学科章节嵌入识别规则；如果未匹配到所述目标薄弱学习特征，则继续游走所述X个学科章节嵌入识别规则。3.根据权利要求1所述的基于AI辅助的备课资料数据推送方法，其特征在于，所述分别依据每个学习行为数据簇对所述初始学科薄弱点预测网络进行参数更新，生成多个学科薄弱知识点下的目标学科薄弱点预测网络，包括：依据任意一个学习行为数据簇中的章节学习行为数据，构建Y个监督训练样本以及Z个无监督训练样本组合，Y和Z均为正整数；一个监督训练样本包括：一个携带学科薄弱知识点标注数据的第一训练学科章节的章节学习行为数据；一个无监督训练样本组合包括：一个不携带学科薄弱知识点标注数据的第二训练学科章节的章节学习行为数据，以及对章节学习行为数据进行特征扩展生成的扩展学习行为数据；依据所述初始学科薄弱点预测网络基于每个监督训练样本中的章节学习行为数据，对相应的第一训练学科章节进行学科薄弱点预测，生成每个第一训练学科章节的目标学科薄
弱点估计数据；调用所述初始学科薄弱点预测网络基于薄弱点匹配性的学习方向，基于每个无监督训练样本组合中的章节学习行为数据和相应的扩展学习行为数据，分别对相应的第二训练学科章节进行学科薄弱点预测，生成每个第二训练学科章节的两个学科薄弱点估计数据；基于所述每个第一训练学科章节的目标学科薄弱点估计数据和相应的学科薄弱知识点标注数据，以及所述每个第二训练学科章节的两个学科薄弱点估计数据之间的误差，更新所述初始学科薄弱点预测网络的参数信息，生成所述任意一个学习行为数据簇所对应的学科薄弱知识点下的目标学科薄弱点预测网络。4.根据权利要求3所述的基于AI辅助的备课资料数据推送方法，其特征在于，所述依据任意一个学习行为数据簇中的章节学习行为数据，构建Y个监督训练样本以及Z个无监督训练样本组合，包括：从任意一个学习行为数据簇中选取多个训练学科章节的章节学习行为数据构建目标样例学习数据序列，基于所述目标样例学习数据序列中的各训练学科章节的章节学习行为数据，确定所述各训练学科章节的章节学习行为向量序列，所述章节学习行为向量序列包括学习行为发生的时间点向量、学习行为的频率向量、学习行为的持续时长向量、学习进度的完成情况向量、学生与教师或其他学生之间的互动行为向量、学习成绩特征向量、对不同学习资源的利用向量、学生在互动中产生的文本信息向量中的一种或者多种组合；构建最近邻搜索空间，所述最近邻搜索空间中包括至少一个搜索单元；将所述各训练学科章节的章节学习行为向量序列，依次加载到所述最近邻搜索空间中的各搜索单元；确定当前待加载到所述最近邻搜索空间的当前训练学科章节的当前章节学习行为向量序列，并依据近似最近邻映射函数对所述当前章节学习行为向量序列进行近似最近邻映射，基于近似最近邻映射结果为所述当前章节学习行为向量序列在所述最近邻搜索空间中分配目标搜索单元；基于所述当前章节学习行为向量序列和所述目标搜索单元中已存在的各先验章节学习行为向量序列之间的特征距离，从所述各先验章节学习行为向量序列所对应的训练学科章节中确定所述当前训练学科章节的关联训练学科章节；如果解析到所述关联训练学科章节，则将所述当前章节学习行为向量序列加载到所述目标搜索单元；如果未解析到所述关联训练学科章节，则将所述当前章节学习行为向量序列加载到所述目标搜索单元，且将所述当前训练...

【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：