[发明专利]一种辅导意图的识别方法和基于辅导意图的个性化辅导方法

权利要求书

1.一种辅导意图的识别方法，其特征在于，包括以下步骤:

S1.将用户提问数据进行预处理，基于关键词列表，构建面向辅导意图的文本表征；

S2.利用层级神经网络结构模型获取用户提问数据的潜在语义向量；

S3.基于潜在语义向量，利用多任务学习模型，进行辅导意图识别。

2.根据权利要求1所述的辅导意图识别方法，其特征在于，所述关键词列表的构建方法包括：

采用词频统计方法，结合专家教师经验，获取提问数据中的学科概念信息、关系词和技能词信息，进而构建提问数据关键信息列表。

3.根据权利要求2所述的辅导意图识别方法，其特征在于，学科概念信息为提问数据中的核心概念，关系词为描述两个实体之间的关系的词，技能词为动词，包括但不限于计算、画出、描述和选择。

4.根据权利要求1所述的方法，其特征在于，所述步骤S2中，利用层级神经网络结构模型获取用户提问数据的潜在语义向量包括：

S21.底层网络负责对用户提问数据进行语义解析；

S22.上层网络负责结合历史数据，生成用户提问数据的潜在语义向量。

5.根据权利要求4所述的方法，其特征在于，所述底层网络为BERT模型，所述上层网络为双层LSTM模型。

6.根据权利要求1所述的方法，其特征在于，所述步骤S3中，所述辅导意图包括障碍类型、学科概念和学习能力层级三个维度。

7.根据权利要求1所述的方法，其特征在于，所述步骤S3中，所述障碍类型维度包括：面向学科概念的辅导和面向题目的辅导；所述学科概念维度包括用户提问数据涉及的学科知识；所述学习能力维度包括从用户提问数据识别出的学习能力层级。

8.根据权利要求7所述的方法，其特征在于，学习能力定义为：A学习理解，B应用实践，C迁移创新，再根据不同的学科具体定义层级。

9.根据权利要求7所述的方法，其特征在于，所述多任务学习模型包括三个MLP网络，用于辅导意图的识别，所述多任务学习模型的训练方法包括：基于生成的潜在语义向量，进行三个维度数据的同时训练，进而得到表征不同维度信息的MLP网络。

10.一种基于权利要求1-9所述任一方法的个性化辅导方法，其特征在于，还包括：

S4.根据辅导意图和提问数据，向用户提供个性化辅导。