[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

说明书

本发明提出一种辅导意图识别方法和基于辅导意图的个性化辅导方法，包括：S1.将用户提问数据进行预处理，基于构建的关键词列表，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解析用户提问数据的潜在语义向量；S3.基于生成的潜在语义向量，利用多任务学习算法，进行辅导意图识别。本发明提供的辅导意图识别基于多任务学习与层级网络模型，能够有效处理在线辅导场景中的辅导意图识别方法对多任务学习算法忽略和历史问答信息考虑不全的问题。

技术领域

本发明涉及智能教育技术领域，尤其涉及一种辅导意图的识别方法和个性化辅导方法。

背景技术

在个性化辅导领域，学习者会将有疑问的问题上传至系统，系统对学习者疑难问题充分解读、理解并智能推送辅导资源，最终达到为学习者进行个性化辅导的目的。可见，辅导意图理解在整个个性化辅导过程中发挥重要作用，便于完善学习者画像、为学习者提供个性化学习资源，减轻学习者认知负荷。

随着教育信息化的逐步推进，数字化学习资源更加丰富，学习者在学习过程中会接收到来自智能终端推送的辅导资源，这些资源一般依据学习者的出错习题与题库习题的相似度，给出相似题目的推送。这种推荐算法并未充分挖掘学习者的辅导意图信息，难免会引发题海战术，给学习者的学习造成更多的负担。因此，如何充分理解辅导意图并基于辅导意图进行个性化辅导，成为当前亟待解决的问题。

发明内容

针对以上问题，本发明提出一种基于多任务学习与层级网络模型的辅导意图识别方法和系统，便于充分挖掘学习者的辅导意图信息。

根据本发明的一个方面，提出一种辅导意图识别方法，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，利用多任务学习算法，进行辅导意图识别；

进一步地，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、关系词和动词信息，进而构建提问数据关键信息列表。

进一步地，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，技能词即动词包括但不限于计算、画出、描述和选择。

进一步地，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。

进一步地，所述底层网络为BERT模型，所述上层网络为双层LSTM模型。

进一步地，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。

进一步地，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。

进一步地，所述步骤S3中，所述障碍类型维度包括：面向学科概念的学习和面向题目的学习；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。

进一步地，学习能力定义为三个维度：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每个维度下的三个不同的层级。

根据本发明另一方面，提出一种个性化辅导方法，其在辅导意图识别的基础上，进一步包括S4.根据辅导意图和提问数据，向用户提供个性化辅导。