【技术实现步骤摘要】
本专利技术涉及智能教育，特别涉及一种支持差异化的教育知识图谱构建方法、系统、介质及装置。
技术介绍
1、随着我国数字化进程不断加速发展，在线教育技术也得到了越来越广泛的应用，目前学术社交网络以及慕课等教育平台获得了大量的学术教育资源，学习者在解除了严格的时间以及地点限制之后可以通过各个平台随时获得各种需要的学习资源。因此为了更好地提高学习者的学习效果，针对各学习者的各属性构建知识图谱并用于教育推荐系统上是十分有必要的。
2、目前的相关研究大多根据学习者的认知水平、学习风格、学习倾向等特征判断学习者和学习资源的适配程度高低，并根据相应的规则对学习资源进行排序及路径推荐，但未对学习者历史数据、知识点之间的关系等信息加以利用，生成的学习路径可能存在违反知识点之间内在逻辑、无法匹配学习者不断变化的知识水平等弊端。
3、知识图谱是一个通过实体、实体属性和实体关系链接而成的巨大网状知识库。将学习者已掌握的知识点集合、目标知识点以及历史交互学习序列，再从各教育资源中收集其涉及的各种知识点及其属性整合起来并建立知识图谱，以便更好的针对不同的学习者更好地推荐学习内容。现有知识图谱推荐模型随机采样选择邻域存在容易导致推荐结果不恰当、学习者并不能很好地利用线上学习资源的缺点，因此提出一种支持学习者差异化的教育知识图谱更好地进行学习资源的推荐是十分有必要的。
技术实现思路
1、本专利技术的目的在于克服现有技术中的上述缺陷，提供一种差异化的教育知识图谱构建方法，本专利技术首先根据学习
2、为实现上述目的，本专利技术提供了一种差异化的教育知识图谱构建方法，包括：
3、s1:采集学习者信息以及知识点信息，构建知识点知识图谱；
4、s2:对知识点知识图谱中的知识点以及知识点间的复杂关系进行预测和补全；
5、s3:确定知识点知识图谱中的各个知识点的中心度；
6、s4:根据学习者的历史作答数据计算学习者的知识点习得概率；
7、s5:通过知识点的中心度和知识点习得概率值综合计算得各个知识点的重要度，根据重要度优化用户学习路径，得到最小权重的学习路径，并以该最短路径构建用户的教育知识图谱。
8、进一步的，所述s1中的知识点知识图谱采用transr模型对知识点实体和知识点实体间的复杂关系进行预测和补全；
9、其中上述的ttansr模型为：
10、首先，对知识点以及知识之间的关系进行编码，将其映射到整数索引，构建知识点之间的关系图谱即知识图谱三元组(h，r，t)，(h，r，t)分别表示头知识点、关系以及尾知识点，映射关系为h，t∈z|e|和r∈z|r|，其中|e|表示知识点的数量，|r|表示关系的数量，z为整数索引集合；
11、接着定义并随机初始化知识点向量关系向量和投影矩阵其中de和dr分别表示实体向量和关系向量的维度；
12、对于每个关系，使用投影矩阵mr，将头知识点向量、尾知识点向量以及关系向量投影到同一个关系空间,并优化参数使得投影后的头知识点向量加上投影后的关系向量在同一个关系空间中的更接近于尾知识点向量。
13、进一步的，所述将头知识点向量、尾知识点向量以及关系向量投影到同一个关系空间,分别表示为hr和tr，其中hr＝hmr和tr＝tmr；投影后的头知识点向量加上投影后的关系向量在同一个关系空间中的应该更接近于尾知识点向量，通过以下公式计算其好坏：
14、fr(h,r,t)＝|hr+r-tr|
15、为了使得真实关系得分尽可能高，不存在的关系得分尽可能低，提高模型的准确性，所以模型的损失函数设置为：
16、
17、其中是正样本三元组集合，是负样本三元组集合，正样本三元组为从知识点知识图谱中真实的知识点三元组；负样本三元组是根据真实的正样本三元组生成的虚假知识点三元组；h'r、t'r表示头知识点和尾知识点在关系投影空间中的投影；hr、r、tr分别表示头知识点、关系和尾知识点在原始空间中的向量表示；γ是margin超参数，用于衡量正样本和负样本之间的间隔，确保模型尽可能地使正样本得分高于负样本得分；
18、随后使用adam优化器来最小化优化目标，更新模型参数，在每次迭代中，随机抽取一批正负样本对，计算其得分，并根据优化目标更新模型参数。
19、进一步的，所述s3中确定各个知识点的中心度，即通过定义并计算适应性指标score(i,j)，其中i表示中心实体，j表示邻居实体，所述适应性指标score(i,j)包含相似性度量sim(i,j)和结构洞度量hole(i)，其中相似性度量反映了中心知识点i与邻居知识点j间的相似程度，而结构洞度量则体现了它们之间的结构关系紧密性，两者相乘之和为适应性指标的值，sim(i,j)的计算公式如下：
20、sim(i,j)＝(|n(i)∩n(j)|+1)/|n(i)∪n(j)|
21、其中，n(i)和n(j)分别表示知识点节点i和知识点节点j的邻居节点个数，|n(i)∩n(j)|表示两个实体节点共同邻居的个数，|n(i)∪n(j)|表示节点i和节点j的邻居节点总和，(|n(i)∩n(j)|+1)中的加一是为了避免两个实体节点间无共同邻居时适应性为零的情况。
22、进一步的，所述s4中知识点习得概率为采用融合注意力机制的时间卷积知识追踪atckt模型对学习者进行知识掌握情况的判断，并预测用户对所有未掌握知识点对应习题的作答正确的习得概率值。
23、进一步的，所述s5中重要度的计算公式为：
24、important＝a*score(i,j)+(1-a)*probability，其中probability为s4中的习得概率值，公式中的参数a为人工赋予，根据学习者偏好进行适当调整。
25、进一步的，所述s5中为利用dijkstra算法计算得到个性化知识点有向图g中每个已掌握知识点到达目标知识点的带权最短路径，选取所有带权最短路径中具有最小权重的路径构建用户的教育知识图谱。
26、一种差异化的教育知识图谱构建系统，包括：
27、数据存储模块，用于存储学习者的信息、知识点集合、教育资源信息以及其属性关系信息；
28、后端服务层，后端服务层负责处理前端传递过来的数据和请求，并进行相应的计算和处理；应包括含有：数据获取功能，主要负责获取用户历史答题情况等历史数据；知识图谱构建功能，即构建完善的知识图谱且使用transr进行知识图谱补全，其间的关系包括各种学科的知识点、概念、关联关系等，以支持系统对知识的深度理解和推荐；个性化推荐功能，集成个性化推荐算法，使用atckt模型根据学习者的个性化特征和行为数据为其推荐适合的知识内容；
29、前端展本文档来自技高网...
【技术保护点】
1.一种支持差异化的教育知识图谱构建方法，其特征在于，包括：
2.根据权利要求1所述的支持差异化的教育知识图谱构建方法，其特征在于，所述S1中的知识点知识图谱采用TransR模型对知识点实体和知识点实体间的复杂关系进行预测和补全；
3.根据权利要求2所述的支持差异化的教育知识图谱构建方法，其特征在于，所述将头知识点向量、尾知识点向量以及关系向量投影到同一个关系空间，分别表示为hr和tr，其中hr＝hMr和tr＝tMr；投影后的头知识点向量加上投影后的关系向量在同一个关系空间中的应该更接近于尾知识点向量，通过以下公式计算其好坏：
4.根据权利要求1所述的支持差异化的教育知识图谱构建方法，其特征在于，所述S3中确定各个知识点的中心度，即通过定义并计算适应性指标Score(i,j)，其中i表示中心实体，j表示邻居实体，所述适应性指标Score(i,j)包含相似性度量Sim(i,j)和结构洞度量Hole(i)，其中相似性度量反映了中心知识点i与邻居知识点j间的相似程度，而结构洞度量则体现了它们之间的结构关系紧密性，两者相乘之和为适应性指标的值，Sim(
5.根据权利要求4所述的支持差异化的教育知识图谱构建方法，其特征在于，所述S4中知识点习得概率为采用融合注意力机制的时间卷积知识追踪ATCKT模型对学习者进行知识掌握情况的判断，并预测用户对所有未掌握知识点对应习题的作答正确的习得概率值。
6.根据权利要求5所述的支持差异化的教育知识图谱构建方法，其特征在于，所述S5中重要度的计算公式为：
7.根据权利要求6所述的支持差异化的教育知识图谱构建方法，其特征在于，所述S5中为利用Dijkstra算法计算得到个性化知识点有向图G中每个已掌握知识点到达目标知识点的带权最短路径，选取所有带权最短路径中具有最小权重的路径构建用户的教育知识图谱。
8.一种差异化的教育知识图谱构建系统，其特征在于，包括：
9.一种计算机存储介质，其特征在于，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-7中任一项支持差异化的教育知识图谱构建方法。
10.一种电子设备装置，其特征在于，包括存储器、处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成如权利要求1-7中任一项所述支持差异化的教育知识图谱构建方法。
...【技术特征摘要】
1.一种支持差异化的教育知识图谱构建方法，其特征在于，包括：
2.根据权利要求1所述的支持差异化的教育知识图谱构建方法，其特征在于，所述s1中的知识点知识图谱采用transr模型对知识点实体和知识点实体间的复杂关系进行预测和补全；
3.根据权利要求2所述的支持差异化的教育知识图谱构建方法，其特征在于，所述将头知识点向量、尾知识点向量以及关系向量投影到同一个关系空间，分别表示为hr和tr，其中hr＝hmr和tr＝tmr；投影后的头知识点向量加上投影后的关系向量在同一个关系空间中的应该更接近于尾知识点向量，通过以下公式计算其好坏：
4.根据权利要求1所述的支持差异化的教育知识图谱构建方法，其特征在于，所述s3中确定各个知识点的中心度，即通过定义并计算适应性指标score(i,j)，其中i表示中心实体，j表示邻居实体，所述适应性指标score(i,j)包含相似性度量sim(i,j)和结构洞度量hole(i)，其中相似性度量反映了中心知识点i与邻居知识点j间的相似程度，而结构洞度量则体现了它们之间的结构关系紧密性，两者相乘之和为适应性指标的值，sim(i,j)的计算公式如下：
5.根据权利...
【专利技术属性】
技术研发人员：郭伟，林军，李伟铭，郑鸿鑫，张绘国，徐庸辉，苗春燕，
申请(专利权)人：中新国际联合研究院，
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。