[发明专利]学习路线的动态规划方法及装置

权利要求书

1.一种学习路线的动态规划方法，其特征在于，包括：

对学生的历史学习历程、知识点掌握程度、学习能力进行综合评估；

依据知识图谱，以及综合评估结果，向学生推荐最优学习路径；

由预先训练的AI教师模块给出学生对考试题目的掌握情况概率分布的预测；

根据预测结果向学生推荐合适的课后练习题。

2.根据权利要求1所述的学习路线的动态规划方法，其特征在于，对学生的历史学习历程进行综合评估，包括：

对单个学生的学习行为数据进行收集和结构化；以及

对学生学习过程中出现的异常数据进行修正。

3.根据权利要求1所述的学习路线的动态规划方法，其特征在于，对学生的知识点掌握程度进行综合评估，包括：

利用深度学习理论，进行深度学习多层网络的构建；

根据学生的历史学习行为，利用深度学习多层网络挖掘学生对每一个知识点的掌握程度和熟练度。

4.根据权利要求1所述的学习路线的动态规划方法，其特征在于，对学生的学习能力进行综合评估，包括：

对学生对知识点的掌握程度、课后习题的做题内容、学生的爱好、学生的生活习惯以及对英语主题感兴趣程度进行全方面评估。

5.根据权利要求1所述的学习路线的动态规划方法，其特征在于，依据知识图谱，以及综合评估结果，向学生推荐最优学习路径，包括：

根据对历史学习历程、知识点掌握程度、学习能力的综合评估结果进行决策，获取推荐的最优学习路径。

6.根据权利要求1所述的学习路线的动态规划方法，其特征在于，对AI教师模块的预先训练操作，包括：

将学生的做题记录和题目的题干文本内容作为基础，采用自然语言技术对题干进行编码，作为模型对题干文本内容的理解；

将题目涉及的知识点进行编码，作为算法模型对不同知识点的理解程度分析；

对每一个学生的学习状态和不同知识点的掌握程度进行编码，为学生进行个性化最优学习路径的学习提供基础条件。

7.根据权利要求1所述的学习路线的动态规划方法，其特征在于，根据预测结果向学生推荐合适的课后练习题，包括：

将基于学生的学习表现，预测学生未来对不同知识点下的不同题目的掌握情况，然后基于对题目的概率预测结果，使用层次聚类算法和决策算法进行难度等级划分；

老师每节课讲授的知识点范围、授课内容等内容进行融合，综合前面对学生的能力评估和最优路径定制结果，将部分题目剔除；

采用决策树算法并按照课后习题的规范，做出最后环节的出题决策；

根据出题决策结果，给出课后练习题。

8.根据权利要求7所述的学习路线的动态规划方法，其特征在于，难度等级划分包括：超级简单、简单、中等、难度、超级难度。

9.根据权利要求8所述的学习路线的动态规划方法，其特征在于，被提出的题目包括：超级简单及超级难度的题目。

10.一种学习路线的动态规划装置，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现根据权利要求1至9任意一项所述的学习路线的动态规划方法。