[发明专利]基于认知图谱的学习认知路径规划系统有效

专利信息
申请号: 202010833727.3 申请日: 2020-08-18
公开(公告)号: CN112001825B 公开(公告)日: 2021-06-01
发明(设计)人: 王鑫 申请(专利权)人: 上海松鼠课堂人工智能科技有限公司
主分类号: G06Q50/20 分类号: G06Q50/20;G06F16/901
代理公司: 暂无信息 代理人: 暂无信息
地址: 200237 上海市徐*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 认知 图谱 学习 路径 规划系统
【说明书】:

发明提供了基于认知图谱的学习认知路径规划系统,其通过将认知图谱划分为若干子图谱来提高对认知图谱的分析细化程度,并且还能够根据不同学习者对不同子图谱的感兴趣程度来调整不同用户对相应知识点数据的学习顺序和/或学习进度,从而有效地教学质量和教学效率。

技术领域

本发明涉及智能教育的技术领域,特别涉及基于认知图谱的学习认知路径规划系统。

背景技术

目前的教学模式都是对所有学习者根据同一的认知图谱进行无差别的统一教学,虽然这种教学模式能够适宜大多数学习者的学习需求和有效地减少教学事前准备工作量,但是其不能针对具有不同学习需求和学习能力的学习者进行适应性的学习认知路径规划,从而降低教学质量和教学效率。可见,现有技术急需一种能够根据不同学习者的学习需求和学习兴趣进行学习认知路径匹配调整的教学模式。

发明内容

针对现有技术存在的缺陷,本发明提供基于认知图谱的学习认知路径规划系统,其包括知识数据采集模块、认知图谱构建模块、认知图谱划分模块、用户-认知图谱兴趣度评价模块和学习认知路径规划模块,该知识数据采集模块用于获取关于预设学科门类的若干知识点数据;该认知图谱构建模块用于对若干该知识点数据进行预处理,再根据预处理后的知识点数据对应的文本语义信息,构建得到关于若干该知识点数据的认知图谱;该认知图谱划分模块用于根据知识点的难度类型,将该认知图谱划分为若干个子图谱;该用户-认知图谱兴趣度评价模块用于评价若干不同用户中的每一个用户对每一个该子图谱的学习兴趣度值;该学习认知路径规划模块用于根据所有用户对应的学习兴趣度值,确定不同用户若干该知识点数据的学习顺序和/或学习进度;可见,该基于认知图谱的学习认知路径规划系统通过将认知图谱划分为若干子图谱来提高对认知图谱的分析细化程度,并且还能够根据不同学习者对不同子图谱的感兴趣程度来调整不同用户对相应知识点数据的学习顺序和/或学习进度,从而有效地教学质量和教学效率。

本发明提供基于认知图谱的学习认知路径规划系统,其包括知识数据采集模块、认知图谱构建模块、认知图谱划分模块、用户-认知图谱兴趣度评价模块和学习认知路径规划模块;其中,

所述知识数据采集模块用于获取关于预设学科门类的若干知识点数据;

所述认知图谱构建模块用于对若干所述知识点数据进行预处理,再根据预处理后的知识点数据对应的文本语义信息,构建得到关于若干所述知识点数据的认知图谱;

所述认知图谱划分模块用于根据知识点的难度类型,将所述认知图谱划分为若干个子图谱;

所述用户-认知图谱兴趣度评价模块用于评价若干不同用户中的每一个用户对每一个所述子图谱的学习兴趣度值;

所述学习认知路径规划模块用于根据所有用户对应的学习兴趣度值,确定不同用户若干所述知识点数据的学习顺序和/或学习进度;

进一步,所述知识数据采集模块包括学科门类确定子模块、知识点数据采集子模块和知识点数据缓存子模块;其中,

所述学科门类确定子模块用于确定当前学习方案规划对应的学科门类,从而得到所述预设学科门类,其中,所述预设学科门类包括语文、数学、英语、物理、化学、生物、政治、地理和历史中的任意一者;

所述知识点数据采集子模块用于根据所述预设学科门类,在预设学科知识数据库中摘选与所述预设学科门类匹配的若干知识点数据;

所述知识点数据缓存子模块用于根据若干所述知识点数据自身的数据长度,对所有知识点数据进行关于数据长度的升序排列缓存;

进一步,所述认知图谱构建模块包括知识点数据降噪子模块、知识点数据文本语义转换子模块和认知图谱生成子模块;其中,

所述知识点数据降噪子模块用于对若干所述知识点数据进行卡尔曼滤波预处理,从而去除若干所述知识点数据的噪声成分;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海松鼠课堂人工智能科技有限公司,未经上海松鼠课堂人工智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010833727.3/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top