[发明专利]自适应学习方法及装置

权利要求书

1.一种自适应学习方法，其特征在于，包括：

根据目标学习路径及学生当前学习的第一知识单元，确定候选知识单元集合，所述目标学习路径中包括所述学生需要学习的所有知识单元；

根据所述学生的当前学习状态，确定所述候选知识单元集合中每一知识单元作为目标知识单元时为最优解的概率，并将所述候选知识单元集合中最大概率对应的知识单元作为所述目标知识单元，所述目标知识单元为所述学生下一个需要学习的知识单元；

其中，所述当前学习状态包含所述学生的历史测验成绩及所述学生的学习目标；

所述根据所述学生的当前学习状态，确定所述候选知识单元集合中每一知识单元作为目标知识单元时为最优解的概率通过强化学习实现，所述强化学习的过程中的状态为所述学生的当前学习状态，所述强化学习的过程中的动作为确定所述学生下一个需要学习的知识单元，所述强化学习的过程中的奖励为学习至所述目标知识单元后所述学生的学习能力增量值。

2.根据权利要求1所述的自适应学习方法，其特征在于，所述根据所述学生的当前学习状态，确定所述候选知识单元集合中每一知识单元作为目标知识单元时为最优解的概率之前，还包括：

根据所述学生的历史测验记录，获取所述学生的当前学习状态向量，所述历史测验记录用于表示对所述目标学习路径中知识单元的测验结果；

获取所述学生的指示向量，将所述指示向量及所述当前学习状态向量进行拼接后得到的向量作为所述学生的当前学习状态，所述指示向量用于表示所述目标学习路径中作为学习目标的知识单元。

3.根据权利要求2所述的自适应学习方法，其特征在于，所述历史测验记录为历史测验向量；相应地，所述根据所述学生的历史测验记录，获取所述学生的当前学习状态向量，包括：

将每一历史测验向量输入至预设模型中，输出测验时刻最晚的历史测验向量对应的学习状态向量，并作为所述当前学习状态向量。

4.根据权利要求3所述的自适应学习方法，其特征在于，所述预设模型至少包括嵌入层、隐层及全连接层；相应地，所述将每一历史测验向量输入至预设模型中，输出测验时刻最晚的历史测验向量对应的学习状态向量，包括：

将每一历史测验向量输入至所述嵌入层，输出每一历史测验向量对应的学习表征向量；

将每一学习表征向量输入至所述隐层，输出每一历史测验向量对应的学习状态隐向量；

将初始学习状态隐向量及每一学习状态隐向量输入至所述全连接层，输出测验时刻最晚的历史测验向量对应的学习状态向量。

5.根据权利要求1所述的自适应学习方法，其特征在于，所述根据目标学习路径及学生当前学习的第一知识单元，确定候选知识单元集合，包括：

确定所述目标学习路径中所述第一知识单元之前m跳内的第二知识单元，以及所述目标学习路径中所述第一知识单元之后n跳内的第三知识单元，m与n均为不小于1的正整数；

根据所述第一知识单元、所述第二知识单元、所述第三知识单元及所述目标学习路径中作为学习目标的知识单元，确定所述候选知识单元集合。

6.根据权利要求1所述的自适应学习方法，其特征在于，所述根据所述学生的当前学习状态，确定所述候选知识单元集合中每一知识单元作为目标知识单元时为最优解的概率，包括：

获取从所述第一知识单元学习至所述目标学习路径中作为学习目标的知识单元后所产生的学习能力增量值；

根据所述学习能力增量值，确定策略网络模型中预设参数的最终取值，并将所述当前学习状态输入至所述策略网络模型，输出所述候选知识单元集合中每一知识单元在作为目标知识单元时为最优解的概率。

7.根据权利要求6所述的自适应学习方法，其特征在于，所述根据所述学习能力增量值，确定策略网络模型中预设参数的最终取值，包括：

将所述当前学习状态输入至价值网络模型，调整所述价值网络模型中所述预设参数的取值，以使得所述价值网络模型的输出结果与所述学习能力增量值之间的差值最小，并将差值最小时所述预设参数的取值作为所述预设参数的最终取值，所述价值网络模型与所述策略网络模型均包含有所述预设参数。