[发明专利]一种基于知识图谱挖掘的个性化学习路径推荐方法及系统

权利要求书

1.一种基于知识图谱挖掘的个性化学习路径推荐方法，其特征在于，包括：

基于知识图谱构建学习路径模型，进而将知识图谱映射成通用学习路径图；

学习路径模型描述为：SRM=（SRV，SRE），其中SRM为学习路径模型，SRV为若干学习活动结点的集合，SRE为代表学习活动间逻辑关系的边的集合；学习活动的属性描述为：，在属性描述中的分别为学习活动、学习者、活动预期时间、活动预期成本、活动预期质量，由具体的学习活动决定，表示学习活动与多种属性因素的函数关系,为该学习活动在学习路径中的中心度值，这里将其作为学习活动相对于整条学习路径的影响因子；

所述学习路径模型由学习活动及学习活动之间的逻辑关系边构成；学习活动由知识图谱中的知识点转化得到；学习活动的属性包括学习者类型、预期完成时间、预期完成成本、学习质量和在学习路径中的中心度值；

根据学习者特征对通用学习路径图做个性化处理，得到备选学习路径图；

学习者特征包括学习者类型、学习能力、学习目标和学习背景，与之对应的模型为ELU=（SUType，SUA，SUT，SUB），其中ELU是学习者模型，SUType是学习者的类型，学习者类型这里分为三类，零基础学习者、一般基础学习者、专业人士；SUA是学习能力模型，SUT为学习目标模型，SUT=（TK，TKV），TK={KPi|i=1,…n}，TK表示需要掌握的知识点集合，KPi表示全部学习内容中的第i个知识点，TKV={Kvi|i=1,…n}，TKV表TK中知识点的掌握程度；SUB表示相对于学习目标的知识背景，同样SUB={KPb|i=1,…n}，KPbi表示学习者是否已经掌握知识点i；

根据学习者特征对通用学习路径图做个性化处理的过程为：

根据学习者的类型，筛选出对应类型的通用学习路径图；

根据学习者模型的学习目标和学习背景来标记通用学习路径图中学习者已经掌握的知识点所对应的学习活动以及学习目标知识点所对应的学习活动，标记剔除学习者不需要或者已经掌握的知识点；

根据学习者的学习能力得到相应通用学习路径图中所有知识点的关联顺序，进而得到备选学习路径图；

将备选学习路径图中所有学习路径作为初始学习路径，利用遗传算法及学习路径的自适应值生成新的学习路径，当达到预设迭代次数或生成的所有新的学习路径的自适应值大于预设阈值时，停止迭代并筛选出自适应值最高的学习路径作为推荐结果；

学习路径的自适应值为：，其中、和分别为学习路径的预期完成总时间SRT、预期完成总成本SRC、总学习质量SRQ的权重值，且++=1；

SRT为学习路径所包含的学习活动的预期时间之和；SRC为所包含活动的成本之和，成本指的是在进行学习活动时所需要的用的学习资源；SRQ为学习路径所包含的学习活动的质量与质量影响因子的乘积，质量影响因子为前面提到的中心度值；

在利用遗传算法及学习路径的自适应值生成新的学习路径的过程中，根据学习活动的中心度值，确定学习路径中的起始活动和结束活动；其中，学习活动的中心度值为学习活动的学习质量的权重值，中心度值高的学习活动为学习路径的起点，中心度值低的学习活动为学习路径的结束点。

2.一种基于知识图谱挖掘的个性化学习路径推荐系统，利用了如权利要求1所述的基于知识图谱挖掘的个性化学习路径推荐方法，其特征在于，包括：

知识图谱转换模块，其用于基于知识图谱构建学习路径模型，进而将知识图谱映射成通用学习路径图；

个性化处理模块，其用于根据学习者特征对通用学习路径图做个性化处理，得到备选学习路径图；

学习路径推荐模块，其用于将备选学习路径图中所有学习路径作为初始学习路径，利用遗传算法及学习路径的自适应值生成新的学习路径，当达到预设迭代次数或生成的所有新的学习路径的自适应值大于预设阈值时，停止迭代并筛选出自适应值最高的学习路径作为推荐结果。

3.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1所述的基于知识图谱挖掘的个性化学习路径推荐方法中的步骤。

4.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1所述的基于知识图谱挖掘的个性化学习路径推荐方法中的步骤。