CN109478376A - 基于亲和知识的计算学习系统 - Google Patents

Abstract

亲和知识库生成彼此具有独立亲和与依赖亲和两者的单词对库，并且使用该亲和知识库基于学生和教师的亲和创建定制的课程。

Description

基于亲和知识的计算学习系统

本申请要求2016年4月26日提交的美国临时申请62/327598的优先权。这些和所有其他被引用的外在材料通过引用整体并入本文。在通过引用并入的参考中术语的定义或使用与本文所提供的该术语的定义不一致或相反的情况下，本文所提供的该术语的定义被视为具有控制性。

技术领域

本发明的领域是计算学习系统和方法。

背景技术

背景技术描述包括可以用于理解本发明的信息。不承认本文所提供的任何信息是现有技术或与当前所要求保护的发明相关，或不承认具体地或隐含地引用的任何出版物是现有技术。

本文中的所有出版物通过引用并入，其程度与每个单独的出版物或专利申请被具体地和单独地指示为通过引用并入的程度相同。在并入的参考中的术语的定义或使用与本文所提供的该术语的定义不一致或相反的情况下，本文所提供的该术语的定义适用，而参考中的该术语的定义不适用。

班级教师传统上遵循课程，该课程被设计为教导班级中的学生一组特定的技能，诸如数学、生物学和写作技巧。然而，通用课程对每个学生来说可能不总是最佳的。一些学生可能比其他学生学得更快，或可能通过某些学习方法比其他学习方法具有更大的天赋。虽然教师可以满足班级中的每个个体学生的课程需要，但是学习每个学生的习惯并创建个性化课程可能是非常耗时的，并且可能不会最佳地利用教师的时间。

Siefert的US5,904,485教导了一种计算机辅助教育系统，该计算机辅助教育系统为每个学生提供学习简档，该简档指示学生的能力、优选的学习风格和进步。Siefert的系统提供了智能管理员，该智能管理员可以在每个学习部分期间选择适当的材料以用于呈现给学生，并且当第一种呈现材料的方式没有导致给定阈值水平以上的分数时，以不同的方式呈现材料。然而，Siefert的系统仅从当前所提供的课程中选择课程，并且无法响应于学生的表现自动创建新的课程。

Keirn的US 2014/0170629教导了一种自动教学系统，该自动教学系统提供基于树的流程图，该基于树的流程图允许课程适应学生的变化的需求。然而，Keirn的系统仍然要求系统以预先编程的方式进行响应，并且不允许系统通过动态地学习学生如何响应某些功课来动态地改变如何构建课程。

Tsuzuki的US 8,280,720教导了一种关联词典装置，该关联词典装置计算搜索单词与用户的简档中的其他单词之间的关联程度以创建相关联的单词对。Abir的US 8,521,509教导了一种类似的系统，该系统通过分析单词或单词串周围的单词构成以识别作为语义等同物的其他单词和单词串，将单词和单词串相关联。然而，Tsuzuki和Abir二者的系统只分析彼此之间的相对单词距离来确定哪些单词可能彼此关联。

Smith Lewis的US 2007/0202481教导了一种系统，该系统通过基于用户的学习目标和用户已输入系统的学习偏好选择学习内容来获得个性化学习内容。基于学习目标和偏好所选择的学习项目可以用于查询潜在学习内容的数据库，以为有问题的学生具体定制学习内容。然而，Smith Lewis的系统并不关注学生的未来目标，也不关注学生可能无法预见的任何长期路径。

因此，仍然需要一种改进教学课程如何被创建的系统和方法。

发明内容

本发明主题提供其中系统创建彼此之间具有独立亲和(affinity)和依赖亲和的单词的亲和知识库，并且使用该亲和知识库基于学生和教师的亲和创建定制的课程的装置、系统和方法。

该在线课程生成系统使用机器学习技术实现针对高效且有效的学习体验而优化的智能内容个性化能力。该专利描述了系统中技术的独特性。它有许多主要部件。亲和知识库，其基于由亲和内容策展器所提供的内容存储高度相关和连贯的内容的集合，亲和内容策展器根据有针对性的亲和兴趣来识别、处理和组织静态和动态内容/信息。亲和学习模块是使用来自亲和知识库的一个或多个元件创建的学习元件的单元，以支持连贯的学习目标。学习策略规划模块包括学生学习规划子模块和策略性课程规划子模块，其使用数据诸如学生的人口统计、个人兴趣、学习目标、教学主题、用户或用户组的过去学习踪迹、用户和用户组的过去决策踪迹、以及用于创建一组亲和选择矩阵的其他因素。亲和内容生成器使用亲和库连同亲和模块一起或无需亲和模块、以及一组亲和选择矩阵来动态生成内容。内容巡视模块，其在内容被呈现给用户之前针对诸如年龄适当性、性、暴力、社会价值等的标准过滤结果。内容以建议的方式被呈现，其中用户的决定被反馈给系统。

系统使用基于用户参与系统的踪迹、亲和库中更新和扩展的新内容、以及用于调整学生学习规划子模块和策略性课程规划子模块的因素的数据来针对用户和/或用户组继续更新和个性化。

系统基于内容的数据库创建亲和知识库。预期的数据库包括具有多个单词的语言数据库、具有多个公式的数学数据库，以及具有多个计算机代码段的计算机数据库。预期的数据库包括固定内容的一般来源，诸如书籍和论文(例如词典、教科书、代码库、算法库)，以及动态内容的用户来源或班级特定来源，诸如新闻站点、博客和社交媒体聚合器。系统分析数据库并定义用于单个单词的独立亲和以及用于单词对的依赖亲和。

如本文所使用的，“独立亲和”包括元件的亲和特性，该元件具有独立于数据库中的其他单词(诸如语言数据库中的单词)的值。预期的独立亲和包括难度的级别、单词的主题、经常与话题和/或上下文中的单词一起出现的单词的向量、单词的语言、单词的同义词列表、单词的反义词列表、单词的词根、单词的部首、单词的音位声音(phonemic sound)，以及单词的韵律。如本文所使用的，“依赖亲和”包括具有值的元件的亲和特性，该值取决于与对中的另一元件的元件关系，诸如与单词对中的另一单词的单词关系。预期的关系包括共享难度、共享主题、共享上下文、共享词根、共享部首、共享语音声音(phonetic sound)、共享音位声音、共享韵律、句子协同定位的概率、段落协同定位的概率、在选择数量的单词内(例如，彼此在5个单词内或在10个单词内)协同定位的概率，以及主题或子主题协同定位的概率(例如，在诸如生物学的特定主题或诸如毒理学的子主题的文本内)。

系统具有依赖亲和函数和独立亲和函数，依赖亲和函数和独立亲和函数用于获得用于独立亲和以及依赖亲和的值。例如，用于确定单词的难度级别的独立亲和函数可以被配置为在各种语言学习系统(例如，用于简体中文的HSK或用于繁体中文的TOCFL)中查找单词以确定单词的难度级别。用于确定两个单词在一个句子中协同定位于一起的概率的依赖亲和函数可以搜索语言数据库，以确定在句子中给出存在第一个单词的情况下在句子中找到第二个单词的概率。系统优选地在单词上运行函数并将具有正独立亲和的单词保存在亲和知识库中，并且在单词对上运行函数并将具有正依赖亲和的单词对保存在亲和知识库中。如本文所使用的，“正亲和”是具有非空或非零值的亲和。一些单词可能不具有任何正依赖亲和，诸如彼此不是同义词的单词、彼此不共享任何属性的单词、以及彼此不在句子中被使用的单词。取决于由系统定义的独立亲和，一些单词可能不具有任何正独立亲和，诸如没有任何词根的单词。在一些实施例中，系统可以仅保存具有大于阈值水平(诸如1％或0.5％)的概率水平的单词对。

独立亲和以及依赖亲和可以具有任何可量化的形式，诸如单个值(例如，单词的语言)、多个值(例如，单词的同义词列表或在地质学话题中经常一起出现的单词的向量)、和一系列值(例如，用于单词的一系列难度级别)。在一些实施例中，用户经由用户界面定义一个或多个独立亲和或依赖亲和。例如，教师用户可以手动地添加或删除来自单词的同义词和/或反义词。

系统可以根据对应的依赖亲和获得保存在亲和知识库中的任何单词对的单词对亲和。例如，单词“吃”和“香蕉”之间的单词对亲和可能比单词“吃”和“萝卜”之间的单词对亲和具有更高的单词对亲和，因为单词“吃”和“香蕉”在句子中以更高的频率一起出现。取决于系统在其内检查单词对的上下文，单词对可以具有许多单词对亲和。例如，单词对亲和在文学上下文中可能比在科学上下文中具有更大的亲和。在确定单词对亲和时，系统可以将加权分数分配给一些依赖亲和。例如，系统可以向彼此是同义词的单词对分配比共享相同韵律的单词对更高的权重。

优选地，在具有至少两个单词对的亲和知识库中的每个单词具有通过其单词对亲和排名的单词对。例如，单词“体育”可以具有与其相关联的单词对“体育-棒球”、“体育-足球”和“体育-赛场”，其中“体育-足球”具有最高的单词对亲和，并且“体育-赛场”具有最低的单词对亲和。使用按单词对亲和排名的列表，与较低单词对亲和的单词相比，系统可以优先关联较高单词对亲和的单词。

亲和知识库存储由基于亲和的内容策展器所提供的高度相关且连贯的内容的集合，基于亲和的内容策展器根据有针对性的亲和兴趣识别、处理和组织静态和动态内容/语料库/信息。策展器的操作根据有针对性的亲和兴趣而变化。存在系统处理的许多亲和兴趣的组。

从以下优选实施例的详细描述以及附图中，本发明主题的各种目的、特征、方面和优点将变得更加明显，附图中相同的数字表示相同的部件。

附图说明

图1是描绘用于构建示例性亲和知识库的模块的示意图。

图2是描绘用于构建亲和学习模块的模块的示意图。

图3是描绘用于构建亲和学习策略规划器的模块的示意图。

图4是描绘内容建议和用户交互如何反馈于本发明的系统以创建亲和内容的示意图。

图5是描绘用于过滤提供给用户的内容的模块的示意图。

图6是描绘用于创建单词池的模块的示意图。

图7是本发明的实施例的系统概况的示意图。

图8是示例性亲和知识系统的硬件示意图。

具体实施方式

以下讨论提供了本发明主题的许多示例性实施例。尽管每个实施例代表发明元件的单个组合，但是发明主题被认为包括公开元件的所有可能组合。因此，如果一个实施例包括元件A、B和C，并且第二实施例包括元件B和D，则发明主题还被认为包括A、B、C或D的其他剩余组合，即使没有明确地公开。

如本文的描述中和在随附的整个权利要求中所使用的，“一”，“一个”和“该”的含义包括复数引用，除非上下文另有明确指示。此外，如在本文的描述中所使用的，“在...中”的含义包括“在...中”和“在...上”，除非上下文另有明确指示。

如本文所使用的，并且除非上下文另有指示，否则术语“耦连到”旨在包括直接耦连(其中彼此耦连的两个元件彼此接触)和间接耦连(其中至少一个附加元件位于两个元件之间)两者。因此，术语“耦连到…”和“与…耦连”同义使用。“功能性地耦连到”彼此的两个计算机系统是使用联网的有线或无线连接耦连到彼此。

除非上下文指示相反，否则本文所述的所有范围应解释为包括其端点，并且开放式范围应解释为包括商业实用值。类似地，应将值的所有列表视为包含中间值，除非上下文指示相反。

本文中对数值范围的描述仅旨在用作单独地参考落入范围内的每个单独值的简写方法。除非本文另有指示，否则将每个单独的值并入说明书中，如同其在本文中被单独地引用。除非本文另有指示或上下文明显矛盾，否则本文所描述的所有方法都可以以任何合适的顺序执行。本文中关于某些实施例提供的任何和所有示例或示例性语言(例如“诸如”)的使用仅旨在更好地说明本发明，而不是对要求保护的本发明的范围构成限制。说明书中的任何语言都不应被解释为指示对本发明的实践必不可少的任何非要求保护的元件。

本文所公开的本发明的可替代的元件或实施例的分组不应解释为限制性。每个组成员可以单独地或与该组中的其他成员或本文中找到的其他元件任意组合地被引用和被要求保护。出于方便和/或专利性的原因，可以将组中的一个或多个成员包括在组中或从组中删除。当发生任何这样的包含或删除时，本说明书在此被认为包含经修改的组，因此实现所附权利要求中所使用的所有马库什(Markush)组的书面描述。

应当注意，涉及计算机系统的任何语言应当被读取以包括计算设备的任何合适组合，该计算设备包括服务器、接口、系统、数据库、代理、对等体(peer)、引擎、控制器、或其他类型的单独地或共同操作地计算设备。应当理解，计算设备包括处理器，该处理器被配置为执行存储在有形、非暂时性计算机可读存储介质(例如，硬盘驱动器、固态驱动器、RAM、快闪存储器、ROM等)上的软件指令。软件指令优选地配置计算设备以提供角色、职责或其他功能，如下面关于所公开的装置所讨论的。在特别优选的实施例中，各种服务器、系统、数据库或接口使用标准化协议或算法交换数据，可能基于HTTP、HTTPS、AES、公钥-私钥交换、web服务API、已知金融交易协议或其他电子信息交换方法。优选地，数据交换通过分组交换网络、因特网、LAN、WAN、VPN或其他类型的分组交换网络进行。用指令“编程”的计算机软件被开发、编译并被保存到计算机可读的非暂时性介质中，以专门用于在由计算机处理器执行时完成本公开所阐述的任务和功能。

在图1中，示意图100示出输入110，输入110连同有针对性的亲和兴趣130被馈送到亲和内容策展器120，以生成包含基于单词对关系的依赖亲和的亲和知识库140。输入110既包括固定内容语料库的一般来源112又包括来自非固定来源的动态和有针对性的内容，诸如发布的论坛、博客、新闻媒体和社交媒体。两者通常都存储在系统可访问的数据库中。

如本文所使用的，“固定内容语料库”包括不随时间改变的不可变内容。这包括已发布的书籍、论文、词典、百科全书以及具有固定发布日期但未在版本之间更新的其他内容。此类数据是不可变的，并且通常与“非固定内容”不同地被处理，“非固定内容”是从诸如报纸、博客、论坛和社交媒体网站等的可变来源中提取的。固定内容来源和非固定内容来源两者通常由系统在各种尺度(scale)上加权，诸如“可信度”和“趋势”。“可信度”尺度通常由管理员用户管理，管理员用户通常手动判断非固定来源是如何可信。例如，仅在阈值数量(例如，10个对等体)批准内容之后才发布的同行评审来源可以被赋予比非同行评审的非固定来源更高的权重。通常使用一个公式计算“趋势”尺度，该公式为越新近已公布的来源提供越高的权重，其中对数曲线从用于已刚刚公布的来源的趋势等级1逐渐减小到用于几年前已发布的来源的趋势等级0。

此类输入被馈送到亲和内容策展器120，亲和内容策展器120分析输入来源110以及有针对性的亲和兴趣130，以生成亲和知识库140。可以基于功能或模板手动或自动地选择输入来源。例如，希望生成针对初级中文班级的亲和知识库的教师可以将规划用于年度课程的功课规划和测试作为输入输入到系统中，并且输入分配给班级的书籍和各种适龄的社交媒体网站，而希望生成针对高级中文班级的亲和知识库的教师可以输入系统可访问的所有已知中文文本。可以构建自动化流程图，该流程图基于决策树自动地提取相关来源。例如，每年自动化流程可以收集已经由学区中的多个教师提交的功课规划以及由所有教师分配给该学区的班级的多个书籍。功课规划和分配给各个班级的书籍可以逐年改变，这将改变输入110的内容以及亲和知识库140的内容。

有针对性的亲和兴趣130包括有针对性的亲和兴趣关键词、句子、或定义单词之间的关系以实现学习目标的内容的库。这是重要的，因为通过找到类似句子的基于语义内容的方法，诸如“猴子喜欢吃苹果”之类的句子语义可以被认为在语义上与“猴子喜欢吃香蕉”不同。因为单词“banana”可以被认为是形容词(例如，疯狂的同义词)和名词(例如，一种水果)两者。当使用针对单词“吃”的有针对性的亲和兴趣评估句子时，系统在大量的语料库/信息中确定单词“吃”和“苹果”(作为名词)与“吃”和“香蕉”(作为名词)之间的亲和距离并且测量它们的搭配概率。通过以使亲和兴趣仅围绕有针对性的亲和兴趣关键词的库作为目标，系统被编程以获得更多相关联的亲和。

以下是可用于定义单词和单词对的独立亲和与依赖亲和两者的不同类型的有针对性的亲和兴趣的列表。

单词级别——基于词典或语义的有针对性的亲和兴趣

同义词：具有相似含义的单词。例如：好与益

反义词：具有相反含义的单词。例如：好与坏、邪恶、恶意等。

单词级别——基于组成(composition)的有针对性的亲和兴趣

词根(前缀、后缀、拉丁语根、希腊语根)。例如，在英语中，前缀“carn-”具有拉丁语起源，其意思是肉体，出现在如carnage、carnal、carnality、carnary、carnate、carnation等单词中。

部首。例如，在中文中，一组中文字符可以共享类似的部首/部件。像“吃”、“喝”、“唱”这样的字符都有一个部首“口”，意思是“嘴”。

单词级别——基于语音特征的有针对性的亲和兴趣

音位。在语言中出现一组独特或对比的声音。例如，英语发声p、ph、非释放p被看作单个音韵单元或音素，而忽略它们的冗余语音差异。

韵律(重音、语速、节奏、停顿、情感、话语、语法)。例如，在中文中，声音的重音变体将具有不同的含义。具体地，在普通话中，存在5种声音语气(4种重音变体和1种自然语气)，并且语言中声音的总变体小于2000。用户很容易混淆声音和/或对单词错误发音。当涉及语速、情感和其他韵律元件时，事情变得最糟糕。基于各种目标兴趣的韵律的亲和兴趣可以提供帮助。

句子级别——有针对性的亲和兴趣

句子中单词的搭配。这是句子中单词的条件概率或共现。例如，单词“like”在很多语言的句子中具有与单词“I”和“eat”搭配的高概率。

上下文级别——有针对性的亲和兴趣

主题

这些是以与生活经历相关联的主题为中心的内容类别。例如，在语言学习中，使用诸如全球挑战、科学和技术、当代生活、个人和公共身份、家庭和社区以及美容和美学6个主要主题。这些主题中的每一个都可以进一步扩展为子主题以更好地组织内容。

单词向量

一组经常在给定话题或上下文中频繁出现的关键字。例如，在生物学中、抗原、白细胞、T细胞、杀伤细胞等在免疫学的上下文中相关联。

难度级别

根据从初级到高级范围的学习阶段而倾向于出现的内容。通常使用定性和/或定量方法对范围进行分段，以创建最能描述学习者对学科或学习材料的支配能力。例如，“HSK”是用于测量学习者对简体中文的语言能力的6级系统，而“TOCFL”是用于测量学习者对繁体中文的语言能力的6级系统。

亲和知识库140优选地包括用于上述有针对性的亲和兴趣中的至少2种、3种、4种或全部的单词对，并且根据来源中的共现次数并且由系统依照其他加权因素(诸如可信度和趋势)对单词对进行加权。

图2示出了可以如何构建预期的亲和学习模块练习的示意图200，该亲和学习模块练习具有被馈送到亲和学习模块构建器240中以生成一个或多个亲和学习模块250的输入210。如本文所使用的，“亲和学习模块”包括使用来自亲和知识库212和学习目标214中的一个或多个元件创建的用于支持连贯且有针对性的学习目标的学习内容单元，该学习内容单元作为用于用户或用户组的前瞻性模块优选地实时被创建或如果需要的话被缓存。

亲和学习模块构建器240创建并维护亲和学习模块250，因为学习模块经常需要随时间更新。具体地，亲和学习模块构建器240的任务包括：

(1)根据适合于个体和/或用户组的期望学习目标214，从亲和知识库212获取内容元件。

(2)进一步聚合和/或转换亲和学习模块的内容以用于用户友好呈现。

(3)构成提供适合内容的交互的游戏化规划和参与规划。

(4)根据需要通过修订亲和学习模块250来响应于更新请求230，以便保持学习模块的内容与期望的学习目标214和更新的亲和知识库212同步。

学习目标214通常由管理员用户(诸如教师或其他课程构建者)生成，并且至少包括(1)用户兴趣(例如，工程师、医生、律师、财务)，(2)能力(例如，lv.1、lv.2)，(3)人口统计(例如，年龄、种族、主要语言、学习障碍)，(4)意图(例如，循环、螺旋)，其将由亲和学习模块构建器240使用以生成亲和学习模块250。

作为示例，学习目标214可以包括定义学习中文并对免疫学感兴趣的高中生的信息。此外，学生的当前中文学习能力与4级HSK系统类似，并且学生适合螺旋式学习策略。

基于该学习目标214，亲和学习模块构建器240然后可以从亲和知识库212中选择并编译中文文本，该亲和知识库212包含与免疫学兴趣相关联的单词向量，诸如白细胞、T细胞等。然后，亲和学习模块构建器240可以进一步过滤单词向量以限制模块构建器从而包含满足针对简体中文单词用于HSK系统4级的难度水平的词汇和语法风格。亲和学习模块构建器240优选地选择满足高于给定阈值(诸如80％或90％)的亲和标准的文本。一旦从亲和知识库中选择了内容(在这种情况下是单词)，内容就被抽象化，并且亲和学习模块构建器240可以使用适用于HSK系统4级的单词和关键语法点生成字谜游戏以及填空或单词重新排列游戏。

在生成亲和学习模块之后，系统可以向亲和学习模块构建器240和可能的学习目标214(如果需要更新学习目标)发送更新请求230以更新亲和学习模块250中的一个。例如，在接收到更新请求230之后，亲和学习模块构建器240可以将针对用户(或用户组)选择的单词与学生的先前学习踪迹(未示出)进行比较，并且可以移除或降低学生已经做得很好的单词和语法风格的权重，以将内容集中在学生没有做好的剩余单词和语法风格上或强调新材料。

系统还可以使用亲和知识库通过将单词和单词对与学生亲和的简档相关联来构建亲和学习模块，该学生亲和的简档可以用作输入以替代学习目标214。如本文所使用的，“学生亲和”是学生或一个班级的学生的特征，诸如难度级别、语言、学科和学习策略。可以通过用户界面手动地定义学生的学生亲和，该用户界面例如向学生、家长或教师询问学生特征和目标的用户界面，可以通过分析在各种练习中的学生的结果自动地定义学生的学生亲和，或者可以使用技术的组合来定义学生亲和(例如，学生和家长最初进行调查，并且当学生使用系统时，系统相应地调整学生亲和)。当学生(或一个班级的学生)完成练习时，练习结果的历史档案可以被存档在系统的数据库中，该历史档案可以被用于为学生(或一个班级的学生)分配学生亲和的值。系统可以动态地更新学生亲和，当学生完成系统的每次练习时更新学生亲和。系统还可以分析整个班级的学生亲和，并向管理员用户提供用户界面，允许管理员用户手动地将学生亲和分组成组(例如，通过对学生亲和矩阵的值求平均)并创建可以应用于班级的子集(例如班级中表现最佳的10％或班级中表现最差的10％)的个性化学生亲和矩阵。在优选的实施例中，管理员用户可以创建自动生成此类个性化矩阵的模板。

亲和学习模块构建器240通常从学习目标模块收集学生亲和以创建用于学生简档的内容。系统可以根据学生亲和以及独立亲和来在亲和知识库中选择单词。例如，系统可以确定单词难度级别为1的学生对生物学感兴趣，并且然后可以选择具有1级难度和生物学主题的单词。系统还可以通过检查对所选单词具有高亲和级别的单词对来选择附加单词。系统可以使用全局单词对亲和或上下文敏感的单词对亲和(例如，仅针对生物学主题的单词对亲和或仅针对数学主题的单词对亲和)来选择附加单词，并且然后可以使用所选单词构建针对简档的练习。在练习被选择之后，练习可以被添加到简档以供简档的用户使用。例如，所选单词可以被馈送到使用所选单词构建游戏的游戏构建引擎。

系统还可以将一个或多个练习亲和分配给由亲和学习模块构建器创建的练习。通常通过将练习的属性与简档的学生亲和进行比较来获得练习亲和。使用练习亲和，系统然后可以对与简档相关联的不同练习进行排名，并且可以根据获得的练习亲和选择练习以呈现给简档的用户(例如，呈现具有最高练习亲和的5个练习)。

在图3中，示意图300示出系统如何使用包括学习活动日志312、个人学习目标314和课程日志316的输入310来生成亲和学习策略规划器340。使用机器学习技术优选地生成亲和学习策略规划器340，机器学习技术分析学生学习行为、获得学习策略的比较有效性，并且指导内容创建过程。

学习策略规划器340包括学生学习规划模型子模块和策略性课程规划模型子模块，其使用诸如学生的人口统计、个人兴趣、学习目标、教学主题、用户或用户组的过去学习踪迹、用户和/或用户组的过去决策踪迹和课程随时间的比较有效性以及其他因素之类的数据。

学习策略规划器340创建一组个性化亲和选择矩阵以引导亲和内容创建。学习策略规划器340生成到亲和学习模块构建器的更新请求以用于背景学习内容策展(curation)。

在图4中，示意图400示出亲和内容生成器440如何针对学生470或班级建议内容460。亲和内容生成器440使用亲和知识库410连同其他亲和模块420一起或无需其他亲和模块420、以及来自亲和学习规划器430的一组个性化亲和选择矩阵，以提供帕累托最优(pareto-optimal)亲和内容集。当用户与系统交互时，亲和学习策略规划器430接收用户交互420的活动日志，亲和学习策略规划器430将亲和选择矩阵馈送到亲和内容生成器440，同时将周期性更新请求传送到亲和学习模块420，并且优选地更新学习目标。

用于亲和内容生成器生成内容的示例性程序如下：

(1)当学生m被呈现学习元件L_j时，计算该学生的学习亲和的概率分数，概率由S_m(Lj)表示，其中

其中β是从亲和知识库410(针对普通学生)或亲和学习模块420(针对特定学生或具有特定学习目标的班级)收集的学习元件j的有针对性的亲和兴趣模型系数，并且X_m是从学习策略规划器430接收的学生亲和选择矩阵。

(2)从亲和知识库410和亲和学习模块420中检索一组候选学习元件，并且根据计算的S_m值以帕累托最优顺序对它们进行排名，并且测试以看看总包(bundle)是否满足学生m的最小学习效用函数阈值U。仅保持具有超过U_m阈值的计算的S_m值的候选学习元件。

U_m可以由管理员用户调整，或者遵循亲和学习路径(通常保存在数据库中所保存的模板中，该数据库由系统检索)根据学生的期望强度自动地被调整。

由亲和内容生成器440生成的内容可以被馈送到内容巡视器450，内容巡视器450过滤内容，并且然后将内容建议460呈现给学生470。当学生470使用系统时，用户交互420由活动日志记录，活动日志被馈送到亲和学习策略规划者430。

在图5中，示意图500示出内容巡视器540如何基于负内容亲和知识库530、学生或一个班级的学生的用户简档520、手动填充的单词向量和/或系数矩阵570、或者经由来自管理员用户550的手动干预来过滤出内容510(例如，内容460)。可以基于学生简档特征(例如，人口统计、性、暴力内容、年龄组和/或单词的社会价值)来过滤内容。在将内容呈现给用户之前，内容巡视器可以通过诸如年龄适当性、性、暴力、社会价值等的标准来过滤内容生成结果。

内容巡视器540优选地一直自动地操作以基于一个或多个过滤器来否定不适当的内容。通过生成上下文级别单词向量来生成负内容亲和知识库530，其中每个上下文级别532是选择的过滤器，诸如年龄(例如，低于18岁、低于12岁)、性(裸体、交配、色情)、暴力(武术、枪支暴力、街头暴力、骚乱)、社会价值(公共话语、八卦、假新闻)等。然后可以将上下文级别532应用于多个来源(例如已知具有负内容534的来源)以生成负上下文亲和知识库530，然后将负上下文亲和知识库530传送到内容巡视器540以识别输入内容510中可能具有负内容的部分。在一些实施例中，管理员用户选择来源534和上下文级别532，而在其他实施例中，系统根据用户简档520自动地应用适当的上下文级别和来源。例如，用户简档可以识别学生的年龄，系统可以使用学生的年龄来识别上下文级别应该被设置在什么年龄处。

单词向量和相关联的系数矩阵570的集合可以最初由系统分配给各种用户组的简档，但是可以由系统级或用户级的授权用户550进一步调整(个体用户首先继承来自用户组的简档，并且然后可以根据需要进行手动干预)。系统根据历史用户日志(诸如用户多久选择单词或用户多久获取错误单词)生成系数矩阵。此类单词(或单词对)可以比用户没有获取错误的单词(或单词对)具有更高的权重。单词向量和矩阵系数矩阵570可以以周期性方式自动被更新(例如，每天一次或每周一次)，或者可以根据管理员用户550传送的手动更新请求560来更新。在一些实施例中，管理员用户550可以经由内容巡视器540手动地审查内容，或者可以微调负内容亲和知识库530、用户简档520、或单词向量和系数矩阵570的任何输入。内容巡视器540可以被编程为使用相同的内容生成过程，基于单词向量和相关联的系数矩阵的存在来针对负上下文的概率分数检查任何新生成的内容。超过配置的强度阈值的所得概率将被过滤掉。

图6示出了针对学生640生成的单词池600。单词池600是向学生640的用户界面显示建议的单词向量及其内容660的图形方式。单词池600是游戏化的且视觉上吸引人的工具，用户可以使用单词池600与系统交互并参与系统以学习语言，诸如中文词汇。亲和学习模块610和亲和知识库620被馈送到亲和内容生成器680，亲和内容生成器680生成由内容巡视器650过滤的单词向量和内容660，并且单词向量和内容660作为单词池600示给学生640。单词池600示出与许多其他单词作为单词对相关联的中心单词。具有较高权重的单词对比具有较低权重的单词对被给予更大的尺寸和更暗颜色的椭圆。这里，单词池示出了与中心单词相关联的前30个单词对，虽然系统可以具有用于显示的更多或更少的单词对的阈值。

当用户选择锚点(anchor)词单词池地图时(此处显示为锚点词，其具有手指图标可触摸它)，亲和内容生成器680将优选地从亲和知识库620和亲和学习模块610检索数据。在一些实施例中，内容可能受到亲和学习策略规划器(未示出)的影响，该亲和学习策略规划器将亲和选择矩阵馈送到亲和内容生成器，以基于学习目标优化学生的学习效果。然后，在将内容660作为另一个单词池呈现给用户640之前，内容将优选地由内容巡视器650过滤。节段(segment)将出现在新的单词池页面上，利用用于地图的更新的单词向量使选定的锚点词为中心。

在部首池页面上(未示出)，所提供的内容对单词级别中的部件具有亲和兴趣。

在词典上，页面将提供单词的定义。此外，页面呈现来自亲和知识库中的句子和/或亲和学习模块中的句子以及用于进一步参与的建议性邀请链接。

用户的参与和/或活动的踪迹可以用于更新学生亲和。

还可以由系统以这种方式生成亲和学习模块小池(Pondlet)。如本文所使用的，“小池”是亲和学习模块的实例或类型。基于预定义的学习目标集，针对各种目标用户或用户组创建这些亲和学习模块。模块的集合(小池集)可以视为系统生成课程集。当用户或用户组参与系统时，用户数据的踪迹将用于更新影响未来亲和学习模块的制作的学习目标的因素。同时，因素还会更新学习策略规划模块，该学习策略规划模块影响亲和内容生成器提供和建议新的小池集，该新的小池集优化用户或用户组的有效性和效率。在像教室一样的环境中，小池的集合可以用作课程。根据用户的学习目标和能力，学习者或学习者组之间的小池集可以是不同的。允许教师针对每个学生或一组学生定制课程。对于像教师一样的专家用户，能够重写系统生成的模块的组成和/或顺序并且存储新的组合以供以后使用(我的课程)。来自用户和专家用户参与的数据踪迹将改变用于学习目标和学习策略规划模块的潜在因素。

图7示出了利用本文所描述的工具的系统的概况。机器建议的内容以虚线示出，其中练习、池和小池呈现给系统的用户。

图8示出了网络810的示例性硬件示意图800，其将学生用户界面820与亲和系统830和管理员用户界面840功能性地耦连。亲和系统830被委婉地示出为单个计算机系统，然而亲和系统830可以是分布式计算机系统或者可以是在计算服务器环境中实现的虚拟机。亲和系统830耦连到存储设备835，存储设备835被示出为数据库，但是可以是NAS或分布式存储系统，或者甚至可以经由网络810功能性地耦连到亲和系统830。

网络810可以是用于将数据从一个计算机系统传送到另一个计算机系统的任何集线器，诸如分组交换网络、因特网、LAN、WAN、VPN或其他合适的数据集线器。网络基础设施使得亲和系统830上的应用程序能够与学生界面820和管理员界面840自由地通信。

学生界面820被委婉地示出为移动电话，但是可以是具有用户界面的任何合适的计算机系统，学生可以通过该用户界面与亲和系统830通信并且与亲和内容生成器提供的内容(例如池和小池)交互。

管理用户界面840被委婉地示出为与网络810通信地耦连的计算机终端，但是可以是具有允许管理用户(未示出)与亲和系统830通信并微调数据的界面的任何合适的计算机系统。在一些实施例中，管理用户界面840经由门户网站与亲和系统830交互，门户网站被定制以允许管理用户(例如教师或课程设计者)改变模板，诸如学生或班级的学习目标、用于亲和知识库的动态来源和固定来源、用于亲和知识库的有针对性的亲和兴趣、学生或班级的学习目标等。

对于本领域技术人员显而易见的是，在不脱离本文的发明构思的情况下，除了已经描述的那些之外的更多修改是可能的。因此，除了所附权利要求的范围之外，本发明的主题不受限制。此外，在解释说明书和权利要求时，所有术语应以与上下文一致的最广泛的方式解释。具体地，术语“包括”和“包含”应该被解释为以非排他的方式指代元件、部件或步骤，指示所引用的元件、组件或步骤可以存在或者被利用或与未明确引用的其他元件、部件或步骤组合。当说明书权利要求涉及从A、B、C...和N组成的组中选择的至少一个时，文本应解释为只需要组中的一个元件，而不是A加N，或B加N等。

Claims (27)

1.一种用于构建针对亲和的课程的计算机实施方法，其包括在处理器上执行以下步骤：

访问具有多个单词的语言数据库；

在所述语言数据库中定义针对单词对的依赖亲和；

基于所述单词对的单词对关系，定义用于至少一些所述依赖亲和的依赖亲和函数，

其中所述单词对关系包括共享难度、共享主题、共享上下文、共享词根、共享部首、共享语音声音、共享音位声音、共享韵律、以及主题协同定位中的至少三个；

使用所述依赖亲和函数获得具有至少一个正依赖亲和的单词对；以及

将获得的具有相关联的依赖亲和的单词对保存到亲和知识库。

2.根据权利要求1所述的计算机实施方法，其中所述依赖亲和中的至少一个包括单个值、多个值和一系列值中的至少一个。

3.根据权利要求1所述的计算机实施方法，其中所述依赖亲和函数中的至少一个由用户定义。

4.根据权利要求1所述的计算机实施方法，其中所述单词对关系还包括句子协同定位的概率、段落协同定位的概率和所选数量的单词内的协同定位中的至少一个。

5.根据权利要求1所述的计算机实施方法，进一步包括在所述处理器上执行步骤：根据相应的依赖亲和获得用于所获得的单词对的单词对亲和。

6.根据权利要求5所述的计算机实施方法，其中获得单词对亲和的步骤进一步包括将权重分配给至少一些所述依赖亲和。

7.根据权利要求5所述的计算机实施方法，进一步包括在所述处理器上执行以下步骤：

将所述亲和知识库中的单词与相关联的单词对相关联；以及

根据所述单词对亲和对所述相关联的单词对排名。

8.根据权利要求1所述的计算机实施方法，进一步包括在所述处理器上执行以下步骤：

定义用于所述语言数据库中的单词的独立亲和；

基于所述语言数据库中的所述单词的单词属性，定义用于至少一些所述独立亲和的独立亲和函数；

使用所述独立亲和函数获得具有至少一个正独立亲和的单词；以及

将获得的具有独立亲和的单词保存到所述亲和知识库。

9.根据权利要求8所述的计算机实施方法，进一步包括在所述处理器上执行步骤：经由用户界面将值分配给所述独立亲和中的至少一个。

10.根据权利要求8所述的计算机实施方法，进一步包括在所述处理器上执行以下步骤：

接收包括学生亲和的简档；

根据所述学生亲和以及独立亲和选择所述亲和知识库中的单词；

根据选择的单词构建用于所述简档的练习；以及

将所述练习提供给与所述简档对应的用户界面。

11.根据权利要求10所述的计算机实施方法，进一步包括在所述处理器上执行以下步骤：

根据对应的依赖亲和获得用于获得的单词对的单词对亲和；

根据所述单词对亲和选择与所选择的单词相关联的单词对；以及

根据所选择的单词对在用于所述简档的所述练习中加入额外的单词。

12.根据权利要求10所述的计算机实施方法，其中所述简档包括用于单个学生的简档。

13.根据权利要求10所述的计算机实施方法，其中所述简档包括用于一个班级的学生的简档。

14.根据权利要求10所述的计算机实施方法，进一步包括在所述处理器上执行步骤：根据与用户相关联的练习结果的历史档案将值分配给所述学生亲和中的至少一个。

15.根据权利要求10所述的计算机实施方法，进一步包括在所述处理器上执行步骤：根据与一个班级的学生相关联的练习结果的历史档案将值分配给所述学生亲和中的至少一个。

16.根据权利要求10所述的计算机实施方法，进一步包括在所述处理器上执行步骤：当用户完成所述练习时，根据用于所述练习的练习结果更新所述学生亲和中的至少一个的值。

17.根据权利要求10所述的计算机实施方法，进一步包括在所述处理器上执行步骤：当一个班级的学生中的学生完成所述练习时，根据用于所述练习的练习结果更新所述学生亲和中的至少一个的值。

18.根据权利要求10所述的计算机实施方法，其中在所述亲和知识库中选择单词的步骤包括选择具有与所述学生亲和中的至少一个匹配的独立亲和的单词。

19.根据权利要求10所述的计算机实施方法，其中根据所选择的单词构建用于所述简档的所述练习的步骤包括使用所选择的单词播种游戏构建引擎。

20.根据权利要求10所述的计算机实施方法，进一步包括在所述处理器上执行以下步骤：

根据所述学生亲和获得用于所述练习的练习亲和；以及

将具有所获得的练习亲和的所述练习保存在与所述简档相关联的练习数据库中。

21.根据权利要求20所述的计算机实施方法，进一步包括在所述处理器上执行以下步骤：

根据每个练习的练习亲和对所述练习数据库进行排名；

根据所述排名选择所述练习数据库的子集；以及

将所述练习数据库的所述子集提供给与所述简档相关联的用户界面。

22.根据权利要求10所述的计算机实施方法，其中所述简档进一步包括学生特征，并且其中选择所述亲和知识库中的单词的步骤进一步包括根据所述学生特征过滤出单词。

23.根据权利要求22所述的计算机实施方法，其中所述学生特征包括要被选择的单词所需的社会价值的阈值水平。

24.根据权利要求22所述的计算机实施方法，进一步包括在所述处理器上执行以下步骤：

构建负上下文单词的单词向量；以及

构建与所述单词向量相关联的系数矩阵，所述系数矩阵将值分配给所述单词向量中的每个单词，其中根据所述学生特征过滤出单词的步骤包括将负上下文分数分配给潜在的选择的单词。

25.根据权利要求10所述的计算机实施方法，其中所述学生亲和包括包含以下项的组中的至少一个：人口统计、兴趣、学习目标、教学主题、历史学习踪迹和历史决策踪迹。

26.根据权利要求10所述的计算机实施方法，进一步包括在所述处理器上执行以下步骤：

接收包括学生亲和的简档；

根据所述学生亲和以及独立亲和选择所述亲和知识库中的单词；

根据所述选择的单词和与第二课程相比的第一课程的历史有效性，构建用于所述简档的练习，以及

将所述练习提供给与所述简档对应的用户界面。

27.根据权利要求10所述的计算机实施方法，进一步包括在所述处理器上执行以下步骤：

根据学生亲和生成个性化亲和选择矩阵；以及

根据所述个性化亲和选择矩阵构建包括用于所述简档的所述练习的课程。