[发明专利]基于图搜索算法的自适应学习方法及计算机学习系统

说明书

本发明涉及一种基于图搜索算法的自适应学习方法及计算机学习系统，所述方法包括以下步骤：1)建立知识图谱，将知识图谱存储于图数据库中；2)采集并记录用户学习数据，判断是否满足前置知识点搜索的触发条件，若是，则执行步骤3)，若否，则执行步骤5)；3)利用图搜索算法在所述图数据库搜索当前知识点的前置薄弱知识点，获得各前置薄弱知识点的优先学习顺序；4)基于所述优先学习顺序推送相应学习内容；5)基于当前知识点推送相应学习内容。与现有技术相比，本发明具有搜索快速、提高学习效率等优点。

技术领域

本发明涉及一种用于在线教育的学习装置，尤其是涉及一种基于图搜索算法的自适应学习方法及计算机系统。

背景技术

随着互联网的发展，教育方式也在潜移默化的受到新技术的影响。人工智能的快速发展和应用为在线教育领域提供了新的思路，最近几年互联网教育中结合人工智能的产品发展非常迅速。这些产品中大多都有提出知识图谱的概念，在线智能教育产品中的知识图谱是将学生所在学科领域内所有知识点总结归纳细分，并且标记每个知识点的前后置关系，将其用完整的网络图的形式表现。知识图谱是一个复杂的描述知识点之间关系的图，图谱中包含很多属性，包括知识点名称、难度等。有了知识图谱，系统就会更清晰的了解学生目前在学科范围内的知识点所掌握的程度，并且为学生量身打造最合适的学习路径。

现有技术中对知识图谱的存储，都是使用关系型数据库来存储节点信息，以及节点与节点之间的关联信息。关系型数据库本身是具有schema的设计，这就意味着需要提前设计表结构，用不同的表单独存储节点信息，再用其他表来存储节点关系信息。如果关系复杂存储的记录数会非常大。如果表结构中预先设计的字段量不足以满足快速发展的业务需求，需要新增字段存储更多的节点相关的属性信息。关系型数据库使用SQL来从表中查询或者插入数据，用SQL语句编写遍历图相关的操作。

现有技术存在的缺陷包括：

1)需要预先设计表结构，也就是schema的设计，后期改动成本较高；

2)用SQL语句实现图搜索相关的算法非常复杂，难度高，且不容易调试；

3)对于数据存储的冗余信息较多，浪费存储空间；

4)扩展性较弱，当数据量超过亿级规模将不适用；

5)无法支持外部索引。

因此需要对现有技术进行改进。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于图搜索算法的自适应学习方法及计算机学习系统。

本发明的目的可以通过以下技术方案来实现：

一种基于图搜索算法的自适应学习方法，包括以下步骤：

1)建立知识图谱，将知识图谱存储于图数据库中；

2)采集并记录用户学习数据，判断是否满足前置知识点搜索的触发条件，若是，则执行步骤3)，若否，则执行步骤5)；

3)利用图搜索算法在所述图数据库搜索当前知识点的前置薄弱知识点，获得各前置薄弱知识点的优先学习顺序；

4)基于所述优先学习顺序推送相应学习内容；

5)基于当前知识点推送相应学习内容。

进一步地，所述图数据库采用JanusGraph图数据库。

进一步地，所述用户学习数据包括各知识点能力值、知识点学习次数和课程学习进度。

进一步地，所述前置知识点搜索的触发条件包括以下之一：

a)某课次知识点均为薄弱知识点；