【技术实现步骤摘要】
本专利技术属于数据分析，具体涉及一种基于学情模型的最优学习路径生成方法。
技术介绍
1、随着互联网技术的飞速发展以及大众学习观念的不断进步，以网络作为媒介进行在线学习活动已经成为一种非常普遍的社会活动。然而伴随而来的海量知识和数据同样给在线教育领域带来了严重的信息过载问题。如何为不同背景的用户提供个性化学习方案成为在线学习活动的重要课题。传统的一刀切教学模式已难以满足用户多样化的学习需求。现有的一些学习平台虽然提供了大量学习资源，但缺乏智能化的学习路径规划能力，难以实现真正的个性化学习。
技术实现思路
1、本专利技术为了解决以上问题，提出了一种基于学情模型的最优学习路径生成方法。
2、本专利技术的技术方案是：一种基于学情模型的最优学习路径生成方法包括以下步骤：
3、s1、获取用户的学情信息以及现有学习列表；
4、s2、构建学情分析模型，将用户的学情信息输入至学情分析模型，生成初始学情分布值，并通过初始学情分布值得到综合学情分布；
5、s3、将...
【技术保护点】
1.一种基于学情模型的最优学习路径生成方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于学情模型的最优学习路径生成方法，其特征在于，所述S2包括以下子步骤：
3.根据权利要求2所述的基于学情模型的最优学习路径生成方法，其特征在于，所述S22中，最大学情搜索值的字段i的计算公式为：；式中，I表示学情信息的所有字段集合，表示字段i的词嵌入向量与高频字段集合中字段m的词嵌入向量之间的欧式距离，M表示高频字段集合，表示字段i的词嵌入向量与学情信息中最小词频的字段的词嵌入向量之间的欧式距离，βi表示字段i的权重，c表示常数，argmax(·)...
【技术特征摘要】
1.一种基于学情模型的最优学习路径生成方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于学情模型的最优学习路径生成方法，其特征在于，所述s2包括以下子步骤：
3.根据权利要求2所述的基于学情模型的最优学习路径生成方法，其特征在于，所述s22中，最大学情搜索值的字段i的计算公式为：；式中，i表示学情信息的所有字段集合，表示字段i的词嵌入向量与高频字段集合中字段m的词嵌入向量之间的欧式距离，m表示高频字段集合，表示字段i的词嵌入向量与学情信息中最小词频的字段的词嵌入向量之间的欧式距离，βi表示字段i的权重，c表示常数，argmax(·)表示寻找最大值自变量点集的函数。
4.根据权利要求2所述的基于学情模型的最优学习路径生成方法，其特征在于，所述s23中，字段的字段算子σ的表达式为：；式中，y表示字段的词嵌入向量，n表示学情信息的字段数量，t表示字段的逆文档频率，f表示字段在学...
【专利技术属性】
技术研发人员：罗永强，白翔宇，马杰，杜鹏程，冯中杰，
申请(专利权)人：四川启鸣达人科技有限公司，
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。