[发明专利]基于贝叶斯模型的人工智能教学系统及数据处理方法

权利要求书

1.一种基于贝叶斯模型的人工智能教学系统，其特征在于，包括：数据库(1)，筛选模块(2)，更新模块(3)，计算模块(4)和存档模块(5)；

所述数据库(1)用于读取学生的做题记录、形成和存储知识点的序列；所述筛选模块(2)用于从数据库模块(1)中提取做题记录准确率最高的序列/多条准确率最高的序列的均值；所述更新模块(3)用于每隔24小时将过去24小时的做题记录输入到EP模型中，更新题目对应知识点的BKT参数，并存入数据库(1)；所述计算模块(4)用于调用stop_Policy模型、从数据库(1)取出对应知识点的BKT参数，基于BKT参数以该知识点的历史做题记录、计算出对该知识点的掌握值；所述存档模块(5)用于对所述掌握值进行记录。

2.一种基于贝叶斯模型的人工智能教学数据处理方法，其特征在于，包括如下步骤：

S1：收集学生的做题信息并形成知识点的序列后存入数据库；

S2：从找出知识点序列中准确率最高的序列，如果有多条准确率最高的序列，则取各条序列均值，并标记均值为Ki；

S3：在学生做题时，调用stop_Policy模型、stop_Policy模型从数据库取出对应知识点的BKT参数，读取学生对该知识点的历史做题记录、基于该历史做题记录判断学生是否掌握该知识点；

S4：对S3所得判断结果进行记录。

3.如权利要求2所述基于贝叶斯模型的人工智能教学数据处理方法，其特征在于：

所述BKT参数包括P(L0)，P(T)，P(G)和P(S)；所述P(L0)为学生最初掌握知识点的概率；所述P(T)为学生从未掌握知识点到掌握知识点的转移概率；所述P(G)为学生未掌握知识点而猜对答案的概率；所述P(S)为学生掌握知识点而做错答案的概率。

4.如权利要求3所述基于贝叶斯模型的人工智能教学数据处理方法，其特征在于：

Ci为学生做题序列。