CN111221878B - 一种知识空间中知识点相关值确定方法、装置、计算机设备及存储介质 - Google Patents

一种知识空间中知识点相关值确定方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN111221878B
CN111221878B CN202010044684.0A CN202010044684A CN111221878B CN 111221878 B CN111221878 B CN 111221878B CN 202010044684 A CN202010044684 A CN 202010044684A CN 111221878 B CN111221878 B CN 111221878B
Authority
CN
China
Prior art keywords
node
knowledge
knowledge points
correlation
correlation value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010044684.0A
Other languages
English (en)
Other versions
CN111221878A (zh
Inventor
王建宇
张勇
李文黎
陈松
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Zhongnuosi Technology Co ltd
Original Assignee
Shenzhen Zhongnuosi Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Zhongnuosi Technology Co ltd filed Critical Shenzhen Zhongnuosi Technology Co ltd
Priority to CN202010044684.0A priority Critical patent/CN111221878B/zh
Publication of CN111221878A publication Critical patent/CN111221878A/zh
Application granted granted Critical
Publication of CN111221878B publication Critical patent/CN111221878B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Fuzzy Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请实施例属于信息相关性验证技术领域，涉及一种知识空间中知识点相关值确定方法，包括根据一个节点下所述知识点预设的重要值、及所述节点下所有知识点之间的相关值，确定所述节点下所有知识点对所述节点的相关值，其中部分所述知识点之间的相关值已知，知识点之间相关值未知的，以一个近似于0的值取代，所述相关值为单向有效的数值，根据一个节点下所述知识点的重要值、及所述节点下所有知识点对节点的相关值，更新节点下知识点之间的相关值。重复确定所述节点下知识点对节点之间的相关值，以及知识点之间的相关值，直到节点下知识点之间的相关值稳定。本申请能够仅要求部分数据，就能通过算法运算得到所有知识点之间的相关值的效果。

Description

一种知识空间中知识点相关值确定方法、装置、计算机设备及存储介质
技术领域
本申请涉及信息相关性验证技术领域，尤其涉及一种知识空间中知识点相关值确定方法、装置、计算机设备及存储介质
背景技术
信息时代需要对大量的信息进行处理，在知识空间的模型当中，信息抽象为信息空间内存在的多个知识点，知识点之间相互并非独立的，而是存在着关联性，在处理过程当中需要根据知识点之间的关联性综合处理以实现对知识点的有效应用，在一种应用场景当中，学校和培训机构需要对一个学科内的知识点进行考量，以备教学过程当中通过收集学生对部分知识点的掌握情况，判断其对整个学科的掌握状况，以及学科当中其他知识点的掌握情况。对这些数据的处理有助于学校和培训机构实现对教学活动的掌握，比如布置作业、试卷以及规划课程安排，而上述活动现有的处理方式完全是按照授课者的经验进行的。
但是即便应用了知识空间的理论对相关知识点进行相关梳理，因为数据量的庞大，不可能完全掌握各个知识点之间的关联性，所以实际操作过程当中难度很大。
根据贝叶斯估计理论，通过确定的先验概率，结合标准化常量推算出不同条件下的似然度(即条件概率)，能够确定一个后验概率，而通过反复计算以同时调整似然度和后验概率，最终能够使得似然度收敛于近似确定性事件，从而得到准确的后验概率，该理论有利于在信息不完备的情况下，仅通过计算获得准确性相当高的概率结果。有利于对知识点之间关联性的判断。
发明内容
本申请实施例的目的在于提出一种知识空间中知识点相关值确定方法，以便捷的确定知识空间当中各个知识点之间的相关性。
为了解决上述技术问题，本申请实施例提供一种知识空间中知识点相关值确定方法，采用了如下所述的技术方案：
一种知识空间中知识点相关值确定方法，包括下述步骤：
知识空间中的至少一个知识点隶属于一个节点，根据一个节点下所述知识点预设的重要值、及所述节点下所有知识点之间的相关值，确定所述节点下所有知识点对所述节点的相关值，其中部分所述知识点之间的相关值已知，知识点之间相关值未知的，以一个近似于0的值取代，所述相关值为单向有效的数值。
根据一个节点下所述知识点的重要值、及所述节点下所有知识点对节点的相关值，更新节点下知识点之间的相关值，其中仅更新所述知识点之间相关值未知的相关值数据。及
重复确定所述节点下知识点对节点之间的相关值，以及知识点之间的相关值，直到节点下知识点之间的相关值稳定；
所述根据一个节点下所述知识点预设的重要值、及所述节点下所有知识点之间的相关值，确定所述节点下所有知识点对所述节点的相关值具体包括：
根据所述节点下知识点预设的重要值加和，确定所述节点的重要值
Figure GDA0004075962070000021
根据所述知识点的重要值αi对所述节点重要值
Figure GDA0004075962070000022
的占比，确定所述节点对知识点的相关值δi；
知识点对节点的相关值γA为：
Figure GDA0004075962070000023
其中n为节点下的知识点个数的总和，βAB为知识点A和知识点B的相关值，δB为所述节点对知识点B的相关值；
所述根据一个节点下所述知识点的重要值、及所述节点下所有知识点对节点的相关值，更新节点下知识点之间的相关值，具体包括：
根据一个知识点A对节点的相关值γA，已知的该知识点对其他知识点的相关值βAB以及相应节点对知识点的相关值δB，确定该知识点对同一节点下，其他知识点C的总相关程度，所述总相关程度βAT为
Figure GDA0004075962070000031
其中，m为所述知识点A在同一节点下对其他知识点C相关值未知的知识点总数；
根据所述总相关程度βAT以及节点对其他知识点的相关值δC之间的比例关系，调整所述知识点A对其他知识点C的相关值βAC。
进一步的，在所述重复确定所述节点下知识点对节点之间的相关值，以及知识点之间的相关值，直到节点下知识点之间的相关值稳定的步骤之后还包括：确定跨节点的所述知识点之间的相关值，并具体包括：
根据所述知识点在所在节点内所有知识点重要值总和的占比，确定所述节点对所述知识点的相关值；
确定两组知识点之间包括的所有节点，以及节点之间的相关值，其中节点之间的相关值全部或部分预设；
通过知识点对节点、节点对节点、节点对知识点的相关值的乘积确定跨节点的所述知识点之间的相关值。
进一步的，节点之间存在包含关系，父节点下包括若干子节点，节点之间的相关值的计算方法具体包括：
根据父节点下子节点和父节点直接包含的知识点重要值的总和确定父节点的重要值；
根据子节点的重要值对父节点的重要值占比，确定父节点对子节点的相关值；
根据一个父节点下，预设的部分子节点之间的相关值，和父节点对子节点的相关值，确定子节点对父节点的相关值；
根据子节点对父节点的相关值，和子节点的重要值确定子节点对父节点的相关值。
进一步的，所述根据一个节点下所述知识点预设的重要值、及所述节点下所有知识点之间的相关值，确定所述节点下所有知识点对所述节点的相关值具体包括：
根据所述节点下知识点预设的重要值加和，确定所述节点的重要值
Figure GDA0004075962070000041
根据所述知识点的重要值αi对所述节点重要值
Figure GDA0004075962070000042
的占比，确定所述节点对知识点的相关值δi；
知识点对节点的相关值γA为：
Figure GDA0004075962070000043
其中n为节点下的知识点个数的总和，βAB为知识点A和知识点B的相关值，δB为所述节点对知识点B的相关值。
进一步的，所述根据一个节点下所述知识点的重要值、及所述节点下所有知识点对节点的相关值，更新节点下知识点之间的相关值，具体包括：
根据一个知识点A对节点的相关值γA，已知的该知识点对其他知识点的相关值βAB以及相应节点对知识点的相关值δB，确定该知识点对同一节点下，其他知识点C的总相关程度，所述总相关程度βAT为
Figure GDA0004075962070000044
其中，m为所述知识点A在同一节点下对其他知识点C相关值未知的知识点总数；
根据所述总相关程度βAT以及节点对其他知识点的相关值δC之间的比例关系，调整所述知识点A对其他知识点C的相关值βAC。
进一步的，所述知识点之间相关值未知的，其知识点之间的相关值的确定步骤具体包括：
确定第一知识点A为第一状态时，第二知识点B为第一状态的概率P(B|A)，以及第一知识点A为第二状态时第二知识点B为第二状态的概率
Figure GDA0004075962070000051
其中第一状态与第二状态互为相反事件；
第一知识点和第二知识点的相关值βAB为：
Figure GDA0004075962070000052
为了解决上述技术问题，本申请实施例还提供一种知识空间中知识点相关值确定装置，采用了如下所述的技术方案：
一种知识空间中知识点相关值确定装置，包括：
知识点-节点相关值确定模块，用于根据一个节点下所述知识点预设的重要值、及所述节点下所有知识点之间的相关值，确定所述节点下所有知识点对所述节点的相关值；其中，知识空间中的至少一个知识点隶属于一个节点，部分所述知识点之间的相关值已知，知识点之间相关值未知的，以一个近似于0的值取代，所述相关值为单向有效的数值。
知识点-知识点相关值确定模块，用于根据一个节点下所述知识点的重要值、及所述节点下所有知识点对节点的相关值，更新节点下知识点之间的相关值，其中仅更新所述知识点之间相关值未知的相关值数据；及
知识点-节点相关值确定模块和知识点-知识点相关值确定模块，还用于重复确定所述节点下知识点对节点之间的相关值，以及知识点之间的相关值，直到节点下知识点之间的相关值稳定。
进一步的，还包括：
节点-节点相关值确定模块，用于确定两组知识点之间包括的所有节点，以及节点之间的相关值，其中节点之间的相关值全部或部分预设；及
节点-知识点相关值确定模块，用于根据所述知识点在所在节点内所有知识点重要值总和的占比，确定所述节点对所述知识点的相关值；
知识点-知识点相关值确定模块，还用于通过知识点对节点、节点对节点、节点对知识点的相关值的乘积确定跨节点的所述知识点之间的相关值；
其中，所述知识点-节点相关值确定模块还用于：根据所述节点下知识点预设的重要值加和，确定所述节点的重要值
Figure GDA0004075962070000053
根据所述知识点的重要值αi对所述节点重要值
Figure GDA0004075962070000054
的占比，确定所述节点对知识点的相关值δi；
知识点对节点的相关值γA为：
Figure GDA0004075962070000061
其中n为节点下的知识点个数的总和，βAB为知识点A和知识点B的相关值，δB为所述节点对知识点B的相关值；
其中，所述知识点-知识点相关值确定模块还用于：根据一个知识点A对节点的相关值γA，已知的该知识点对其他知识点的相关值βAB以及相应节点对知识点的相关值δB，确定该知识点对同一节点下，其他知识点C的总相关程度，所述总相关程度βAT为
Figure GDA0004075962070000062
其中，m为所述知识点A在同一节点下对其他知识点C相关值未知的知识点总数；
根据所述总相关程度βAT以及节点对其他知识点的相关值δC之间的比例关系，调整所述知识点A对其他知识点C的相关值βAC。
为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的一种知识空间中知识点相关值确定方法。
为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，采用了如上所述的一种知识空间中知识点相关值确定方法。
与现有技术相比，本申请实施例主要有以下有益效果：根据已知的各个知识点的重要值能够确定知识点在节点当中的重要程度，这直接影响了该知识点在该节点中与其他知识点和节点产生关联的难易程度，知识点重要值越高，则在该节点中与其他知识点以及所在节点产生的相关值会更大，根据节点中已知的部分知识点之间的相关值，结合各个知识点的重要值，能够估算节点之中知识点对节点的相关值。之后结合节点下知识的重要值，能够估算知识点之间的相关值，如此，知识点之间相关值未知的情况得到了初步的估算，而知识点之间估算得到的相关值，又能够结合已经确定的知识点之间的相关值，还有知识点的重要值，重新估算知识点对节点的相关值，并且估算的精度更高，进一步的，通过精度更高的知识点对节点的相关值和知识点的重要值结合提升知识点之间相关值的估算精度，其中仅对原先知识点之间相关值未知的情况作出估算，而不调整已知的知识点之间的相关值，如此反复若干次，就能确定节点下多个知识点之间的相关值。如此无需明确所有的知识点之间的相关值，就能通过算法运算得到所有知识点之间的相关值的效果。
附图说明
为了更清楚地说明本申请中的方案，下面将对本申请实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1根据本申请的一种知识空间中知识点相关值确定方法的一个实施例的流程图；
图2是图1中步骤S400的一种具体实施方式的流程图；
图3是图2中步骤S402的一种具体实施方式的流程图；
图4是图1中步骤S100的一种具体实施方式的流程图；
图5是根据本申请的一种知识空间中知识点相关值确定装置的一个实施例的结构示意图；
图6是根据本申请的计算机设备的一个实施例的结构示意图。
附图标记：
具体实施方式
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。
参考图2，示出了根据本申请的一种知识空间中知识点相关值确定方法的一个实施例的流程图。所述的一种知识空间中知识点相关值确定方法方法，包括以下步骤：
一种知识空间中知识点相关值确定方法，包括下述步骤：
步骤S100：知识空间中的至少一个知识点隶属于一个节点，根据一个节点下所述知识点预设的重要值、及所述节点下所有知识点之间的相关值，确定所述节点下所有知识点对所述节点的相关值，其中部分所述知识点之间的相关值已知，知识点之间相关值未知的，以一个近似于0的值取代，所述相关值为单向有效的数值。
步骤S200：根据一个节点下所述知识点的重要值、及所述节点下所有知识点对节点的相关值，更新节点下知识点之间的相关值，其中仅更新所述知识点之间相关值未知的相关值数据。及
步骤S300：重复确定所述节点下知识点对节点之间的相关值，以及知识点之间的相关值，直到节点下知识点之间的相关值稳定。
根据已知的各个知识点的重要值能够确定知识点在节点当中的重要程度，这直接影响了该知识点在该节点中与其他知识点和节点产生关联的难易程度，知识点重要值越高，则在该节点中与其他知识点以及所在节点产生的相关值会更大，根据节点中已知的部分知识点之间的相关值，结合各个知识点的重要值，能够估算节点之中知识点对节点的相关值。之后结合节点下知识的重要值，能够估算知识点之间的相关值，如此，知识点之间相关值未知的情况得到了初步的估算，而知识点之间估算得到的相关值，又能够结合已经确定的知识点之间的相关值，还有知识点的重要值，重新估算知识点对节点的相关值，并且估算的精度更高，进一步的，通过精度更高的知识点对节点的相关值和知识点的重要值结合提升知识点之间相关值的估算精度，其中仅对原先知识点之间相关值未知的情况作出估算，而不调整已知的知识点之间的相关值，如此反复若干次，就能确定节点下多个知识点之间的相关值。如此无需明确所有的知识点之间的相关值，就能通过算法运算得到所有知识点之间的相关值的效果。
在本实施例的一些可选的实现方式中，在所述重复确定所述节点下知识点对节点之间的相关值，以及知识点之间的相关值，直到节点下知识点之间的相关值稳定的步骤之后还包括：步骤S400：确定跨节点的所述知识点之间的相关值，并具体包括：
步骤S401：根据所述知识点在所在节点内所有知识点重要值总和的占比，确定所述节点对所述知识点的相关值；
步骤S402：确定两组知识点之间包括的所有节点，以及节点之间的相关值，其中节点之间的相关值全部或部分预设；
步骤S403：通过知识点对节点、节点对节点、节点对知识点的相关值的乘积确定跨节点的所述知识点之间的相关值。
具体的，节点和节点之间存在着隶属关系，一个节点下可以同时存在着子节点和知识点，通过知识点、节点之间的树状的隶属关系，知识空间当中的任意两个知识点均能够产生联系，也具有相互的相关值，通过两个知识点连接线上的节点之间的相关性的乘积，确定两个知识点之间的相关性。
进一步的，节点之间存在包含关系，父节点下包括若干子节点，节点之间的相关值的计算方法具体包括：
步骤S4021：根据父节点下子节点和父节点直接包含的知识点重要值的总和确定父节点的重要值；
步骤S4022：根据子节点的重要值对父节点的重要值占比，确定父节点对子节点的相关值；
步骤S4023：根据一个父节点下，预设的部分子节点之间的相关值，和父节点对子节点的相关值，确定子节点对父节点的相关值；
步骤S4024：根据子节点对父节点的相关值，和子节点的重要值确定子节点对父节点的相关值。
子节点和父节点，子节点和相邻子节点的确定方法与一个节点下知识点之间的相关值以及知识点和节点之间的相关值的计算方式一致，通过节点的重要值和已知的节点之间的相关值进行相关性的计算，并确定子节点与子节点之间、子节点对父节点，父节点对子节点的相关性。
进一步的，所述根据一个节点下所述知识点预设的重要值、及所述节点下所有知识点之间的相关值，确定所述节点下所有知识点对所述节点的相关值具体包括：
步骤S101：根据所述节点下知识点预设的重要值加和，确定所述节点的重要值
Figure GDA0004075962070000101
步骤S102：根据所述知识点的重要值αi对所述节点重要值
Figure GDA0004075962070000102
的占比，确定所述节点对知识点的相关值δi；
步骤S103：知识点对节点的相关值γA为：
Figure GDA0004075962070000103
其中n为节点下的知识点个数的总和，βAB为知识点A和知识点B的相关值，δB为所述节点对知识点B的相关值。
预设βAA＝1也就是知识点与自身的相关值为1。根据知识点在节点当中与其他知识点之间的相关值的累加能够确定知识点在该节点下与其他知识点的相关性总和，如此能够反应该知识点与节点的相关性，具体的该节点与该节点下重要值高的知识点之间的相关值较大，并且自身的重要值较高，则该改知识点对节点的相关值就越高。
进一步的，所述根据一个节点下所述知识点的重要值、及所述节点下所有知识点对节点的相关值，更新节点下知识点之间的相关值，具体包括：
步骤S201：根据一个知识点A对节点的相关值γA，已知的该知识点对其他知识点的相关值βAB以及相应节点对知识点的相关值δB，确定该知识点对同一节点下，其他知识点C的总相关程度，所述总相关程度βAT为
Figure GDA0004075962070000111
其中，m为所述知识点A在同一节点下对其他知识点C相关值未知的知识点总数；
步骤S202：根据所述总相关程度βAT以及节点对其他知识点的相关值δC之间的比例关系，调整所述知识点A对其他知识点C的相关值βAC。
知识点对节点的相关值确定之后，因为知识点对节点的相关值是通过知识点之间的相关值的累加决定的，而知识点之间的相关值又与知识点的重要值相关，所以根据知识点重要值的平均能够估算出知识点相对于知识点的相关性。
因为节点下部分知识点之间的相关性未知，所以获取的知识点对节点的相关值是不准确的，知识点之间的相关值也是不准确的，此时需要反复通过公式计算，螺旋性的提升知识点对节点的相关性，已经知识点对知识点的相关性，才能提升知识点对知识点相关性的准确程度。在对知识点之间的相关性调整的过程当中，仅调整知识点之间相关性原先未知的情况。通过反复更新，知识点之间的相关性逐渐收敛稳定，最终确定同一节点下知识点之间相关性的结果。
进一步的，所述知识点之间相关值未知的，其知识点之间的相关值的确定步骤具体包括：
确定第一知识点A为第一状态时，第二知识点B为第一状态的概率P(B|A)，以及第一知识点A为第二状态时第二知识点B为第二状态的概率
Figure GDA0004075962070000121
其中第一状态与第二状态互为相反事件；
第一知识点和第二知识点的相关值βAB为：
Figure GDA0004075962070000122
该方案能准确的定量确定知识点与知识点之间的相关性，但是参数收集的难度较大所以适于计算全部。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-On ly Memory，ROM)等非易失性存储介质，或随机存储记忆体(Random Access Memory，RAM)等。
在实际应用当中，该知识空间中知识点相关值确定方法能够作为学校教学工作中的辅助手段，比如作为试卷出题的参考依据，辅助保证卷面能够全面的考察相应的科目。在另一种实时例当中利用确定的知识点之间的相关性，可以确定学生对科目内知识点的掌握情况。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
进一步参考图5，作为对上述图1所示方法的实现，本申请提供了一种知识空间中知识点相关值确定装置的一个实施例，该装置实施例与图1所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本实施例所述的一种知识空间中知识点相关值确定装置4包括：
知识点-节点相关值确定模块41，用于根据一个节点下所述知识点预设的重要值、及所述节点下所有知识点之间的相关值，确定所述节点下所有知识点对所述节点的相关值；其中，知识空间中的至少一个知识点隶属于一个节点，部分所述知识点之间的相关值已知，知识点之间相关值未知的，以一个近似于0的值取代，所述相关值为单向有效的数值。
知识点-知识点相关值确定模块42，用于根据一个节点下所述知识点的重要值、及所述节点下所有知识点对节点的相关值，更新节点下知识点之间的相关值，其中仅更新所述知识点之间相关值未知的相关值数据；及
知识点-节点相关值确定模块41和知识点-知识点相关值确定模块42，还用于重复确定所述节点下知识点对节点之间的相关值，以及知识点之间的相关值，直到节点下知识点之间的相关值稳定。
在本实施例的一些可选的实现方式中，一种知识空间中知识点相关值确定装置，还包括：
节点-节点相关值确定模块43，用于确定两组知识点之间包括的所有节点，以及节点之间的相关值，其中节点之间的相关值全部或部分预设；及
节点-知识点相关值确定模块44，用于根据所述知识点在所在节点内所有知识点重要值总和的占比，确定所述节点对所述知识点的相关值；
知识点-知识点相关值确定模块42，还用于通过知识点对节点、节点对节点、节点对知识点的相关值的乘积确定跨节点的所述知识点之间的相关值。
根据已知的各个知识点的重要值能够确定知识点在节点当中的重要程度，这直接影响了该知识点在该节点中与其他知识点和节点产生关联的难易程度，知识点重要值越高，则在该节点中与其他知识点以及所在节点产生的相关值会更大，根据节点中已知的部分知识点之间的相关值，结合各个知识点的重要值，能够估算节点之中知识点对节点的相关值。之后结合节点下知识的重要值，能够估算知识点之间的相关值，如此，知识点之间相关值未知的情况得到了初步的估算，而知识点之间估算得到的相关值，又能够结合已经确定的知识点之间的相关值，还有知识点的重要值，重新估算知识点对节点的相关值，并且估算的精度更高，进一步的，通过精度更高的知识点对节点的相关值和知识点的重要值结合提升知识点之间相关值的估算精度，其中仅对原先知识点之间相关值未知的情况作出估算，而不调整已知的知识点之间的相关值，如此反复若干次，就能确定节点下多个知识点之间的相关值。如此无需明确所有的知识点之间的相关值，就能通过算法运算得到所有知识点之间的相关值的效果。
为解决上述技术问题，本申请实施例还提供计算机设备。具体请参阅图6，图6为本实施例计算机设备基本结构框图。
所述计算机设备6包括通过系统总线相互通信连接存储器61、处理器62、网络接口63。需要指出的是，图中仅示出了具有组件61-63的计算机设备6，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable GateArray，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器61至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器61可以是所述计算机设备6的内部存储单元，例如该计算机设备6的硬盘或内存。在另一些实施例中，所述存储器61也可以是所述计算机设备6的外部存储设备，例如该计算机设备6上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(FlashCard)等。当然，所述存储器61还可以既包括所述计算机设备6的内部存储单元也包括其外部存储设备。本实施例中，所述存储器61通常用于存储安装于所述计算机设备6的操作系统和各类应用软件，例如X方法的程序代码等。此外，所述存储器61还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器62在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器62通常用于控制所述计算机设备6的总体操作。本实施例中，所述处理器62用于运行所述存储器61中存储的程序代码或者处理数据，例如运行所述X方法的程序代码。
所述网络接口63可包括无线网络接口或有线网络接口，该网络接口63通常用于在所述计算机设备6与其他电子设备之间建立通信连接。
本申请还提供了另一种实施方式，即提供一种计算机可读存储介质，所述计算机可读存储介质存储有X程序，所述X程序可被至少一个处理器执行，以使所述至少一个处理器执行如上述的X方法的步骤。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所述的方法。
显然，以上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，附图中给出了本申请的较佳实施例，但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本申请专利保护范围之内。

Claims (8)

1.一种知识空间中知识点相关值确定方法，其特征在于，包括下述步骤：
知识空间中的至少一个知识点隶属于一个节点，根据一个节点下所述知识点预设的重要值、及所述节点下所有知识点之间的相关值，确定所述节点下所有知识点对所述节点的相关值，其中部分所述知识点之间的相关值已知，知识点之间相关值未知的，以一个近似于0的值取代，所述相关值为单向有效的数值；
根据一个节点下所述知识点的重要值、及所述节点下所有知识点对节点的相关值，更新节点下知识点之间的相关值，其中仅更新所述知识点之间相关值未知的相关值数据；及
重复确定所述节点下知识点对节点之间的相关值，以及知识点之间的相关值，直到节点下知识点之间的相关值稳定；
所述根据一个节点下所述知识点预设的重要值、及所述节点下所有知识点之间的相关值，确定所述节点下所有知识点对所述节点的相关值具体包括：
根据所述节点下知识点预设的重要值加和，确定所述节点的重要值
根据所述知识点的重要值αi对所述节点重要值的占比，确定所述节点对知识点的相关值δi；
知识点对节点的相关值γA为：
其中n为节点下的知识点个数的总和，βAB为知识点A和知识点B的相关值，δB为所述节点对知识点B的相关值；
所述根据一个节点下所述知识点的重要值、及所述节点下所有知识点对节点的相关值，更新节点下知识点之间的相关值，具体包括：
根据一个知识点A对节点的相关值γA，已知的该知识点对其他知识点的相关值βAB以及相应节点对知识点的相关值δB，确定该知识点对同一节点下，其他知识点C的总相关程度，所述总相关程度βAT为
其中，m为所述知识点A在同一节点下对其他知识点C相关值未知的知识点总数；
根据所述总相关程度βAT以及节点对其他知识点的相关值δC之间的比例关系，调整所述知识点A对其他知识点C的相关值βAC。
2.根据权利要求1所述的一种知识空间中知识点相关值确定方法，其特征在于，在所述重复确定所述节点下知识点对节点之间的相关值，以及知识点之间的相关值，直到节点下知识点之间的相关值稳定的步骤之后还包括：确定跨节点的所述知识点之间的相关值，并具体包括：
根据所述知识点在所在节点内所有知识点重要值总和的占比，确定所述节点对所述知识点的相关值；
确定两组知识点之间包括的所有节点，以及节点之间的相关值，其中节点之间的相关值全部或部分预设；
通过知识点对节点、节点对节点、节点对知识点的相关值的乘积确定跨节点的所述知识点之间的相关值。
3.根据权利要求2所述的一种知识空间中知识点相关值确定方法，其特征在于：节点之间存在包含关系，父节点下包括若干子节点，节点之间的相关值的计算方法具体包括：
根据父节点下子节点和父节点直接包含的知识点重要值的总和确定父节点的重要值；
根据子节点的重要值对父节点的重要值占比，确定父节点对子节点的相关值；
根据一个父节点下，预设的部分子节点之间的相关值，和父节点对子节点的相关值，确定子节点对父节点的相关值；
根据子节点对父节点的相关值，和子节点的重要值确定子节点对父节点的相关值。
4.根据权利要求1至3任意一项所述的一种知识空间中知识点相关值确定方法，其特征在于，所述知识点之间相关值未知的，其知识点之间的相关值的确定步骤具体包括：
确定第一知识点A为第一状态时，第二知识点B为第一状态的概率P(B|A)，以及第一知识点A为第二状态时第二知识点B为第二状态的概率其中第一状态与第二状态互为相反事件；
第一知识点和第二知识点的相关值βAB为：
5.一种知识空间中知识点相关值确定装置，其特征在于，包括：
知识点-节点相关值确定模块，用于根据一个节点下所述知识点预设的重要值、及所述节点下所有知识点之间的相关值，确定所述节点下所有知识点对所述节点的相关值；其中，知识空间中的至少一个知识点隶属于一个节点，部分所述知识点之间的相关值已知，知识点之间相关值未知的，以一个近似于0的值取代，所述相关值为单向有效的数值；
知识点-知识点相关值确定模块，用于根据一个节点下所述知识点的重要值、及所述节点下所有知识点对节点的相关值，更新节点下知识点之间的相关值，其中仅更新所述知识点之间相关值未知的相关值数据；及
知识点-节点相关值确定模块和知识点-知识点相关值确定模块，还用于重复确定所述节点下知识点对节点之间的相关值，以及知识点之间的相关值，直到节点下知识点之间的相关值稳定；
其中，所述知识点-节点相关值确定模块还用于：根据所述节点下知识点预设的重要值加和，确定所述节点的重要值
根据所述知识点的重要值αi对所述节点重要值的占比，确定所述节点对知识点的相关值δi；
知识点对节点的相关值γA为：
其中n为节点下的知识点个数的总和，βAB为知识点A和知识点B的相关值，δB为所述节点对知识点B的相关值；
其中，所述知识点-知识点相关值确定模块还用于：根据一个知识点A对节点的相关值γA，已知的该知识点对其他知识点的相关值βAB以及相应节点对知识点的相关值δB，确定该知识点对同一节点下，其他知识点C的总相关程度，所述总相关程度βAT为
其中，m为所述知识点A在同一节点下对其他知识点C相关值未知的知识点总数；
根据所述总相关程度βAT以及节点对其他知识点的相关值δC之间的比例关系，调整所述知识点A对其他知识点C的相关值βAC。
6.根据权利要求5所述的一种知识空间中知识点相关值确定装置，其特征在于，还包括：
节点-节点相关值确定模块，用于确定两组知识点之间包括的所有节点，以及节点之间的相关值，其中节点之间的相关值全部或部分预设；及
节点-知识点相关值确定模块，用于根据所述知识点在所在节点内所有知识点重要值总和的占比，确定所述节点对所述知识点的相关值；
知识点-知识点相关值确定模块，还用于通过知识点对节点、节点对节点、节点对知识点的相关值的乘积确定跨节点的所述知识点之间的相关值。
7.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至4中任一项所述的一种知识空间中知识点相关值确定方法的步骤。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至4中任一项所述的一种知识空间中知识点相关值确定方法的步骤。
CN202010044684.0A 2020-01-16 2020-01-16 一种知识空间中知识点相关值确定方法、装置、计算机设备及存储介质 Active CN111221878B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010044684.0A CN111221878B (zh) 2020-01-16 2020-01-16 一种知识空间中知识点相关值确定方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010044684.0A CN111221878B (zh) 2020-01-16 2020-01-16 一种知识空间中知识点相关值确定方法、装置、计算机设备及存储介质

Publications (2)

Publication Number Publication Date
CN111221878A CN111221878A (zh) 2020-06-02
CN111221878B true CN111221878B (zh) 2023-05-02

Family

ID=70810469

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010044684.0A Active CN111221878B (zh) 2020-01-16 2020-01-16 一种知识空间中知识点相关值确定方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN111221878B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7644052B1 (en) * 2006-03-03 2010-01-05 Adobe Systems Incorporated System and method of building and using hierarchical knowledge structures
CN109598995A (zh) * 2019-01-08 2019-04-09 上海健坤教育科技有限公司 基于贝叶斯知识跟踪模型的智能教学系统
WO2019149264A1 (zh) * 2018-02-02 2019-08-08 上海颐为网络科技有限公司 一种学习知识结构的辅助方法和系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070005541A1 (en) * 2005-05-31 2007-01-04 Sarmad Sadeghi Methods for Validation and Modeling of a Bayesian Network

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7644052B1 (en) * 2006-03-03 2010-01-05 Adobe Systems Incorporated System and method of building and using hierarchical knowledge structures
WO2019149264A1 (zh) * 2018-02-02 2019-08-08 上海颐为网络科技有限公司 一种学习知识结构的辅助方法和系统
CN109598995A (zh) * 2019-01-08 2019-04-09 上海健坤教育科技有限公司 基于贝叶斯知识跟踪模型的智能教学系统

Also Published As

Publication number Publication date
CN111221878A (zh) 2020-06-02

Similar Documents

Publication Publication Date Title
Buraczewski et al. Stochastic models with power-law tails
Schepsmeier A goodness-of-fit test for regular vine copula models
CN108833458B (zh) 一种应用推荐方法、装置、介质及设备
Giesecke et al. Exact simulation of point processes with stochastic intensities
WO2019061664A1 (zh) 电子装置、基于用户上网数据的产品推荐方法及存储介质
CN112181835B (zh) 自动化测试方法、装置、计算机设备及存储介质
Yamazaki Pricing average options under time-changed Lévy processes
CN111291936B (zh) 产品生命周期预估模型生成方法、装置及电子设备
Li et al. Robust jump regressions
Creel et al. Estimation of dynamic latent variable models using simulated non‐parametric moments
CN111784246B (zh) 物流路径的估测方法
CN113110843A (zh) 合约生成模型训练方法、合约生成方法及电子设备
CN111221878B (zh) 一种知识空间中知识点相关值确定方法、装置、计算机设备及存储介质
CN109800138B (zh) 一种cpu测试方法、电子装置及存储介质
Almomani et al. Selecting a good stochastic system for the large number of alternatives
CN116168403A (zh) 医疗数据分类模型训练方法、分类方法、装置及相关介质
CN113920381B (zh) 重复派生指标识别方法、电子设备及可读存储介质
Lam et al. Subsampling variance for input uncertainty quantification
CN112528500B (zh) 一种场景图构造模型的评估方法及评估设备
Peng et al. Gradient-based simulated maximum likelihood estimation for stochastic volatility models using characteristic functions
CN115202890A (zh) 数据元件生产资源空间分配方法、系统及设备
CN115221663A (zh) 数据处理方法、装置、设备及计算机可读存储介质
CN109885504B (zh) 推荐系统的测试方法、装置、介质及电子设备
Ozaki et al. Modeling and simulation of Japanese inter-firm network
CN112259239B (zh) 一种参数处理方法、装置、电子设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant