【技术实现步骤摘要】
【国外来华专利技术】
概括而言，本公开内容的各方面涉及人工智能，并且更具体地，本公开内容的各方面涉及具有针对概念的先决条件关系发现的能力的系统。
技术介绍
1、来自教学的许多努力已经建议学生在继续学习后续知识之前应当掌握先决条件知识。这样的先决条件关系被描述为知识概念之间的依赖性，这对于学生学习、组织和应用知识是至关重要的。
2、在智能教育时代，先决条件关系在诸如课程规划、阅读列表生成、课程推荐等一系列教育应用中扮演重要角色，在概念之间有明确的先决条件关系的情况下，可以向学生或用户推荐连贯且合理的学习序列。然而，随着教育资源的数量激增，知识概念的爆炸性增长使得通过专家注释获得细粒度的先决条件关系是昂贵且无效的。因此，需要自动发现概念之间的先决条件关系，旨在检测来自课程的概念的依赖性。
3、尽管对概念的先决条件关系发现的任务有若干尝试，包括从课程的视频的内容和课程的预设顺序中提取这样的关系，但是在实际应用中直接应用这些方法仍然是远远不够的。
技术实现思路
1、以下给出了一个或多个方面的简化概述，以便提供对这些方面的基本理解。该概述不是所有预期方面的广泛概述，并且旨在既不标识所有方面的关键或重要元素，也不旨在标识任何或所有方面的范围。其唯一目的是以简化形式呈现一个或多个方面的一些概念，作为稍后呈现的更详细描述的序言。
2、与一般实体的事实关系不同，先决条件关系更多是认知的，而不是事实的，这使得其很少在文本中提及并且难以直接从课程中捕获。此外，被认为是先决条件线索的课程和视
3、基于学生学习行为与知识的认知结构正相关的教育心理学的思想，通过收集学生行为的实际数据并分析典型的学生行为模式，学生的行为可以被用作帮助先决条件关系发现的有效来源。此外，为了探索学生行为的更好建模，通过从学生行为构建概念图并对其进行链接预测来提供基于图的解决方案。
4、根据一方面，提供了一种用于使神经网络系统能够发现多个课程的概念之间的先决条件关系的方法，其中，所述多个课程中的每个课程包含一系列视频。所述方法包括：收集学生行为数据，所述学生行为数据至少包括跨所述多个课程的视频观看行为数据；至少基于视频观看行为模式将所述学生行为数据建模为先决条件特征，其中，所述视频观看行为模式由来自所述视频观看行为数据的一个或多个视频对形成；以及至少基于所述先决条件特征来训练所述神经网络系统。
5、根据另外的方面，所述视频观看行为模式包括以下各项中的一项或多项：顺序观看模式、交叉课程观看模式、跳过观看模式和倒退观看模式。
6、根据另外的方面，所述神经网络系统是部分地基于基于图的模型的，所述基于图的模型是基于一个或多个概念图来构建的，所述一个或多个概念图中的每个概念图是加权有向图，并且其中，所述加权有向图的每个节点表示概念集合中的一个概念，并且每个边指示两个概念之间的先决条件关系。
7、根据另一方面，提供了一种用于使包括神经网络系统的课程规划系统能够发现多个课程的概念之间的先决条件关系的方法，其中，所述多个课程中的每个课程包含一系列视频。所述方法包括：收集学生行为数据，所述学生行为数据至少包括跨所述多个课程的视频观看行为数据；至少基于视频观看行为模式将所述学生行为数据建模为先决条件特征，其中，所述视频观看行为模式由来自所述视频观看行为数据的一个或多个视频对形成；以及至少基于所述先决条件特征来训练所述神经网络系统。
8、根据另一方面，提供了一种用于使包括神经网络系统的阅读/观看列表生成系统能够发现多个课程的概念之间的先决条件关系的方法，其中，所述多个课程中的每个课程包含一系列视频。所述方法包括：收集学生行为数据，所述学生行为数据至少包括跨所述多个课程的视频观看行为数据；至少基于视频观看行为模式将所述学生行为数据建模为先决条件特征，其中，所述视频观看行为模式由来自所述视频观看行为数据的一个或多个视频对形成；以及至少基于所述先决条件特征来训练所述神经网络系统。
9、根据另一方面，提供了一种用于使包括神经网络系统的课程推荐系统能够发现多个课程的概念之间的先决条件关系的方法，其中，所述多个课程中的每个课程包含一系列视频。所述方法包括：收集学生行为数据，所述学生行为数据至少包括跨所述多个课程的视频观看行为数据；至少基于视频观看行为模式将所述学生行为数据建模为先决条件特征，其中，所述视频观看行为模式由来自所述视频观看行为数据的一个或多个视频对形成；以及至少基于所述先决条件特征来训练所述神经网络系统。
10、本公开内容使神经网络系统能够至少基于实际学生的行为数据来自动发现概念之间的先决条件关系，所述实际学生的行为数据揭示来自比事实更认知的概念之间的连接。
本文档来自技高网...【技术保护点】
1.一种用于使神经网络系统能够发现多个课程的概念之间的先决条件关系的方法，其中，所述多个课程中的每个课程包含一系列视频，所述方法包括：
2.根据权利要求1所述的方法，其中，所述视频观看行为模式包括以下各项中的一项或多项：顺序观看模式、交叉课程观看模式、跳过观看模式和倒退观看模式。
3.根据权利要求1所述的方法，其中，所述神经网络系统是部分地基于基于图的模型的，所述基于图的模型是基于一个或多个概念图来构建的，所述一个或多个概念图中的每个概念图是加权有向图，并且
4.根据权利要求3所述的方法，其中，所述基于图的模型是基于至少一个概念图来构建的，所述至少一个概念图的每个边的权重是基于所述先决条件特征来计算的。
5.根据权利要求3所述的方法，其中，所述概念图中的一个概念图的每个边的权重是基于所述多个课程的所述依赖性来计算的。
6.根据权利要求3所述的方法，其中，所述概念图中的一个概念图的每个边的权重是基于每个课程的所述一系列视频的所述顺序来计算的。
7.根据权利要求4所述的方法，至少基于所述先决条件特征来训练所述神经
8.根据权利要求7所述的方法，通过GCN来学习在所述基于图的模型上的所述概念集合的每个节点的所述图嵌入还包括：
9.根据权利要求8所述的方法，组合与所述一个或多个概念图相对应的所述节点嵌入还包括：
10.根据权利要求1所述的方法，其中，所述神经网络系统包括至少一个分类器。
11.根据权利要求10所述的方法，其中，训练所述神经网络系统还包括：
12.根据权利要求11所述的方法，其中，注释所述概念集合中的所述概念的所述一部分概念之间的所述先决条件关系还包括：
13.一种计算机系统，包括：
14.一种或多种存储计算机可执行指令的计算机可读存储介质，所述计算机可执行指令在被执行时使得一个或多个处理器执行根据权利要求1-12中的一项所述的方法的操作。
15.一种包括计算机可执行指令的计算机程序产品，所述计算机可执行指令在被执行时使得一个或多个处理器执行根据权利要求1-12中的一项所述的方法的操作。
...【技术特征摘要】
【国外来华专利技术】
1.一种用于使神经网络系统能够发现多个课程的概念之间的先决条件关系的方法，其中，所述多个课程中的每个课程包含一系列视频，所述方法包括：
2.根据权利要求1所述的方法，其中，所述视频观看行为模式包括以下各项中的一项或多项：顺序观看模式、交叉课程观看模式、跳过观看模式和倒退观看模式。
3.根据权利要求1所述的方法，其中，所述神经网络系统是部分地基于基于图的模型的，所述基于图的模型是基于一个或多个概念图来构建的，所述一个或多个概念图中的每个概念图是加权有向图，并且
4.根据权利要求3所述的方法，其中，所述基于图的模型是基于至少一个概念图来构建的，所述至少一个概念图的每个边的权重是基于所述先决条件特征来计算的。
5.根据权利要求3所述的方法，其中，所述概念图中的一个概念图的每个边的权重是基于所述多个课程的所述依赖性来计算的。
6.根据权利要求3所述的方法，其中，所述概念图中的一个概念图的每个边的权重是基于每个课程的所述一系列视频的所述顺序来计算的。
7.根据权利要求4所述的方法...
【专利技术属性】
技术研发人员：E·哈特拉莫诺夫，唐杰，于济凡，李涓子，侯磊，刘知远，孙茂松，罗干，
申请(专利权)人：罗伯特·博世有限公司，
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。