CN118193701B 基于知识追踪和知识图谱的个性化智能答疑方法及装置 （湖南师范大学）

基于知识追踪和知识图谱的个性化智能答本发明实施例公开了一种基于知识追踪和设的学习资源数据库中获取与问题相关的相关的个性化信息分别对相关学习资源和回答文本例能够精准地评估学生的知识点掌握情况与学2从所述问题文本中提取主题实体集合，从预设的知识图谱中检索各所述根据所述检索知识点集合从预设的学习资源数据库中获取与问题相关的相关学习资生所选择的课程以及对应的答题数据获取学生的认知状态，并保存至学生信息数据库中；根据各学生的行为数据基于学习风格理论应用K_means聚类算法将学生划分为多个类别，通过知识追踪模型评估学生的学习状态，其中知识追踪模型采用DKT应用循环神经网从学生信息数据库中获取学生的历史答题数据，与所述答题数据拼应用深度知识追踪模型对所述完整答题数据进行处理，获取学生将所述知识点掌握情况和所述完整答题数据存入所述学生信息根据所述相关文本和所述嵌入向量对所述学习资源进行知识应用BiLSTM模型对各字词的所述词向量进行处理，得到所述句3根据各字词在所有标签上的概率应用CRF模型预测所述句子的最优标签序列；5.根据权利要求1所述的方法，其特征在于，所述从所述问题文本中提取主题实体集从知识图谱中检索各所述主题实体，获取检索到的各所述主题实体存在的对于任一关系，基于配置文档中与所述关系对应的回答模板根据从学生信息数据库中获取的学生的个性化信息，计算学生对所述相关学习资源中从学生信息数据库中获取的学生的知识点掌握情况计算学习对所述相关学习资源中获取所述相关学习资源中各资源与问题文本的第一匹对所述第一兴趣度、所述掌握情况评分以及所述第一匹根据学生的个性化信息，获取学生对回答文本的第二兴趣度以文本的第二匹配程度评分，并对所述第二兴趣度和所述第二匹配程度评分进行加权求和，根据所述学习资源评分和所述回答文本评分从高到低对所述相关学习资源和所述回个性化答疑模块，用于根据所述检索知识点集合从预设的所述问题分析模块在所述获取学生的问题文本，并获取所述问题文本的检学生信息数据库中；根据各学生的行为数据基于学习风格理论应用K_means聚类算法将学4量存储至学习资源数据库中；根据所述相关文本应用BERT_BiLSTM_CRF模型提取包括头实通过知识追踪模型评估学生的学习状态，其中知识追踪模型采用DKT应用循环神经网8.一种电子设备，包括存储器、处理器及存储机程序，其特征是，所述处理器执行所述程序时实现如权利要求1_6中任意一项所述的方执行指令使处理器执行如权利要求1_6中5[0002]面对复杂多样的课程内容，学生在学习过程中常常会遇到各种各样的问题与困[0003]公开号为CN108846104A的专利公开了一种基于教育知识图谱的问答分析与处理[0004]可见，现有的面向教育领域的答疑方法通常仅考虑问题6息数据库中；根据各学生的行为数据基于学习风格理论应用K_means聚类算法将学生划分至学习资源数据库中；根据所述相关文本应用BERT_BiLSTM_CRF模型提取包括头实体、关[0008]可选的，所述根据学生所选择的课程以及对应的答题数据所述相关文本和所述嵌入向量对所述学习资源进行[0010]可选的，所述根据所述相关文本应用BERT_BiLSTM_CRF模型提取包括头实体、关模型获取所述句子中各字词的词向量；应用BiLSTM模型对各字词的所述词向量进行处理，算各字词在所有标签上的概率；根据各字词在所有标签上的概率应用CRF模型预测所述句资源评分和所述回答文本评分从高到低对所述相关学习资源和所述回答文本进行排序并7[0013]基于同一发明构思，提供了一种基于知识追踪和知识图谱的个性化智能答疑装[0016]本发明实施例通过获取学生的问题文本，并获取所述问题文本的检索知识点集[0019]图1示出了本发明实施例提供的基于知识追踪和知识图谱的个性化智能答疑装置[0020]图2示出了本发明实施例提供的基于知识追踪和知识图谱的个性化智能答疑方法8[0023]图1示出了本发明实施例提供的基于知识追踪和知识图谱的个性化智能答疑装置9[0039](4)课程文档采集：模块根据配置文档的内容，从教学资源库中采集课程文档资这些资源会被传递给学习资源处理模块进行丰富信息。本发明实施例的学习资源处理模块应用BERT模型来嵌入学习资源的相关文本。ei为使用BERT模型嵌入wi得到的词向量。长短期记忆(LongSho[0053]最后根据句子t的预测得到的最优标签序列，从句子文本中提取出知识图谱的三[0057]回答生成模块接收从问题分析模块传递过来的问题文本W与检索知识点集合，使合与检索知识点集合传递给个性化答疑模块进行后浏览过的学习资源集合中的学习资源，分子是类别为ci且任一相关学习资源rn与学习资源i)为：[0066]个性化答疑模块从学生信息数据[0069]本发明实施例使用学习资源的嵌入向量集合中的向量与问题文本的嵌入向量的[0071]其中，为任一相关学习资源rn的嵌入向量集合，其中[0072]对所述第一兴趣度、所述掌握情况评分以及所述第一匹配程度评分进行加权求[0083]本发明实施例的基于知识追踪和知识图谱的个性化智能答疑装置根据学生所选发明实施例时可以把各模块的功能在同一个或多[0085]图2示出了本发明实施例提供的基于知识追踪和知识图谱的个性化智能答疑方法[0089]最后进行知识图谱构建时，根据所述相关文本应用BERT_BiLSTM_CRF模型提取包[0094]步骤S13：根据所述检索知识点集合从预设的学习资源数据库中获取与问题相关数据库中获取的学生的知识点掌握情况计算学习对所述相关学习资源中各资源的掌握情学生信息数据库中获取的学生的个性化信息分别对所述相关学习资源和所述回答文本进动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，[0103]图3示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图，该设备[0105]存储器302可以采用ROM(ReadOnlyMemory，只读存储器)、RAM(Random[0107]通信接口304用于连接通信模块(图中未示出)，以实现本设备与其他设备的