[发明专利]一种基于基础教育知识图谱个性化语义推荐方法

权利要求书

1.一种基于基础教育知识图谱个性化语义推荐方法，其特征在于，所述的方法包括以下步骤：

S1.对初中教材信息中的知识点构建初中数学知识图谱，其中节点表示知识点，各知识点以实例形式存在；边表示知识点在领域知识本体中构建的映射信息，边上标识的数值为关系权重；

S2.依据映射信息的类型及其关系权重，应用word1vec对映射前后的知识点进行语义关联并形成语义三元组；

S3.通过OWL工具将语义三元组写成owl文件，利用jena实现owl文件在java中的解析，并形成推理规则，然后将根据推理规则推理后的数据集持久化存储到数据库中。

S4.将存储到数据库中的数据集载入卷积神经网络模型中进行训练，确定卷积神经网络模型的参数，并在精度和收敛次数之间进行调优，得到训练好的卷积神经网络模型；

S5.对于用户输入的知识点数据通过训练好的卷积神经网络模型进行部署，计算Jaccard系数J_c(x,y)并作为语义相似度，用来表征用户输入的知识点数据与训练好的卷积神经网络模型对应的数据集之间的相似程度；

S6.根据Jaccard系数J_c(x,y)计算Jaccard距离L_Jaccard；

S7.根据语义相似度大小排序得到语义相似度列表，并按照语义相似度列表将对应的排序高的数据集所映射的知识点推荐给用户。

2.根据权利要求1所述的一种基于基础教育知识图谱个性化语义推荐方法，其特征在于，步骤S1包括以下分步骤：

S11.对初中教材信息中的知识点进行知识抽取并获取知识点实体；

S12.对各知识点实体依据父子关系和兄弟关系构建具有层级关系的知识点总图；

S13.利用protégé对知识点总图进行领域知识本体的构建，并对知识点总图的各层级节点处定义概念类和对象属性，得到所有概念类和对象属性的关系图；

S14.提取各知识点实体之间的映射信息作为知识点实体的推理规则，包括包含关系、学习顺序关系、参考关系和兄弟关系；

S15.为不同类型的映射信息定义相应的权值以构成各知识点之间的关系权重；

S16.对知识点权值进行理论计算；

S17.基于领域知识本体构建初中数学知识图谱。

3.根据权利要求2所述的一种基于基础教育知识图谱个性化语义推荐方法，其特征在于，步骤S14中，

所述包含关系，用于表示学习过程中各知识点的上下位蕴含关系；

所述学习顺序关系，用于表示学习过程中各知识点的前后依赖关系；

所述参考关系，用于表示学习过程中各知识点的促进理解关系；

所述兄弟关系，用于表示学习过程中具有同一父知识点的多个知识点。

4.根据权利要求1所述的一种基于基础教育知识图谱个性化语义推荐方法，其特征在于，步骤S16中，对某个知识点j,知识点权值的理论计算公式为：

式(1)中，表示用户对知识点j需要提高的权值，表示用户对已学知识点j的感兴趣程度，表示用户对已学知识点j的学习资源掌握程度，

α和β是调节因子，α、β∈[0,1]，用以调节各部分的权重比例，调节因子根据系统功能确定，其值与对应部分的模糊度成反相关。

5.根据权利要求4所述的一种基于基础教育知识图谱个性化语义推荐方法，其特征在于，的计算公式为：

式(2)中，totalscore_j表示所测试知识点j的题目数量；currentscore_j表示答对知识点j的题目数量。

6.根据权利要求4所述的一种基于基础教育知识图谱个性化语义推荐方法，其特征在于，的计算公式为：

式(3)中，learn_j表示所学习知识点j的资料数量，total_learn表示已学所有知识点的资料总数。