基于RAG的大语言模型学习路径动态生成优化方法技术

本发明专利技术公开了基于RAG的大语言模型学习路径动态生成优化方法，涉及数据处理技术领域，包括：获取预定学习大纲中的预定学习路径；获取RAG模型；对目标动态学习画像进行信息检索分析得到目标实时学习状态，并与预定知识库进行相关性对比分析得到候选知识序列；对目标预定知识与候选知识序列进行知识融合分析，得到目标知识序列，结合目标周期对预定学习路径进行动态调整，生成目标学员的目标动态学习路径。本发明专利技术解决现有技术无法根据学员的实时学习情况进行后续学习路径的智能化动态调整，导致学员的学习过程针对性不强，学习质量和效果不理想，效率低下的技术问题，达到提升学习路径的个性化和灵活性，提高学员学习整体效果的技术效果。

【技术实现步骤摘要】

本专利技术涉及数据处理，具体涉及基于rag的大语言模型学习路径动态生成优化方法。

技术介绍

1、随着人工智能和在线教育技术的快速发展，个性化学习和自适应学习路径生成在教育领域得到了广泛应用。然而，随着学习内容复杂性和规模的不断增加，传统的学习路径设定方法面临诸多挑战。传统的学习路径往往是静态的，无法根据学员的实时学习情况进行动态调整，导致学习效率低下，无法满足个性化学习需求。

技术实现思路

1、本申请提供基于rag的大语言模型学习路径动态生成优化方法，用于针对解决现有技术无法根据学员的实时学习情况进行后续学习路径的智能化动态调整，导致学员的学习过程针对性不强，学习质量和效果不理想，效率低下的技术问题。

2、鉴于上述问题，本申请提供了基于rag的大语言模型学习路径动态生成优化方法。

3、本申请提供了基于rag的大语言模型学习路径动态生成优化方法，所述方法包括：

4、获取预定学习大纲中的预定学习路径；获取rag模型，所述rag模型包括多模态检索器和集成融合器；通过所述多模态检索本文档来自技高网...

【技术保护点】

1.基于RAG的大语言模型学习路径动态生成优化方法，其特征在于，包括：

2.根据权利要求1所述基于RAG的大语言模型学习路径动态生成优化方法，其特征在于，包括：

3.根据权利要求2所述基于RAG的大语言模型学习路径动态生成优化方法，其特征在于，包括：

4.根据权利要求1所述基于RAG的大语言模型学习路径动态生成优化方法，其特征在于，包括：

5.根据权利要求4所述基于RAG的大语言模型学习路径动态生成优化方法，其特征在于，包括：

6.根据权利要求1所述基于RAG的大语言模型学习路径动态生成优化方法，其特征在于，包括：

...

【技术特征摘要】

1.基于rag的大语言模型学习路径动态生成优化方法，其特征在于，包括：

2.根据权利要求1所述基于rag的大语言模型学习路径动态生成优化方法，其特征在于，包括：

3.根据权利要求2所述基于rag的大语言模型学习路径动态生成优化方法，其特征在于，包括：

4.根据权利要求1所述基于rag的大语言模型学习路径动态生成优化方法，其特征在于，包括：

5.根据权利要求4所述基于rag...

【专利技术属性】
技术研发人员：王亦晨，毛昭勇，沈钧戈，谭浩声，王鑫，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：