教育智能机器人控制方法、设备及介质技术

本申请公开了教育智能机器人控制方法、设备及介质，所述教育智能机器人控制方法包括：获取目标用户的实时学习画像以及各待学习知识点对应的待学习知识点信息；依据所述实时学习画像和各所述待学习知识点信息，分别预测所述目标用户与各所述待学习知识点之间的学习匹配度；依据各所述学习匹配度，在各所述待学习知识点中筛选各待选取知识点；根据所述目标用户的学习习惯特征和各所述待选取知识点对应的知识点学习特征，在各所述待选取知识点中选取目标学习知识点；控制教育智能机器人向所述目标用户推荐所述目标学习知识点。本申请解决了现有技术中教育智能机器人辅助学习效果差的技术问题。差的技术问题。差的技术问题。

【技术实现步骤摘要】
教育智能机器人控制方法、设备及介质


[0001]本申请涉及人工智能
，尤其涉及一种教育智能机器人控制方法、设备及介质。

技术介绍

[0002]随着人工智能的不断发展，人工智能的应用也越来越广泛，目前，教育智能机器人在辅助用户进行学习时，通常是由用户自主去选择知识点进行学习，但是对于一些年龄较小的用户，通常没有能力来规划自己的学习计划，对于自身需要学习什么知识点的需求并不明确，从而影响教育智能机器人辅助学习的效果。

技术实现思路

[0003]本申请的主要目的在于提供一种教育智能机器人控制方法、设备及介质，旨在解决现有技术中教育智能机器人辅助学习效果差的技术问题。
[0004]为实现上述目的，本申请提供一种教育智能机器人控制方法，所述教育智能机器人控制方法包括：获取目标用户的实时学习画像以及各待学习知识点对应的待学习知识点信息；依据所述实时学习画像和各所述待学习知识点信息，分别预测所述目标用户与各所述待学习知识点之间的学习匹配度；依据各所述学习匹配度，在各所述待学习知识点中筛选各待选取知识点；根据所述目标用户的学习习惯特征和各所述待选取知识点对应的知识点学习特征，在各所述待选取知识点中选取目标学习知识点；控制教育智能机器人向所述目标用户推荐所述目标学习知识点。
[0005]本申请还提供一种教育智能机器人控制装置，所述装置为虚拟装置，所述教育智能机器人控制装置包括：获取模块，用于获取目标用户的实时学习画像以及各待学习知识点对应的待学习知识点信息；预测模块，用于依据所述实时学习画像和各所述待学习知识点信息，分别预测所述目标用户与各所述待学习知识点之间的学习匹配度；第一筛选模块，用于依据各所述学习匹配度，在各所述待学习知识点中筛选各待选取知识点；第二筛选模块，用于根据所述目标用户的学习习惯特征和各所述待选取知识点对应的知识点学习特征，在各所述待选取知识点中选取目标学习知识点；推荐模块，用于控制教育智能机器人向所述目标用户推荐所述目标学习知识点。
[0006]本申请还提供一种电子设备，所述电子设备包括：存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的所述教育智能机器人控制方法的程序，所述教育智能机器人控制方法的程序被处理器执行时可实现如上述的教育智能机器人控制方法的步骤。
[0007]本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有实现教育智能机器人控制方法的程序，所述教育智能机器人控制方法的程序被处理器执行时实现如上述的教育智能机器人控制方法的步骤。
[0008]本申请还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述的教育智能机器人控制方法的步骤。
[0009]本申请提供了一种教育智能机器人控制方法、设备及介质，相比于现有技术中采用的由用户自主去选择知识点进行学习的技术手段，本申请获取目标用户的实时学习画像以及各待学习知识点对应的待学习知识点信息；依据所述实时学习画像和各所述待学习知识点信息，分别预测所述目标用户与各所述待学习知识点之间的学习匹配度；依据各所述学习匹配度，在各所述待学习知识点中筛选各待选取知识点；根据所述目标用户的学习习惯特征和各所述待选取知识点对应的知识点学习特征，在各所述待选取知识点中选取目标学习知识点，可依据用户的实时学习画像与待学习知识点的待学习知识点信息以及用户的学习习惯，为用户自动筛选当前最适合学习的目标学习知识点，从而可控制教育智能机器人向所述目标用户推荐所述目标学习知识点，实现了为用户自动推荐相适配的学习知识点的目的，克服了现有技术中对于一些年龄较小的用户，通常没有能力来规划自己的学习计划，对于自身需要学习什么知识点的需求并不明确，从而影响教育智能机器人辅助学习的效果的技术缺陷，提升了教育智能机器人的辅助学习效果。
附图说明
[0010]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
[0011]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0012]图1为本申请教育智能机器人控制方法第一实施例的流程示意图；图2为本申请教育智能机器人控制方法第二实施例的流程示意图；图3为本申请实施例中教育智能机器人控制方法涉及的硬件运行环境的设备结构示意图。
[0013]本申请目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0014]为使本申请的上述目的、特征和优点能够更加明显易懂，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其它实施例，均属于本申请保护的范围。
[0015]实施例一本申请实施例提供一种教育智能机器人控制方法，在本申请教育智能机器人控制方法的第一实施例中，参照图1，所述教育智能机器人控制方法包括：
步骤S10，获取目标用户的实时学习画像以及各待学习知识点对应的待学习知识点信息；步骤S20，依据所述实时学习画像和各所述待学习知识点信息，分别预测所述目标用户与各所述待学习知识点之间的学习匹配度；步骤S30，依据各所述学习匹配度，在各所述待学习知识点中筛选各待选取知识点；步骤S40，根据所述目标用户的学习习惯特征和各所述待选取知识点对应的知识点学习特征，在各所述待选取知识点中选取目标学习知识点；步骤S50，控制教育智能机器人向所述目标用户推荐所述目标学习知识点。
[0016]在本实施例中，需要说明的是，所述实时学习画像可以为实时学习画像矩阵，由所述目标用户已经学习过的各知识点对应的知识点信息组成，其中，所述知识点信息包括用户学习次数、用户学习花费时长，以及该知识点与其他知识点之间的关联程度组成，例如假设存在知识点A，B，C，用户学习过知识点A，且用户学习次数为a，用户学习花费时长为b，A与B的关联程度为i，A与C的关联程度为j，则知识点A对应的知识点信息为向量（a，b，i，j）。所述待学习知识点信息可以为待学习知识点信息向量，由用户所需学习次数、用户所需学习时长，以及待学习知识点与其他知识点之间的关联程度组成，其中，所述用户所需学习次数为用户学习好所述待选取知识点所需的学习次数，所述用户所需学习时长为用户学习好所述待选取知识点所需的学习时长。
[0017]作为一种示例，步骤S10至步骤S50包括：获取目标用户的实时学习画像矩阵以及各待学习知识点对应的待学习知识点信息向量；将各所述待学习知识点信息分别与所述实时学习画像矩阵进行拼接，得到各学习后画像矩阵；通过将所述学习后画像矩阵输入预设学习匹配度检测模型，将所述学习后画像矩阵映射为对应的学习匹配度；依据各所述学习匹配度，则各所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种教育智能机器人控制方法，其特征在于，所述教育智能机器人控制方法包括：获取目标用户的实时学习画像以及各待学习知识点对应的待学习知识点信息；依据所述实时学习画像和各所述待学习知识点信息，分别预测所述目标用户与各所述待学习知识点之间的学习匹配度；依据各所述学习匹配度，在各所述待学习知识点中筛选各待选取知识点；根据所述目标用户的学习习惯特征和各所述待选取知识点对应的知识点学习特征，在各所述待选取知识点中选取目标学习知识点；控制教育智能机器人向所述目标用户推荐所述目标学习知识点。2.如权利要求1所述教育智能机器人控制方法，其特征在于，所述依据所述实时学习画像和各所述待学习知识点信息，分别预测所述目标用户与各所述待学习知识点之间的学习匹配度的步骤包括：依据预设第一特征提取模型，对所述实时学习画像进行特征提取，得到学习画像嵌入特征；依据预设第二特征提取模型，对各所述待学习知识点信息进行特征提取，得到各知识点嵌入特征；分别计算所述学习画像嵌入特征和各所述知识点嵌入特征之间的相似度，得到各所述学习匹配度。3.如权利要求2所述教育智能机器人控制方法，其特征在于，在所述依据预设第二特征提取模型，对各所述待学习知识点信息进行特征提取，得到各知识点嵌入特征的步骤之前，所述教育智能机器人控制方法还包括：获取至少一个训练学习画像、至少一个训练待学习知识点信息，其中，各所述训练学习画像和各所述训练待学习知识点信息两两之间存在预设学习匹配度；依据待训练第一特征提取模型，分别对各所述训练学习画像进行特征提取，得到各训练学习画像嵌入特征；依据待训练第二特征提取模型，分别对各所述训练待学习知识点信息进行特征提取，得到各训练知识点嵌入特征；依据各所述预设学习匹配度、各所述训练学习画像嵌入特征和各所述训练知识点嵌入特征，对所述待训练第一特征提取模型和所述待训练第二特征提取模型进行迭代训练更新，得到所述预设第一特征提取模型和所述预设第二特征提取模型。4.如权利要求3所述教育智能机器人控制方法，其特征在于，所述依据各所述预设学习匹配度、各所述训练学习画像嵌入特征和各所述训练知识点嵌入特征，对所述待训练第一特征提取模型和所述待训练第二特征提取模型进行迭代训练更新，得到所述预设第一特征提取模型和所述预设第二特征提取模型的步骤包括:依据各所述预设学习匹配度，在各所述训练知识点嵌入特征中选取每一所述训练学习画像嵌入特征对应的第一正样本特征和对应的第一负样本特征；依据各所述预设学习匹配度，在各所述训练学习画像嵌入特征中选取每一所述训练知识点嵌入特征对应的第二正样本特征和对应的第二负样本特征；依据各所述训练学习画像嵌入特征、各所述第一正样本特征和各所述第一负样本特征，构建第一对比学习总损失；
依据各所述训练知识点嵌入特征、各所述第二正样本特征和各所述第二负样本特征...

【专利技术属性】
技术研发人员：谌世凤，马莉，毕宏博，林海洋，周佳庆，周春大，林进玉，
申请(专利权)人：风林科技深圳有限公司，
类型：发明
国别省市：