【技术实现步骤摘要】
本专利技术涉及人工智能，具体而言，涉及一种应用于奥数学习的定向资源推送方法及系统。
技术介绍
1、奥数学习，作为数学教育的一个重要分支，因其题目的复杂性和解题思路的多样性，一直备受关注。传统的奥数学习主要依赖于纸质教材和教师的讲解，学生需要花费大量时间和精力去理解和掌握各种解题思路。然而，这种学习方式存在诸多局限，如资源获取不便、解题思路单一、学习效率低下等问题。
2、随着人工智能技术的快速发展，其在教育领域的应用也日益广泛。针对奥数学习中的难题，相关奥数学习辅助系统开始尝试利用人工智能技术来辅助解题和学习。然而，现有的奥数学习辅助系统大多只是简单地提供题目和答案，或者是对题目进行一定程度的解析，但往往缺乏针对性的解题思路引导，无法满足学生多样化的学习需求。
3、此外，奥数题目的解答往往涉及多种解题思路，而不同的学生可能对不同的解题思路有不同的偏好和理解能力。因此，如何根据学生的学习特点和需求，为其提供定制化的解题思路引导，成为奥数学习辅助系统亟待解决的问题。
技术实现思路
1、为了至少克服现有技术中的上述不足，本申请实施例的目的在于提供一种应用于奥数学习的定向资源推送方法及系统。
2、根据本申请的一个方面，提供一种应用于奥数学习的定向资源推送方法，所述方法包括：
3、获取目标奥数学习题目的题目表征逻辑向量，所述题目表征逻辑向量反映所述目标奥数学习题目的题目理解逻辑；
4、获取x个定向解题思路模型及所述x个定向解题思路模型
5、依据所述x个定向解题思路模型在所述题目表征逻辑向量及所对应的解题思路引导信息的限制条件下，生成每个解题思路引导信息对应的解题路径特征向量，一个解题路径特征向量包含所述目标奥数学习题目的解答内容特征向量及对应解题思路引导信息所指导的解题思路标签的解题思路特征向量，所述解答内容特征向量是对所述题目表征逻辑向量所表达的题目理解逻辑进行人工智能解题学习生成的，所述解题思路特征向量是对对应解题思路引导信息所指导的解题思路标签的解题思路逻辑进行人工智能解题学习生成的；
6、对所述y个解题思路引导信息对应的解题路径特征向量分别进行解题结果生成，获得所述目标奥数学习题目在y种解题思路标签下的解题路径结果；
7、获取目标用户所配置的目标解题思路标签，并从所述目标奥数学习题目在y种解题思路标签下的解题路径结果中提取所述目标解题思路标签下的目标解题路径结果后，将所述目标解题路径结果作为定向资源推送给所述目标用户。
8、依据本申请实施例的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述三方面的各种可选实现方式中提供的方法。
9、在本申请的一些实施例所提供的技术方案中，本申请实施例通过获取目标奥数学习题目的题目表征逻辑向量，以及多个定向解题思路模型与其对应的解题思路引导信息，实现了对奥数题目的深度理解和多角度解析，依据解题思路模型生成包含题目解答内容及解题思路特征的解题路径特征向量，进而生成多种解题思路标签下的解题路径结果，有效提高了奥数解题的多样性和灵活性。同时，通过获取目标用户配置的目标解题思路标签，并推送相应的解题路径结果，实现了针对用户的个性化资源推送，提升了奥数学习的效率和用户体验。
本文档来自技高网...【技术保护点】
1.一种应用于奥数学习的定向资源推送方法，其特征在于，所述方法包括：
2.根据权利要求1所述的应用于奥数学习的定向资源推送方法，其特征在于，所述X个定向解题思路模型中的任意一个为目标定向解题思路模型，所述目标定向解题思路模型所对应的任意一个解题思路引导信息为目标解题思路引导信息，所述依据所述X个定向解题思路模型在所述题目表征逻辑向量及所对应的解题思路引导信息的限制条件下，生成每个解题思路引导信息对应的解题路径特征向量，包括：
3.根据权利要求2所述的应用于奥数学习的定向资源推送方法，其特征在于，所述目标定向解题思路模型包含顺序连接的用于进行特征推导的Z个解题步骤网络，任意一个解题步骤网络包含并行连接的题目特征推导支路和思路特征推导支路，Z为正整数；
4.根据权利要求3所述的应用于奥数学习的定向资源推送方法，其特征在于，所述依据所述目标定向解题思路模型在所述题目表征逻辑向量的限制条件下，生成所述目标奥数学习题目的题目限定特征向量，包括：
5.根据权利要求3所述的应用于奥数学习的定向资源推送方法，其特征在于，所述依据所述目标定向解题思路
6.根据权利要求5所述的应用于奥数学习的定向资源推送方法，其特征在于，所述第a个解题步骤网络的思路特征推导支路中包含推导调节单元，所述推导调节单元用于调节所述第a个解题步骤网络的思路特征推导支路输出的特征向量、在与所述第a个解题步骤网络的题目特征推导支路输出的特征向量进行交互融合时的粒度值；
7.根据权利要求6所述的应用于奥数学习的定向资源推送方法，其特征在于，所述推导调节单元处于状态切换状态或推导粒度调节状态，所述状态切换状态具有启用状态和禁用状态，所述推导粒度调节状态具有预设的推导粒度参数；
8.根据权利要求2所述的应用于奥数学习的定向资源推送方法，其特征在于，所述题目限定特征向量包括在Q个知识逻辑维度上的Q个题目逻辑分量，所述解题思路限定特征向量包括在所述Q个知识逻辑维度上的Q个思路逻辑分量，Q为正整数；
9.根据权利要求8所述的应用于奥数学习的定向资源推送方法，其特征在于，所述对所述目标定向解题思路模型在所述Q个知识逻辑维度上的合并运算分量和联结分量进行融合处理，生成所述目标解题思路引导信息对应的解题路径特征向量，包括：
10.一种应用于奥数学习的定向资源推送系统，其特征在于，所述应用于奥数学习的定向资源推送系统包括处理器和机器可读存储介质，所述机器可读存储介质中存储有机器可执行指令，所述机器可执行指令由所述处理器加载并执行以实现权利要求1-9中任意一项所述的应用于奥数学习的定向资源推送方法。
...【技术特征摘要】
1.一种应用于奥数学习的定向资源推送方法，其特征在于，所述方法包括：
2.根据权利要求1所述的应用于奥数学习的定向资源推送方法，其特征在于，所述x个定向解题思路模型中的任意一个为目标定向解题思路模型，所述目标定向解题思路模型所对应的任意一个解题思路引导信息为目标解题思路引导信息，所述依据所述x个定向解题思路模型在所述题目表征逻辑向量及所对应的解题思路引导信息的限制条件下，生成每个解题思路引导信息对应的解题路径特征向量，包括：
3.根据权利要求2所述的应用于奥数学习的定向资源推送方法，其特征在于，所述目标定向解题思路模型包含顺序连接的用于进行特征推导的z个解题步骤网络，任意一个解题步骤网络包含并行连接的题目特征推导支路和思路特征推导支路，z为正整数；
4.根据权利要求3所述的应用于奥数学习的定向资源推送方法，其特征在于，所述依据所述目标定向解题思路模型在所述题目表征逻辑向量的限制条件下，生成所述目标奥数学习题目的题目限定特征向量，包括：
5.根据权利要求3所述的应用于奥数学习的定向资源推送方法，其特征在于，所述依据所述目标定向解题思路模型在所述目标解题思路引导信息的限制条件下，生成所述目标奥数学习题目的解题思路限定特征向量，包括：
6.根据权利要求5所述的应用于奥数学习的定向资源推送方法，其特征在于，所述第a个解...
【专利技术属性】
技术研发人员：刘陈杰，刘元翕，刘景文，
申请(专利权)人：北京伯仲汇智科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。