[发明专利]基于对抗网络模型的陪伴学习角色生成方法和系统

权利要求书

1.基于对抗网络模型的陪伴学习角色生成方法，其特征在于，其包括如下步骤：

步骤S1，获取若干学生的历史学习内容数据，并根据所述历史学习内容数据的难度级别，将所述历史学习内容数据划分为若干样本数据集合；

步骤S2，将对抗网络模型对若干所述样本数据集合进行分析处理，从而获得所述学生各自对应的学习能力类别初步划分信息和学习能力类别划分误差信息；

步骤S3，根据所述学习能力类别初步划分信息和所述学习能力类别划分误差信息，指示所述对抗网络模型对若干所述样本数据集合进行重新分析处理，从而获得所述学生各自对应的学习能力类别最终划分信息，并根据所述学习能力类别最终划分信息，确定与所述学生匹配的陪伴学习角色。

2.如权利要求1所述的基于对抗网络模型的陪伴学习角色生成方法，其特征在于：

在所述步骤S1中，获取若干学生的历史学习内容数据，并根据所述历史学习内容数据的难度级别，将所述历史学习内容数据划分为若干样本数据集合具体包括：

步骤S101，获取若干所述学生在上一学年学习过程中对应的历史学习数据，并对所述历史学习数据依次进行数据去重处理和数据卡尔曼滤波处理；

步骤S102，获取所述历史学习数据包含的每一项学习子数据的科目类型和学习数据信息量，并根据所述科目类型和所述学习数据信息量，确定每一项学习子数据的难度级别；

步骤S103，将具有相同难度级别的所有学习子数据都划分到同一数据样本集合中，从而获得对应不同难度级别的若干数据样本集合。

3.如权利要求2所述的基于对抗网络模型的陪伴学习角色生成方法，其特征在于：

在所述步骤S2中，将对抗网络模型对若干所述样本数据集合进行分析处理，从而获得所述学生各自对应的学习能力类别初步划分信息和学习能力类别划分误差信息具体包括：

步骤S201，将若干所述样本数据集合输入至所述对抗网络模型，并通过下面公式(1)，确定所述学生各自对应的学习能力类别初步划分代表值：

在上述公式(1)中，V(d)表示学生对应的学习能力类别初步划分代表值，y_j表示第j个样本数据集合的预设独立编码、且其取值是根据样本数据集合对应的难度级别而确定，取值范围为[1，1000]；p_ij表示第i个学生的历史学习数据被划分到第j个样本数据集合的概率，m表示样本数据集合的总数量，n表示学生的总数量，p_n+1,j表示不同于上述n个学生的另外一个新学生的历史学习数据被划分到第j个样本数据集合的概率，表示梯度运算符号；

步骤S202，通过下面公式(2)，确定所述学生各自对应的学习能力类别划分误差系数：

在上述公式(2)中，V(g)表示所述学生各自对应的学习能力类别划分误差系数，y_j表示第j个样本数据集合的预设独立编码、且其取值是根据样本数据集合对应的难度级别而确定，m表示样本数据集合的总数量，n表示学生的总数量，p_n+1,j表示不同于上述n个学生的另外一个新学生的历史学习数据被划分到第j个样本数据集合的概率，表示梯度运算符号。