[发明专利]基于知识追踪的在线学习内容推荐方法及系统

说明书

本发明公开了基于知识追踪的在线学习内容推荐方法及系统，其中方法包括：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。优化了预测的结果，加快了模型的收敛速度，能够更好地根据预测结果个性化的指导学生学习。

技术领域

本发明涉及教育数据挖掘技术领域，特别是涉及基于知识追踪的在线学习内容推荐方法及系统。

背景技术

本部分的陈述仅仅是提到了与本发明相关的背景技术，并不必然构成现有技术。

随着近年来科学技术的飞速发展，信息技术在教育领域的高度普及，教育工具和学习方式发生了巨大的变化，大规模在线开放课程(Massive Open Online Courses)等在线学习方式已成为普遍现象，当下在线教育取得了和传统式学习一样的效果，并且逐渐成为一种流行的学习方式。不过在线学习课程缺乏对不同学生的知识状态建模能力，容易造成学生学习内容的僵化。

知识追踪是个性化导学的主要研究方向之一，知识追踪能够根据学生过去的学习记录来自动的追踪下一时间段内学生学习状态的变化，然后就可以预测学生在未来应该学习的知识点。知识追踪在教育领域的广泛应用中具有基础性的重要性，在MOOCs、智能辅导系统、教育游戏和学习管理系统等应用都很广泛。现有的解决知识追踪的方法主要有基于贝叶斯网络和基于深度学习的方法，不过这些方法模型普遍存在一些不足：(1)只用一种隐藏状态来表示一种知识状态，并不能捕捉到一个练习序列中的长期依赖关系(2)知识演化模型不明确，限制了它们表示学习概念之间相关性的能力。

发明人发现，现有的学习辅导软件，存在学习内容推荐不合理的情况，例如：给没有掌握知识点的同学推荐难易系数较高的题目，给已经掌握知识点的同学反复推荐同一个知识点下难易系数较低的题目，或者推荐的新知识点没有综合考虑学生的已有知识点储备情况。

发明内容

为了解决现有技术的不足，本发明提供了基于知识追踪的在线学习内容推荐方法及系统；提出了基于图嵌入和多层注意力机制的知识追踪方法及系统，在使用图嵌入(Graph Embedding)的基础上结合多层注意力机制构建知识追踪模型，优化了预测的结果，加快了模型的收敛速度，能够更好地根据预测结果个性化的指导学生学习。

第一方面，本发明提供了基于知识追踪的在线学习内容推荐方法；

基于知识追踪的在线学习内容推荐方法，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。

第二方面，本发明提供了基于知识追踪的在线学习内容推荐系统；

基于知识追踪的在线学习内容推荐系统，包括：

获取模块，其被配置为：获取在线学习过程中得到的做题序列构成一个图结构；

图嵌入模块，其被配置为：对所述图结构进行图嵌入，得到题目的嵌入；

编码模块，其被配置为：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；