[发明专利]基于知识追踪的在线学习内容推荐方法及系统

权利要求书

1.基于知识追踪的在线学习内容推荐方法，其特征是，包括：

获取在线学习过程中得到的做题序列构成一个图结构；

对所述图结构进行图嵌入，得到题目的嵌入；

将每个题目作答的间隔时间，编码成跟题目嵌入维度相同的时间间隔的嵌入；

将题目的嵌入和时间间隔的嵌入相结合，然后输入到多层注意力模型中，预测在线学习内容的当前知识点掌握度，并根据当前知识点掌握度推荐当前知识点对应的题目或者推荐下一个关联知识点对应的学习内容。

2.如权利要求1所述的基于知识追踪的在线学习内容推荐方法，其特征是，获取在线学习过程中得到的做题序列构成一个图结构；具体包括：

设置滑动窗口，从历史做题记录中，得到连续做题时间段超过设定时间段的历史做题时间序列；

从滑动窗口选中的历史做题时间序列中，选择每个题目作为节点，将连续两个题目对应的节点之间采用有向边进行连接，根据若干次历史做题记录，计算连续两道题作对的频率，将频率值作为对应有向边的权重，从而得到加权有向图。

3.如权利要求1所述的基于知识追踪的在线学习内容推荐方法，其特征是，对所述图结构进行图嵌入，得到题目的嵌入；具体包括：

根据加权有向图，得到节点序列；

对节点序列，得到初步题目嵌入；

对初步题目嵌入，进行填充，得到最终题目嵌入；

将最终题目嵌入，输入到两层全连接神经网络中，得到最终题目嵌入表示向量。

4.如权利要求3所述的基于知识追踪的在线学习内容推荐方法，其特征是，对初步题目嵌入，进行填充，得到最终题目嵌入；具体包括：

对初步题目嵌入，补充其他类别的题目嵌入，得到最终题目嵌入；

其中，其他类别的题目嵌入，包括：题目所属知识点、做题的反应时间和学生对题目感到无聊的程度。

5.如权利要求1所述的基于知识追踪的在线学习内容推荐方法，其特征是，将每个题目作答的间隔时间，编码成跟题目嵌入维度相同的时间间隔的嵌入；具体包括：

将每个题目作答的间隔时间，使用热编码的方式编码成跟题目嵌入维度相同的时间间隔的嵌入；

将时间间隔的嵌入，输入到两层全连接神经网络中，得到最终时间间隔嵌入表示向量。

6.如权利要求1所述的基于知识追踪的在线学习内容推荐方法，其特征是，将题目的嵌入和时间间隔的嵌入相结合，然后输入到多层注意力模型中，预测在线学习内容的当前知识点掌握度，并根据当前知识点掌握度推荐当前知识点对应的题目或者推荐下一个关联知识点对应的学习内容；具体包括：

将最终题目嵌入表示向量和最终时间间隔嵌入表示向量进行拼接得到问题-时间嵌入；

将问题-时间嵌入输入到多层注意力模型中对模型进行训练，当损失函数值停止降低时，停止训练，得到训练后的多层注意力模型；

并基于训练后的多层注意力模型，预测在线学习内容的当前知识点掌握度，并根据当前知识点掌握度推荐当前知识点对应难易度的题目或者推荐下一个关联知识点对应的学习内容。