System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种人工智能类课程案例智能推荐方法及系统技术方案_技高网

一种人工智能类课程案例智能推荐方法及系统技术方案

技术编号:40302240 阅读:7 留言:0更新日期:2024-02-07 20:48
本申请提供一种人工智能类课程案例智能推荐方法及系统,方法包括:获取与人工智能类课程相关的M个案例并筛选,得到N个案例;对N个中的S个案例进行知识点的标注;根据结果训练多分类器;采用多分类器对N个案例中的剩余N‑S个案例进行知识点标注;采用开源知识图谱工具对人工智能类课程的知识点构建知识图谱;根据N个案例与知识图谱构建案例模型;训练和测试案例模型;根据目标知识点,推荐与目标知识点对应的案例。该方法可以为教师提供高质量的人工智能课程案例推荐服务,课程融合效果较好,解决了浅融入、难融入的问题,不仅减轻了教师的工作量,还能够丰富教学内容。

【技术实现步骤摘要】

本申请涉及智能教研教学,尤其涉及一种人工智能类课程案例智能推荐方法及系统


技术介绍

1、随着互联网、大数据、云计算和物联网等技术不断发展,人工智能正引领新一轮科技革命和产业革命,深刻改变着人类社会生活。

2、人工智能类课程作为主要的教育课程被广泛推广。随着人工智能被推广,人工智能的多样化逐渐被重视。在教学过程中,人工智能类课程结合案例讲解显得尤为重要。

3、课程案例的探索正受到学术界的高度关注,但对高校人工智能教育而言,人工智能课程教学普遍偏重于人工智能知识的传授,往往忽视课程价值引领作用,导致课程案例“知识化”;目前人工智能课程与其他课程的案例千篇一律,课程案例难以达到深度融合的效果,导致课程案例“标签化”;开展人工智能课程案例教育,还存在课程案例“浅融入、难融入”的困境,难以挖掘人工智能知识与案例内容的融合点,强行融入部分案例,导致两者的融合趋于表象化,极易引起大学生“课程疲劳”。


技术实现思路

1、本申请提供了一种人工智能类课程案例智能推荐方法及系统,以解决现有的人工智能课程中,课程案例融合效果较差以及浅融入、难融入的技术问题。

2、本申请提供第一方面提供的一种人工智能类课程案例智能推荐方法,包括:获取与人工智能类课程相关的m个案例;根据人工智能类课程的知识点对m个案例进行筛选,得到n个案例;其中,m大于或等于n;对n个案例中的s个案例进行知识点的标注;根据标注的结果训练多分类器;采用多分类器对n个案例中的剩余n-s个案例进行知识点标注;采用开源知识图谱工具对人工智能类课程的知识点构建知识图谱;根据n个案例与知识图谱构建案例模型;训练和测试案例模型;根据目标知识点,推荐与目标知识点对应的案例;其中,目标知识点为任意知识点;知识点与案例存在对应关系。

3、在一些可行的实现中,对标注的结果训练多分类器,包括:对标注的结果进行打分;根据打分结果训练多分类器。

4、在一些可行的实现中,根据打分结果训练多分类器,包括:采用增量式机器学习方法,使用keras-bert训练多分类器。

5、在一些可行的实现中,训练和测试案例模型,包括:将人工智能类课程的知识点分为训练集和测试集;对训练集和测试集进行标注;采用标注后的训练集训练案例模型;采用标注后的测试集测试训练后的案例模型。

6、在一些可行的实现中,采用标注后的训练集训练案例模型,包括:采用基于内容的推荐算法,根据标注后的训练集,训练案例模型。

7、本申请第二方面提供的人工智能类课程案例智能推荐系统,包括:获取模块,被配置为,获取与人工智能类课程相关的m个案例;筛选模块,被配置为,根据人工智能类课程的知识点对m个案例进行筛选,得到n个案例;其中,m大于n;标注模块,被配置为,对n个案例中的s个案例进行知识点的标注;训练模块,被配置为,根据标注的结果训练多分类器;标注模块还被配置为,采用多分类器对n个案例中的剩余n-s个案例进行知识点标注;构建模块,被配置为,采用开源知识图谱工具对人工智能类课程的知识点构建知识图谱;以及根据n个案例与知识图谱构建案例模型;训练模型还被配置为,训练和测试案例模型,得到案例推荐模型;案例推荐模型,被配置为,根据输入的目标知识点,推荐与目标知识点对应的案例,其中,案例推荐模型中,知识点与案例存在对应关系,目标知识点为任意知识点。

8、在一些可行的实现中,训练模块还被配置为,对标注的结果进行打分;根据打分结果训练多分类器。

9、在一些可行的实现中,训练模块还被配置为,采用增量式机器学习方法,使用keras-bert训练多分类器。

10、在一些可行的实现中,训练模块还被配置为,将人工智能类课程的知识点分为训练集和测试集;对训练集和测试集进行标注;采用标注后的训练集训练案例模型;采用标注后的测试集测试训练后的案例模型。

11、在一些可行的实现中,训练模块还被配置为,采用基于内容的推荐算法,根据标注后的训练集,训练案例模型。

12、本申请提供的人工智能类课程案例智能推荐方法及系统,方法包括获取与人工智能类课程相关的m个案例;根据人工智能类课程的知识点对m个案例进行筛选,得到n个案例;其中,m大于或等于n;对n个案例中的s个案例进行知识点的标注;根据标注的结果训练多分类器;采用多分类器对n个案例中的剩余n-s个案例进行知识点标注;采用开源知识图谱工具对人工智能类课程的知识点构建知识图谱;根据n个案例与知识图谱构建案例模型;训练和测试案例模型;根据目标知识点,推荐与目标知识点对应的案例;其中,目标知识点为任意知识点;知识点与案例存在对应关系。该方法可以为教师提供高质量的人工智能课程案例推荐服务,帮助教师解决自主挖掘课程案例困难的问题。而且,还可以将人工智能类课程与案例较好的结合在一起,融入效果较好,这不仅减轻了任课教师的工作量,还能够根据目标知识点进行拓展,丰富教学内容。这样,能够丰富课程体系的建设,丰富教学模式和教学方法策略。在实际教学过程中,提高了人工智能从业者的伦理素养,使得人工智类课程中实践课程案例角度具有较高的协同性。

本文档来自技高网...

【技术保护点】

1.一种人工智能类课程案例智能推荐方法,其特征在于,包括:

2.根据权利要求1所述的人工智能类课程案例智能推荐方法,其特征在于,

3.根据权利要求2所述的人工智能类课程案例智能推荐方法,其特征在于,

4.根据权利要求1所述的人工智能类课程案例智能推荐方法,其特征在于,

5.根据权利要求4所述的人工智能类课程案例智能推荐方法,其特征在于,

6.一种人工智能类课程案例智能推荐系统,其特征在于,包括:

7.根据权利要求6所述的人工智能类课程案例智能推荐系统,其特征在于,

8.根据权利要求7所述的人工智能类课程案例智能推荐系统,其特征在于,

9.根据权利要求6所述的人工智能类课程案例智能推荐系统,其特征在于,

10.根据权利要求9所述的人工智能类课程案例智能推荐系统,其特征在于,

【技术特征摘要】

1.一种人工智能类课程案例智能推荐方法,其特征在于,包括:

2.根据权利要求1所述的人工智能类课程案例智能推荐方法,其特征在于,

3.根据权利要求2所述的人工智能类课程案例智能推荐方法,其特征在于,

4.根据权利要求1所述的人工智能类课程案例智能推荐方法,其特征在于,

5.根据权利要求4所述的人工智能类课程案例智能推荐方法,其特征在于,

...

【专利技术属性】
技术研发人员:郭威彤杨鸿武周婵包森
申请(专利权)人:西北师范大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1