[发明专利]基于数据图谱、信息图谱和知识图谱的学习者能力建模与学习过程优化管理系统

摘要

本发明是一种基于数据图谱、信息图谱和知识图谱的学习者能力建模及学习过程优化管理系统开发方法，属于分布式计算和软件工程学技术交叉领域。基于数据图谱、信息图谱和知识图谱对学习者的学习点掌握情况进行建模，从而在数据、信息和知识层面上综合评估学习者的学习能力，并根据学习者的学习进度更新学习者模型，动态管理学习资源和推荐学习路径，为学习者提供个性化的学习推荐服务，做到因材施教。

主权项

基于数据图谱、信息图谱和知识图谱的学习者能力建模与学习过程优化管理系统开发方法，其特征在于对学习者的建模，本发明提出通过数据图谱、信息图谱和知识图谱对学习者进行建模，根据学习者的投入决定对图谱的挖掘从而评估学习者的能力，本发明定义学习者模型为：LM={DA,IL,KR},其中DA表示在数据图谱上学习者所掌握学习点的数量，IL表示在信息图谱上每个结点与其他结点交互的次数，KR表示结点与结点直接进行交互时的具体语义关系类型对学习能力的影响；本发明假定数据图谱上单个学习点对评估学习者能力的影响是相同的，具体步骤在于：步骤 1) 根据学习者在学习过程中浏览的学习资源以及学习行为自动构建学习者模型，对学习者掌握的学习点资源实例进行建模，学习点资源实例包括数据资源、信息资源和知识资源；步骤2) 根据学习者投入确定对步骤1建立的学习者对学习点的掌握情况 模型进行取样遍历；本发明设定基于数据图谱的遍历只考虑数据图谱上学习点的个数，数量越多，学习者的学习能力越强；DA=α∑i=1nkpi]]>     (1)其中 表示在数据图谱上结点数量对学习者能力评估的影响；步骤3) 仅考虑学习者掌握的学习点的数量，不足以准确衡量学习者的学习能力；在信息图谱上评估学习者的学习能力，根据公式2计算：IL=α∑i=1nkpi+β∑i=1nkpi_link]]>     (2)其中 表示在信息图谱上结点之间的交互度对学习者能力评估的影响，kpi_link表示与kpi相连的出边的数量，避免两个结点之间交互次数重复计算；步骤4) 知识图谱表达了结点之间的具体语义关系，不同的关系有不同的权重，表示从先序学习点到掌握后序学习点学习者能力的提高程度，基于知识图谱衡量学习者的学习能力，可根据公式3计算：KR=α∑i=1nkpi+β∑i=1nkpi_link+γ∑i=1nWkpi_rel]]>    (3)步骤5) 根据已有知识体系资源构建有向的学习点知识图谱，通过大数据训练得出学习者群体学习每个知识点所要花费时间和精力的平均水平，即学习投入，作为学习点的权重在图谱上做出标记；步骤 6) 获取学习者预期学习投入（Expected_effort）和学习目标；学习投入是指学习者计划可以为达到学习目标投入的时间和精力，并根据公式7计算预期学习效率Expected_effi，其中Total_know是指目标知识包含的知识点总量：Expected_effi=Total_knowExpected_effort]]>     (7)；步骤7) 在资源处理框架上标记学习者已学知识和目标知识点；步骤8) 依赖于步骤7所得到的结果，遍历图谱找出目标知识点的所有先序结点；步骤9) 将步骤8产生的所有未学知识点，将存在或关系的知识结点按学习该知识点所需学习投入（即权重）进行排序；步骤10) 对于存在涵盖关系的结点，假定结点A涵盖结点B和结点C所含知识，判断结点B和结点C是否都是学习者为达成学习目标所需要的知识；若需要，计算学习结点A和同时学习结点B和结点C所需的时间和精力；若不需要，选择需要时间和精力较少的结点添加到学习路径中；步骤11) 输出完整的学习路径，推荐给学习者；步骤12) 在学习者学习过程中，不断获取学习者的反馈，并监测外部学习环境的变化；步骤13) 根据步骤13得到的结果，根据公式8计算学习者实际学习效率Actual_effi，Got_know表示学习者已学到的学习点，Actual_effort是学习者的实际学习投入，并统计学习者的能力变化，更新学习者模型；根据外部学习环境的变化，更新处理资源框架：Actual_effi=Got_knowActual_effort]]>      (8)；步骤14) 根据步骤13得到的更新后的学习者模型，根据学习者当前学习状况重新规划学习路径。