【技术实现步骤摘要】
本专利技术涉及电子教学，具体涉及一种知识体系的智能学习方法及系统。
技术介绍
1、在传统的知识体系学习方式通常是基于书本或者教师的讲解，这种方式需要用户自主阅读或者听讲，并进行笔记记录和思考，需要用户具备一定的学习能力和自我管理能力。然而，当用户因为缺乏学习兴趣或者学习难度过大而放弃学习，或者因为笔记记录不全面而导致对知识体系的理解不够全面和深入时，传统的教学方法并不能较好的解决这样问题。
2、因此，如何根据用户的实际情况，进行个性化知识体系的搭建，从而实现用户的高效学习成为当前领域工作人员急需解决的问题。
技术实现思路
1、有鉴于此，有必要提供一种知识体系的智能学习方法及系统，以达到根据用户的实际情况，进行个性化知识体系的搭建，从而实现用户的高效学习的目的。
2、为了解决实现上述目的，本专利技术提供了一种知识体系的智能学习方法，包括：
3、接收用户输入的知识体系，并对知识体系进行预处理；
4、对经过预处理的知识体系进行特征提取处理，得到特征数据；
5、基于机器学习算法对特征数据进行处理，建立知识树结构；
6、获取用户基于知识树结构的学习状态数据，并基于机器学习算法对学习状态数据进行分析，得到学习计划；
7、以可视化的形式输出知识树结构和学习计划。
8、在一种可能的实现方式中，接收用户输入的知识体系，并对知识体系进行预处理，包括：
9、接收用户输入的知识体系；
1
11、在一种可能的实现方式中，对经过预处理的知识体系进行特征提取处理，得到特征数据，包括：
12、利用自然语言技术对经过预处理的知识体系进行体征提取，得到特征数据，特征数据包括实体数据、概念数据和关系数据。
13、在一种可能的实现方式中，知识体系包括多个知识点，基于机器学习算法对特征数据进行处理，建立知识树结构，包括：
14、基于知识点的特征对知识点进行分类处理；
15、确定知识点的内容主体，内容主体包括知识点的组成部分、层次结构和关联关系；
16、确定知识点的学习目标；
17、根据知识点的类型确定知识点的学习形式；
18、基于知识点的内容主体和学习目标确定知识点的难度等级；
19、基于知识点的内容主体、学习目标和难度等级，建立知识树结构。
20、在一种可能的实现方式中，知识点的类型包括概念知识点、定义知识点、抽象型知识点、复杂型知识点、需演示型知识点、记忆性知识点、需朗诵型知识点、巩固型知识点、检测型知识点、实践型知识点和操作型知识点，知识点的学习形式包括文字解析形式、图像形式、视频形式、音频形式、互动测试形式和实际操作形式，根据知识点的类型确定知识点的学习形式，包括：
21、采用文字解析形式对概念知识点和定义知识点进行输出；
22、采用图像形式对抽象型知识点进行输出；
23、采用视频形式对复杂型知识点和需演示型知识点进行输出；
24、采用音频形式对记忆性知识点和需朗诵型知识点进行输出；
25、采用互动测试形式对巩固型知识点和检测型知识点记性进行输出；
26、采用实际操作形式对实践型知识点和操作型知识点进行输出。
27、在一种可能的实现方式中，获取用户基于知识树结构的学习状态数据，并基于机器学习算法对学习状态数据进行分析，得到学习计划，包括：
28、基于互动测试和实际操作获取用户基于知识树结构的学习状态数据；
29、基于机器学习算法对学习状态数据进行分析，确定用户的学习效果；
30、基于学习效果确定学习计划等级，并得到与学习计划等级对应的学习计划。
31、在一种可能的实现方式中，机器学习算法包括有监督机器学习算法和无监督机器学习算法。
32、在一种可能的实现方式中，在以可视化的形式输出知识树结构和学习计划之前，还包括：
33、基于知识树结构的学习状态数据得到学习反馈，学习反馈包括学习进度报告、学习效果评估、学习策略建议、学习计划调整、学习目标调整。
34、在一种可能的实现方式中，在以可视化的形式输出知识树结构和学习计划之后，还包括：
35、将知识树结构和学习计划与第三方互动平台进行数据共享。
36、为了实现上述目的，本专利技术还提供了一种知识体系的智能学习系统，包括：
37、知识体系接收模块，用于接收用户输入的知识体系，并对知识体系进行预处理；
38、特征数据提取模块，用于对经过预处理的知识体系进行特征提取处理，得到特征数据；
39、知识树结构模块，用于基于机器学习算法对特征数据进行处理，建立知识树结构；
40、学习计划模块，用于获取用户基于知识树结构的学习状态数据，并基于机器学习算法对学习状态数据进行分析，得到学习计划；
41、输出模块，用于以可视化的形式输出知识树结构和学习计划。
42、采用上述实施例的有益效果为：接收用户输入的知识体系，并对知识体系进行预处理；对经过预处理的知识体系进行特征提取处理，得到特征数据；基于机器学习算法对特征数据进行处理，建立知识树结构；获取用户基于知识树结构的学习状态数据，并基于机器学习算法对学习状态数据进行分析，得到学习计划；以可视化的形式输出知识树结构和学习计划。本专利技术能够基于学习内容和用户情况，进行学习形式和学习计划的智能性调整，提高了用户的学习体验和学习效果。
本文档来自技高网...【技术保护点】
1.一种知识体系的智能学习方法，其特征在于，包括：
2.根据权利要求1所述的知识体系的智能学习方法，其特征在于，所述接收用户输入的知识体系，并对所述知识体系进行预处理，包括：
3.根据权利要求1所述的知识体系的智能学习方法，其特征在于，所述对经过预处理的知识体系进行特征提取处理，得到特征数据，包括：
4.根据权利要求1所述的知识体系的智能学习方法，其特征在于，所述知识体系包括多个知识点，所述基于机器学习算法对所述特征数据进行处理，建立知识树结构，包括：
5.根据权利要求4所述的知识体系的智能学习方法，其特征在于，所述知识点的类型包括概念知识点、定义知识点、抽象型知识点、复杂型知识点、需演示型知识点、记忆性知识点、需朗诵型知识点、巩固型知识点、检测型知识点、实践型知识点和操作型知识点，所述知识点的学习形式包括文字解析形式、图像形式、视频形式、音频形式、互动测试形式和实际操作形式，所述根据所述知识点的类型确定所述知识点的学习形式，包括：
6.根据权利要求1所述的知识体系的智能学习方法，其特征在于，所述获取用户基于所述知识树结
7.根据权利要求6所述的知识体系的智能学习方法，其特征在于，所述机器学习算法包括有监督机器学习算法和无监督机器学习算法。
8.根据权利要求1所述的知识体系的智能学习方法，其特征在于，在所述以可视化的形式输出所述知识树结构和所述学习计划之前，还包括：
9.根据权利要求1所述的知识体系的智能学习方法，其特征在于，在所述以可视化的形式输出所述知识树结构和所述学习计划之后，还包括：
10.一种知识体系的智能学习系统，其特征在于，包括：
...【技术特征摘要】
1.一种知识体系的智能学习方法，其特征在于，包括：
2.根据权利要求1所述的知识体系的智能学习方法，其特征在于，所述接收用户输入的知识体系，并对所述知识体系进行预处理，包括：
3.根据权利要求1所述的知识体系的智能学习方法，其特征在于，所述对经过预处理的知识体系进行特征提取处理，得到特征数据，包括：
4.根据权利要求1所述的知识体系的智能学习方法，其特征在于，所述知识体系包括多个知识点，所述基于机器学习算法对所述特征数据进行处理，建立知识树结构，包括：
5.根据权利要求4所述的知识体系的智能学习方法，其特征在于，所述知识点的类型包括概念知识点、定义知识点、抽象型知识点、复杂型知识点、需演示型知识点、记忆性知识点、需朗诵型知识点、巩固型知识点、检测型知识点、实践型知识点和操作型知识点，所述知识点的学习形式包括文字解析形式、图像...
【专利技术属性】
技术研发人员：谭运猛，陆彪，
申请(专利权)人：上海映盛网络技术股份有限公司，
类型：发明
国别省市：
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。