[发明专利]一种向学习者推荐学习路径的方法及电子设备

权利要求书

1.一种向学习者推荐学习路径的方法，其特征在于，包括：

获取学习者对各个教学视频进行观看的时长信息，并基于所述时长信息生成第一信息矩阵；所述第一信息矩阵用于表征学习者在学习时长方面对所述各个教学视频的观看程度；

基于所述第一信息矩阵，利用一改进型DINA认知诊断模型获取学习者对各项知识点的掌握程度；所述改进型DINA认知诊断模型中，预设有所述各个教学视频对所述各项知识点的包含关系，且所述改进型DINA认知诊断模型将学习者对单项知识点的掌握程度处理为0～1之间的概率值；

根据学习者对所述各项知识点的掌握程度、所述各项知识点间的相似性以及所述各项知识点的先后继关系，向学习者推荐学习路径。

2.根据权利要求1所述的方法，其特征在于，所述相似性是对知识点的语义相似性以及知识点被广大学习者学习的情况相似性进行融合处理得到的。

3.根据权利要求2所述的方法，其特征在于，所述知识点语义相似性是使用TransR模型将知识点嵌入为一维向量后，通过计算一维向量间的相似度得到的。

4.根据权利要求3所述的方法，其特征在于，使用TransR模型将知识点嵌入为一维向量的方式包括：

基于预设的知识图谱中定义的实体以及实体间的关系，使用d2rq工具将教学数据库转换为RDF数据；其中，所述知识图谱中定义的实体包括：知识点、课程、学校、教师以及领域；所述实体间的关系包括：领域与课程的关系、课程与知识点的关系、学校与课程的关系、领域与知识点的关系、教师与课程的关系，以及学校与教师的关系；

将所述RDF数据输入至TransR模型，以使所述TransR模型输出每个所述实体对应的一维向量以及每对实体间的关系对应的一维向量。

5.根据权利要求2所述的方法，其特征在于，知识点被广大学习者学习的情况相似性是基于协同过滤算法计算得到的。

6.根据权利要求1所述的方法，其特征在于，基于所述第一信息矩阵，利用一改进型DINA认知诊断模型获取学习者对各项知识点的掌握程度，包括：

使用EM算法最大化第一建模公式的边缘似然，得到广大学习者已掌握教学视频中的知识点、但未看完教学视频的第一概率，以及广大学习者已看完教学视频、但未掌握教学视频中的知识点的第二概率；

基于所述第一信息矩阵、所述第一概率以及所述第二概率，使用第二建模公式计算学习者对各项知识点的掌握程度；

其中，所述第一建模公式为：

其中，q_v为表征所述包含关系的第二信息矩阵Q_V×K的第v∈[1,V]行元素构成的向量，V为所述各个教学视频的总数，K为所述各项知识点的总数，q_v中为0的元素表示第v个教学视频包含该元素对应的知识点，为1的元素表示第v个教学视频不包含该元素对应的知识点；s_v为U个学习者针对第v个教学视频的所述第一概率组成的向量，g_v为U个学习者针对第v个教学视频的所述第二概率组成的向量，U为学习者的总数；r_uv为所述第一信息矩阵R_U×V中位于第u∈[1,U]行、第v∈[1,V]列的元素，r_uv的数值等于第u个学习者观看第v个教学视频的时长与第v个视频的总时长的比值；α_u＝{α_u1,α_u2,......,α_uK}是表示第u个学习者对K个知识点是否掌握的二值化向量，α_u中为1的元素表示第u个学习者已掌握该元素对应的知识点，为0的元素表示第u个学习者未掌握该元素对应的知识点；P(r_uv＝1|α_u)表示第u个学习者在已知α_u的条件下看过第v个视频的概率；上标T表示矩阵转置；η_uv表示第u个学习者对第v个视频的潜在观看进度；

所述第二建模公式为：

其中，表示第u个学习者对第k个知识点的掌握程度，为一概率值；为通过EM算法得到的上述s_v的估计值，为通过EM算法得到的上述g_v的估计值；R_u为R_U×V的第u行元素构成的向量；α_x为α_u的2^K种取值中的第x种；所述2^K种取值中，第x＝[x₁,x₂,x₃,…,x_M]种取值的第k个元素等于1；P(α_x)表示α_u＝α_x的先验概率；P(α_x|R_u)表示在已知R_u的条件下α_u＝α_x的后验概率；表示在已知和的条件下，当α_u＝α_x时r_uv的最大似然概率。