[发明专利]基于BERT和LSTM的知识学习体系推荐方法、设备及介质

权利要求书

1.一种基于BERT和LSTM的知识学习体系推荐方法，其特征在于，包括：

接收用户计划学习的目标知识点和目标掌握程度；

获取所述用户的历史学习数据，并将所述目标知识点、所述目标掌握程度和所述历史学习数据进行编码，形成输入向量；

将所述输入向量输入到训练好的基于BERT和LSTM的知识学习体系推荐模型，以向所述用户输出推荐的学习路径。

2.根据权利要求1所述的方法，其特征在于，所述将所述输入向量输入到训练好的基于BERT和LSTM的知识学习体系推荐模型，以向所述用户输出推荐的学习路径，包括：

将所述历史学习数据对应的输入向量送至训练好的上下文向量编码器处理，其中，所述上下文向量编码器基于BERT实现，是所述知识学习体系推荐模型的一部分；

将所述目标知识点和目标掌握程度对应的输入向量送至训练好的学习路径预测器处理，其中，所述学习路径预测器基于LSTM实现，是所述知识学习体系推荐模型的另一部分；

通过所述上下文向量编码器和学习路径预测器的处理结果，确定向所述用户输出的学习路径。

3.根据权利要求2所述的方法，其特征在于，所述将所述输入向量输入到训练好的基于BERT和LSTM的知识学习体系推荐模型，以向所述用户输出推荐的学习路径，包括：

将所述历史学习数据对应的输入向量送至所述训练好的上下文向量编码器，进行基于上下文的语义处理，得到知识点编码向量序列，

将所述目标知识点和目标掌握程度对应的输入向量、所述知识点编码向量序列送至所述训练好的学习路径预测器处理，确定向所述用户输出的学习路径。

4.根据权利要求1所述的方法，其特征在于，还包括：通过数据集对知识学习体系推荐模型进行训练，训练的步骤包括：

训练所述知识学习体系推荐模型中的上下文向量编码器；

将所述训练好的所述上下文向量编码器与所述知识学习体系中的学习路径预测器共同训练，得到训练好的知识学习体系推荐模型。

5.根据权利要求4所述的方法，其特征在于，所述将训练好的所述上下文向量编码器与所述知识学习体系中的学习路径预测器共同训练，得到训练好的知识学习体系推荐模型，包括：

通过调整所述训练好的上下文向量编码器的参数，训练所述学习路径预测器，以得到训练好的知识学习体系推荐模型。

6.根据权利要求4所述的方法，其特征在于，所述训练所述知识学习体系推荐模型中的上下文向量编码器，包括：

基于收集的学习者的学习资源数据，提取学习者的知识点向量和掌握程度向量；

基于收集的学习者的学习过程数据、所述知识点向量和掌握程度向量，形成学习路径向量序列；

通过所述学习路径向量序列训练所述上下文向量编辑器。

7.根据权利要求6所述的方法，其特征在于，所述提取学习者的知识点向量和掌握程度向量，包括：

根据专家设计的知识点评估考题，获取学习者学习知识点的掌握程度，形成掌握程度向量。

8.根据权利要求4所述的方法，其特征在于，还包括：

根据专家经验，设计递进的知识点序列；

通过所述递进的知识点序列训练所述知识学习体系推荐模型，得到基于先验知识的知识学习体系推荐模型。

9.一种基于BERT和LSTM的知识学习体系推荐设备，其特征在于，包括：

处理器；以及

与所述处理器通信连接的存储器，所述存储器上存储有可被所述处理器执行的指令，所述指令被所述处理器执行，以使所述处理器能够：

接收用户计划学习的目标知识点和目标掌握程度；

获取所述用户的历史学习数据，并将所述目标知识点、所述目标掌握程度和所述历史学习数据进行编码，形成输入向量；

将所述输入向量输入到训练好的基于BERT和LSTM的知识学习体系推荐模型，以向所述用户输出推荐的学习路径。

10.一种基于BERT和LSTM的知识学习体系推荐非易失性计算机存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令设置为：

接收用户计划学习的目标知识点和目标掌握程度；

获取所述用户的历史学习数据，并将所述目标知识点、所述目标掌握程度和所述历史学习数据进行编码，形成输入向量；

将所述输入向量输入到训练好的基于BERT和LSTM的知识学习体系推荐模型，以向所述用户输出推荐的学习路径。