CN111858951A - 基于知识图谱的学习推荐方法及装置、终端设备 - Google Patents
基于知识图谱的学习推荐方法及装置、终端设备 Download PDFInfo
- Publication number
- CN111858951A CN111858951A CN201910365417.0A CN201910365417A CN111858951A CN 111858951 A CN111858951 A CN 111858951A CN 201910365417 A CN201910365417 A CN 201910365417A CN 111858951 A CN111858951 A CN 111858951A
- Authority
- CN
- China
- Prior art keywords
- knowledge
- knowledge points
- user
- graph
- questions
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 230000008569 process Effects 0.000 claims abstract description 22
- 238000012216 screening Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 17
- 238000007596 consolidation process Methods 0.000 abstract description 5
- 230000004927 fusion Effects 0.000 abstract description 5
- 238000004364 calculation method Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000012552 review Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 241000411851 herbal medicine Species 0.000 description 4
- 238000010521 absorption reaction Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005034 decoration Methods 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003252 repetitive effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
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
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Animal Behavior & Ethology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明公开了一种基于知识图谱的学习推荐方法及装置、终端设备,涉及教育领域,该学习推荐方法包括以下步骤:收集用户在学习过程中提出的问题;根据收集的所述问题,结合知识图谱,得到所述用户的薄弱知识点;推送与所述薄弱知识点相关的学习信息。本发明根据用户平时提出的问题来给用户量身推荐其薄弱知识点相关的学习信息,便于其重复练习,达到巩固、融会贯通的目的,提高用户的使用体验。
Description
技术领域
本发明涉及教育领域,尤其涉及一种基于知识图谱的学习推荐方法及装置、终端设备。
背景技术
学生在学习的过程中必然会遇到不会做的作业,其可能向老师、家长、同学等不同的人群寻求帮助,也可能通过辅导学习的设备(例如:家教机、学习机)等寻求帮助。
通常学生碰到不会做的题目是因为某些知识点没有完全掌握,导致其在做相关联的题目时出现卡壳,需要寻求帮助。大部分学生都是健忘的,当其碰到困难的题目通过别人帮忙解决后,可能当下已经理解了,但是过段时间又会忘记,当下次碰到同类型的问题时,又会出现不会做的情况,会再次提出疑问。
发明内容
本发明的目的是提供一种基于知识图谱的学习推荐方法及装置、终端设备,量身给用户推荐其薄弱项的学习信息,推送的学习信息更符合用户的实际需求,提高用户的使用体验。
本发明提供的技术方案如下:
一种基于知识图谱的学习推荐方法,包括以下步骤:收集用户在学习过程中提出的问题;根据收集的所述问题,结合知识图谱,得到所述用户的薄弱知识点;推送与所述薄弱知识点相关的学习信息。
在上述技术方案中,根据用户平时提出的问题来给用户量身推荐其薄弱知识点相关的学习信息,便于其重复练习,达到巩固、融会贯通的目的,提高用户的使用体验。
进一步,所述的根据收集的所述问题,结合知识图谱,得到所述用户的薄弱知识点包括以下步骤:从收集的所述问题中筛选出常问问题,所述常问问题为被提出的次数大于预设次数的问题;结合知识图谱,得到所述常问问题对应的薄弱知识点。
在上述技术方案中,先从用户平时提问的问题中筛选出常问问题再定位用户的薄弱知识点进行针对性的学习信息推荐,这种推荐方式剔除掉了其已经掌握的知识点,避免了用户重复做其自己会做的题目,能够有效地把时间花在自己不太会的知识点上,针对性地实现查漏补缺。
进一步,所述的结合知识图谱,得到所述常问问题对应的薄弱知识点包括以下步骤:在所述知识图谱上匹配所述常问问题对应的知识点,将匹配出来的知识点作为所述薄弱知识点。
进一步,所述的结合知识图谱,得到所述常问问题对应的薄弱知识点包括以下步骤:在所述知识图谱上匹配所述常问问题对应的知识点;当匹配出来的所述知识点的数量大于预设数量时,将所述知识点对应的常问问题的数量最多的预设个数的知识点作为所述薄弱知识点。
在上述技术方案中,在给用户推荐学习信息时,会控制知识点的数量,实现少量、高效地学习。
进一步,还包括以下步骤:将剩下的所述知识点作为次要知识点;当所述薄弱知识点相关的学习信息被学习完后,推荐所述次要知识点对应的学习信息。
在上述技术方案中,将匹配出来的知识点分批次推荐相应的学习信息,让用户在学习时有一个缓冲,提高其学习效果。
本发明还提供一种基于知识图谱的学习推荐装置,包括:收集模块,用于收集用户在学习过程中提出的问题;分析模块,用于根据收集的所述问题,结合知识图谱,得到所述用户的薄弱知识点;推送模块,用于推送与所述薄弱知识点相关的学习信息。
进一步,所述分析模块,用于根据收集的所述问题,结合知识图谱,得到所述用户的薄弱知识点包括:筛选子模块,用于从收集的所述问题中筛选出常问问题,所述常问问题为被提出的次数大于预设次数的问题;匹配子模块,用于结合知识图谱,得到所述常问问题对应的薄弱知识点。
进一步,所述匹配子模块,用于结合知识图谱,得到所述常问问题对应的薄弱知识点包括:所述匹配子模块,在所述知识图谱上匹配所述常问问题对应的知识点;以及,当匹配出来的所述知识点的数量大于预设数量时,将所述知识点对应的常问问题的数量最多的预设个数的知识点作为所述薄弱知识点。
本发明还提供一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器运行所述计算机程序时实现如上述任一所述的基于知识图谱的学习推荐方法的步骤。
本发明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上述任一所述的基于知识图谱的学习推荐方法的步骤。
与现有技术相比,本发明的基于知识图谱的学习推荐方法及装置、终端设备有益效果在于:
本发明根据用户平时提出的问题来给用户量身推荐其薄弱知识点相关的学习信息,便于其重复练习,达到巩固、融会贯通的目的,提高用户的使用体验。
附图说明
下面将以明确易懂的方式,结合附图说明优选实施方式,对一种基于知识图谱的学习推荐方法及装置、终端设备的上述特性、技术特征、优点及其实现方式予以进一步说明。
图1是本发明基于知识图谱的学习推荐方法一个实施例的流程图;
图2是本发明知识图谱一个实施例的结构示意图;
图3是本发明基于知识图谱的学习推荐方法另一个实施例的流程图;
图4是本发明基于知识图谱的学习推荐方法又一个实施例的流程图;
图5是本发明终端设备一个实施例的结构示意图;
图6是本发明基于知识图谱的学习推荐装置一个实施例的结构示意图;
图7是本发明基于知识图谱的学习推荐装置另一个实施例的结构示意图。
附图标号说明:
5.终端设备,51.存储器,52.计算机程序,53.处理器,6.基于知识图谱的学习推荐装置,61.收集模块,62.分析模块,621.筛选子模块,622.匹配子模块,63.推送模块。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其他实施例中也可以实现本申请。在其他情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”指示所述描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其他特征、整体、步骤、操作、元素、组件和/或集合的存在或添加。
为使图面简洁,各图中只示意性地表示出了与本发明相关的部分,它们并不代表其作为产品的实际结构。另外,以使图面简洁便于理解,在有些图中具有相同结构或功能的部件,仅示意性地绘示了其中的一个,或仅标出了其中的一个。在本文中,“一个”不仅表示“仅此一个”,也可以表示“多于一个”的情形。
还应当进一步理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
具体实现中,本申请实施例中描述的终端设备包括但不限于诸如具有触摸敏感表面(例如,触摸屏显示器和/或触摸板)的移动电话、膝上型计算机或平板计算机之类的其他便携式设备。还应当理解的是,在某些实施例中,所述终端设备并非便携式通信设备,而是具有触摸敏感表面(例如:触摸屏显示器和/或触摸板)的台式计算机。
在接下来的讨论中,描述了包括显示器和触摸敏感表面的终端设备。然而,应当理解的是,终端设备可以包括诸如物理键盘、鼠标和/或控制杆的一个或多个其他物理用户接口设备。
终端设备支持各种应用程序,例如以下中的一个或多个:绘图应用程序、演示应用程序、网络创建应用程序、文字处理应用程序、盘刻录应用程序、电子表格应用程序、游戏应用程序、电话应用程序、视频会议应用程序、电子邮件应用程序、即时消息收发应用程序、锻炼支持应用程序、照片管理应用程序、数码相机应用程序、数字摄像机应用程序、Web浏览应用程序、数字音乐播放器应用程序和/或数字视频播放器应用程序。
可以在终端设备上执行的各种应用程序可以使用诸如触摸敏感表面的至少一个公共物理用户接口设备。可以在应用程序之间和/或相应应用程序内调整和/或改变触摸敏感表面的一个或多个功能以及终端上显示的相应信息。这样,终端的公共物理架构(例如,触摸敏感表面)可以支持具有对用户而言直观且透明的用户界面的各种应用程序。
另外,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对照附图说明本发明的具体实施方式。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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,并获得其他的实施方式。
图1示出了本发明的一种基于知识图谱的学习推荐方法的实现流程图,该推荐方法可以应用于终端设备(例如:学习机、家教机,本实施例中为方便理解,都以家教机作为主语解释,但本领域的技术人员均明白该推荐方法也可应用于其他终端设备,只要能实现相应功能即可),该推荐方法包括以下步骤:
S101收集用户在学习过程中提出的问题。
具体的,用户在学习过程中当碰到不会做的题目时,可向家教机提问,让家教机帮忙给出这个问题的答案。提问的方式有多种,例如:语音提问(直接读出题目)、语音和图像结合的方式提问(用户可指着某一题说“我不会做”,家教机对这道题拍摄后,提取出文字信息,得到这道题后匹配相应的答案)等。
家教机在用户日积月累的使用过程中,会存储有用户提出的各个问题,这些就是家教机收集用户在学习过程中提出的问题的过程。
S102根据收集的问题,结合知识图谱,得到用户的薄弱知识点。
具体的,知识图谱是根据知识点的关联关系构建的一个类似于节点网络的图谱。
比如,以小学三年级数学的知识点建立知识图谱,参见表一;根据表一建立的知识图谱如图2所示,关于“时间”这个大知识点里包含了四个子知识点,分别为:“看时间”、“画时间”、“时间的比较”和“时间的计算”,而“时间的比较”和“时间的计算”会与“加减法”这个大知识点关联。
表一
同理,再以生物为例其可分为层级如下表二所示,根据这些层级建立知识图谱。
表二
每个知识点(的子知识点)都会对应若干个学习信息,学习信息包括:知识点定义、此知识点对应的题目等。
家教机根据用户提出的问题,在知识图谱上定位用户的薄弱知识点,在本实施例中,只要是用户提出的问题(即用户提问的题目)对应的知识点都是用户的薄弱知识点。
S103推送与薄弱知识点相关的学习信息(题目和知识点定义)。
具体的,当从知识图谱中定位到用户的薄弱知识点时,提取各薄弱知识点对应的学习信息推荐给用户,供其针对自己的薄弱项进行复习,提高学习成绩。
需要注意的是,有的时候用户的薄弱知识点为一个大知识点,那这个大知识点下包含的所有子知识点都为其薄弱知识点,推荐学习信息时,所有子知识点对应的学习信息都会推荐;有的时候用户的薄弱知识点仅为一个子知识点,推荐学习信息时,可仅推荐这个子知识点对应的学习信息。
可选地,步骤S103推送与薄弱知识点相关的学习信息进一步包括以下步骤:当有薄弱知识点存在有关联知识点时,同时推送薄弱知识点对应的学习信息和关联知识点对应的学习信息。
具体的,在知识图谱中,有些知识点之间会存在关联关系,如图2中所示的“时间的比较”和“时间的计算”会与“加减法”这个知识点相关联,即“时间的比较”的关联知识点为“加减法”这个知识点,“时间的计算”的关联知识点也为“加减法”这个知识点,“加减法”的关联知识点为“时间的比较”和“时间的计算”这两个知识点。
当根据用户所提出的问题,定位出来用户的薄弱知识点为“加减法”时,除了推荐“加减法”下各子知识点“加法”和“减法”对应的学习信息(加法的定义、加法的题目、减法的定义、减法的题目等),还会推荐其关联知识点“时间的比较”和“时间的计算”这两个知识点对应的学习信息。
可选地,步骤S103推荐学习信息包括:推荐各薄弱/关联知识点对应的知识点定义,以及从每个薄弱/关联知识点对应的题目中抽取的一定数量的题目推荐。
具体的,知识图谱中的每个知识点都可能会对应成百上千的题目,若将所有题目都推荐给用户做,必然要造成强烈的学习负担,少量、针对性的推荐才会加强用户的学习动力和效率。
一定数量可根据用户的实际需求个性化调整,例如:5、10等。
优选地,步骤S102可变形为:周期性地根据这段时间收集的问题,结合知识图谱,得到用户的薄弱知识点。
具体的,周期性地总结用户在这段时间里提出的问题来定位其薄弱知识点,可帮助用户尽快克服自己的薄弱项。
周期的具体时间可根据用户的学习能力、学习习惯等个性化设置。例如:记忆比较好、学习能力比较强的用户,其在学习过程中提出问题的次数可能较少,一个星期可能也就二三次,这种可以设置周期时间长一点,例如:3个星期;学习能力比较差的用户,其在学习过程中碰到的问题比较多,可将周期时间设置的短一点,例如:2个星期。
周期的时间建议不要设置的太长,当设置的太长时,在定位薄弱知识点时必然会有很多,一下子给用户推荐太多薄弱知识点对应的学习信息不利于用户知识点的学习吸收。
本实施例中,根据用户平时提出的问题来给用户量身推荐其薄弱知识点相关的学习信息,便于其重复练习,达到巩固、融会贯通的目的,提高用户的使用体验。
基于上一实施例的改进,图3示出了本发明另一个基于知识图谱的学习推荐方法的实施例,包括以下步骤:
S301收集用户在学习过程中提出的问题。
根据收集的问题,结合知识图谱,得到用户的薄弱知识点包括以下步骤:
S302从收集的问题中筛选出常问问题,常问问题为被提出的次数大于预设次数的问题;
S303结合知识图谱,得到常问问题对应的薄弱知识点。
具体的,考虑到有的用户学习能力比较强,问过一次就可以熟练掌握,如果碰到这种情况再推荐相关的学习信息让用户复习一遍,仅仅是浪费其学习时间,做重复性地劳动。
因此,可从收集的问题中筛选出常问问题,预设次数可以根据老师布置作业的情况(例如:会不会一直布置相同/相似的题目、重复的频率)、用户自己的学习情况等方面个性化设置,例如:2次、3次等。
考虑到在一般较少概率采用一模一样的描述语句描述同一问题的情况,可先将收集的问题相互之间进行相似度匹配,将相似度匹配大于预设值(例如:80%)的问题作为相同的问题计算提问次数。相似度匹配可采用现有的一些相似度匹配算法实现,在此不作赘述。
例如:有3个提出的问题A、B、C,问题A和问题B的相似度为85%,问题C和问题A的相似度为20%,问题C和问题B的相似度为10%,因此问题A的提问次数为2,问题B的提问次数为2,问题C的提问次数为1,筛选出来的常问问题为问题A和问题B。
可选地,S303结合知识图谱,得到常问问题对应的薄弱知识点包括以下步骤:
S313在知识图谱上匹配常问问题对应的知识点,将匹配出来的知识点作为薄弱知识点。
具体的,如上述实施所说,知识图谱上的各知识点都会有对应的若干个题目,可将常问问题与各题目进行匹配,从而得到各常问问题对应的知识点。
S304推送与薄弱知识点相关的学习信息。
具体的,学习信息包括:题目和知识点定义。
可选地,步骤S304推送与薄弱知识点相关的学习信息进一步包括以下步骤:当有薄弱知识点存在有关联知识点时,同时推送薄弱知识点对应的学习信息和关联知识点对应的学习信息。
可选地,步骤S304推荐学习信息包括:推荐各薄弱/关联知识点对应的知识点定义,以及从每个薄弱/关联知识点对应的题目中抽取的一定数量的题目。
一定数量可根据用户的实际需求个性化调整,例如:4、8等。
优选地,步骤S302从收集的问题中筛选出常问问题,常问问题为被提出的次数大于预设次数的问题可变形为:周期性地根据这段时间收集的问题中筛选出常问问题,常问问题为被提出的次数大于预设次数的问题。
具体的,周期性地总结用户在这段时间里提出的问题来定位其薄弱知识点,能够帮助用户尽快克服自己的薄弱项。
周期的具体时间可根据用户的学习能力、学习习惯等个性化设置。周期的时间建议不要设置的太长,当设置的太长时,在定位薄弱知识点时必然会有很多,一下子给用户推荐太多薄弱知识点对应的学习信息不利于用户知识点的学习吸收。
本实施例中,先从用户平时提问的问题中筛选出常问问题再定位用户的薄弱知识点进行针对性的学习信息推荐,这种推荐方式剔除掉了其已经掌握的知识点,避免了用户重复做其自己会做的题目,能够有效地把时间花在自己不太会的知识点上,针对性地实现查漏补缺,大大提高了用户的学习效果。
在本发明的又一个方法实施例中,如图4所示,一种基于知识图谱的学习推荐方法,包括以下步骤:
S401收集用户在学习过程中提出的问题;
根据收集的问题,结合知识图谱,得到用户的薄弱知识点包括以下步骤:
S402从收集的问题中筛选出常问问题,常问问题为被提出的次数大于预设次数的问题;
结合知识图谱,得到常问问题对应的薄弱知识点包括以下步骤:
S403在知识图谱上匹配常问问题对应的知识点;
S404当匹配出来的知识点的数量大于预设数量时,将知识点对应的常问问题的数量最多的预设个数的知识点作为薄弱知识点。
具体的,有的时候会发现有的用户会频繁地提出问题向家教机寻求帮助,在根据常问问题定位到的知识点会有很多,例如:20个,30个等,若一下子将所有知识点都作为薄弱知识点给用户推荐这些薄弱知识点各自对应的学习信息可能会出现好几十页的题目,大量题目同时出现会给用户造成强烈的视觉冲击,降低其有效的学习效率。
因此,在发现匹配出来的知识点的数量大于预设数量时,可进一步筛选,得到薄弱知识点。预设数量可根据用户的学习能力、接受能力、抗压能力等个性化设置,例如:6个。
预设个数也可根据用户个性化设置,例如:5个。
例如:预设个数设为3,预设数量设为5,当根据常问问题匹配出来6个知识点时,获取每个知识点对应的常问问题的数量,将对应的常问问题的数量最多的前3个知识点作为薄弱知识点。
限定了薄弱知识点的数量,可在一定程序上降低用户因一下子复习大量知识点导致其学习效率变低的概率。
S405推送与薄弱知识点相关的学习信息。
S406将剩下的知识点作为次要知识点;
S407当薄弱知识点相关的学习信息被学习完后,推荐次要知识点对应的学习信息。
具体的,当将匹配出来的一部分知识点作为薄弱知识点后,将剩下的知识点作为次要知识点,待用户学完薄弱知识点相关的学习信息后,再推荐和次要知识相关的学习信息。
将匹配出来的知识点分批次推荐相应的学习信息,让用户在学习时有一个缓冲,提高其学习效果。
可选地,S405推送与薄弱知识点相关的学习信息进一步包括:当有薄弱知识点存在有关联知识点时,同时推送薄弱知识点对应的学习信息和关联知识点对应的学习信息。
同理,可选地,S407当薄弱知识点相关的学习信息被学习完后,推荐次要知识点对应的学习信息进一步包括:当薄弱知识点相关的学习信息被学习完后,在推荐次要知识点对应的学习信息时,若存在次要知识点对应的关联知识点时,同时推送次要知识点对应的学习信息和关联知识点对应的学习信息。
关联知识点对应的学习信息可让用户从整体上巩固自己学习的知识点,熟练掌握,达到融会贯通。
可选地,推荐学习信息包括:推荐各薄弱/次要/关联知识点对应的知识点定义,以及从每个薄弱/次要/关联知识点对应的题目中抽取的一定数量的题目。
优选地,步骤S402从收集的问题中筛选出常问问题,常问问题为被提出的次数大于预设次数的问题可变形为:周期性地根据这段时间收集的问题中筛选出常问问题,常问问题为被提出的次数大于预设次数的问题。
具体的,周期性地总结用户在这段时间里提出的问题来定位其薄弱知识点,能够帮助用户尽快克服自己的薄弱项。
本实施例中,在给用户推荐学习信息时,会控制知识点的数量,实现少量、高效地学习,且各知识点对应的学习信息中题目数量也会被控制在一定量内,全方面地保证用户的学习效率,以较少量的题目进行训练来掌握相应的知识点,提高用户的使用体验。
应理解,在上述实施例中,各步骤序号的大小并不意味着执行顺序的先后,各步骤的执行顺序应以功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
图6是本申请提供的基于知识图谱的学习推荐装置6的示意图,为了便于说明,仅示出了与本申请实施例相关的部分。
该基于知识图谱的学习推荐装置可以是内置于终端设备(例如:家教机)内的软件单元、硬件单元或者软硬结合的单元,也可以作为独立的挂件集成到终端设备中。
该基于知识图谱的学习推荐装置包括:
收集模块61,用于收集用户在学习过程中提出的问题。
具体的,用户在学习过程中当碰到不会做的题目时,可向家教机提问,让家教机帮忙给出这个问题的答案。提问的方式有多种,例如:语音提问(直接读出题目)、语音和图像结合的方式提问(用户可指着某一题说“我不会做”,家教机对这道题拍摄后,提取出文字信息,得到这道题后匹配相应的答案)等。
家教机在用户日积月累的使用过程中,会存储有用户提出的各个问题,这些就是家教机收集用户在学习过程中提出的问题的过程。
分析模块62,用于根据收集的问题,结合知识图谱,得到用户的薄弱知识点。
具体的,知识图谱是根据知识点的关联关系构建的一个类似于节点网络的图谱。
比如,以小学三年级数学的知识点建立知识图谱,参见表一;根据表一建立的知识图谱如图2所示,关于“时间”这个大知识点里包含了四个子知识点,分别为:“看时间”、“画时间”、“时间的比较”和“时间的计算”,而“时间的比较”和“时间的计算”会与“加减法”这个大知识点关联。
同理,再以生物为例其可分为层级如表二所示,根据这些层级建立相应的知识图谱。
每个知识点(的子知识点)都会对应若干个学习信息,学习信息包括:知识点定义、此知识点对应的题目等。
家教机根据用户提出的问题,在知识图谱上定位用户的薄弱知识点,在本实施例中,只要是用户提出的问题(即用户提问的题目)对应的知识点都是用户的薄弱知识点。
推送模块63,用于推送与薄弱知识点相关的学习信息(题目和知识点定义)。
具体的,当从知识图谱中定位到用户的薄弱知识点时,提取各薄弱知识点对应的学习信息推荐给用户,供其针对自己的薄弱项进行复习,提高学习成绩。
需要注意的是,有的时候用户的薄弱知识点为一个大知识点,那这个大知识点下包含的所有子知识点都为其薄弱知识点,推荐学习信息时,所有子知识点对应的学习信息都会推荐;有的时候用户的薄弱知识点仅为一个子知识点,推荐学习信息时,可仅推荐这个子知识点对应的学习信息。
可选地,推送模块63,用于推送与薄弱知识点相关的学习信息进一步包括:推送模块63,当有薄弱知识点存在有关联知识点时,同时推送薄弱知识点对应的学习信息和关联知识点对应的学习信息。
具体的,在知识图谱中,有些知识点之间会存在关联关系,如图2中所示的“时间的比较”和“时间的计算”会与“加减法”这个知识点相关联,即“时间的比较”的关联知识点为“加减法”这个知识点,“时间的计算”的关联知识点也为“加减法”这个知识点,“加减法”的关联知识点为“时间的比较”和“时间的计算”这两个知识点。
当根据用户所提出的问题,定位出来用户的薄弱知识点为“加减法”时,除了推荐“加减法”下各子知识点“加法”和“减法”对应的学习信息(加法的定义、加法的题目、减法的定义、减法的题目等),还会推荐其关联知识点“时间的比较”和“时间的计算”这两个知识点对应的学习信息。
可选地,推送模块63,推荐学习信息包括:推送模块63,推荐各薄弱/关联知识点对应的知识点定义,以及从每个薄弱/关联知识点对应的题目中抽取的一定数量的题目推荐。
具体的,知识图谱中的每个知识点都可能会对应成百上千的题目,若将所有题目都推荐给用户做,必然要造成强烈的学习负担,少量、针对性的推荐才会加强用户的学习动力和效率。
一定数量可根据用户的实际需求个性化调整,例如:5、10等。
优选地,分析模块62,用于根据收集的问题,结合知识图谱,得到用户的薄弱知识点可变形为:分析模块62,周期性地根据这段时间收集的问题,结合知识图谱,得到用户的薄弱知识点。
具体的,周期性地总结用户在这段时间里提出的问题来定位其薄弱知识点,可帮助用户尽快克服自己的薄弱项。
周期的具体时间可根据用户的学习能力、学习习惯等个性化设置。例如:记忆比较好、学习能力比较强的用户,其在学习过程中提出问题的次数可能较少,一个星期可能也就二三次,这种可以设置周期时间长一点,例如:3个星期;学习能力比较差的用户,其在学习过程中碰到的问题比较多,可将周期时间设置的短一点,例如:2个星期。
周期的时间建议不要设置的太长,当设置的太长时,在定位薄弱知识点时必然会有很多,一下子给用户推荐太多薄弱知识点对应的学习信息不利于用户知识点的学习吸收。
本实施例中,根据用户平时提出的问题来给用户量身推荐其薄弱知识点相关的学习信息,便于其重复练习,达到巩固、融会贯通的目的,提高用户的使用体验。
基于上一装置实施例的改进,图7示出了本发明另一个基于知识图谱的学习推荐装置的实施例,包括:
收集模块61,用于收集用户在学习过程中提出的问题。
分析模块62,用于根据收集的问题,结合知识图谱,得到用户的薄弱知识点包括:
筛选子模块621,用于从收集的问题中筛选出常问问题,常问问题为被提出的次数大于预设次数的问题;
匹配子模块622,用于结合知识图谱,得到常问问题对应的薄弱知识点。
具体的,考虑到有的用户学习能力比较强,问过一次就可以熟练掌握,如果碰到这种情况再推荐相关的学习信息让用户复习一遍,仅仅是浪费其学习时间,做重复性地劳动。
因此,可从收集的问题中筛选出常问问题,预设次数可以根据老师布置作业的情况(例如:会不会一直布置相同/相似的题目、重复的频率)、用户自己的学习情况等方面个性化设置,例如:2次、3次等。
考虑到在一般较少概率采用一模一样的描述语句描述同一问题的情况,可先将收集的问题相互之间进行相似度匹配,将相似度匹配大于预设值(例如:80%)的问题作为相同的问题计算提问次数。相似度匹配可采用现有的一些相似度匹配算法实现,在此不作赘述。
例如:有3个提出的问题A、B、C,问题A和问题B的相似度为85%,问题C和问题A的相似度为20%,问题C和问题B的相似度为10%,因此问题A的提问次数为2,问题B的提问次数为2,问题C的提问次数为1,筛选出来的常问问题为问题A和问题B。
可选地,匹配子模块622,用于结合知识图谱,得到常问问题对应的薄弱知识点包括:匹配子模块622,用于在知识图谱上匹配常问问题对应的知识点,将匹配出来的知识点作为薄弱知识点。
具体的,如上述装置实施所说,知识图谱上的各知识点都会有对应的若干个题目,可将常问问题与各题目进行匹配,从而得到各常问问题对应的知识点。
推送模块63,用于推送与薄弱知识点相关的学习信息。学习信息包括:题目和知识点定义。
可选地,推送模块63,用于推送与薄弱知识点相关的学习信息进一步包括:推送模块63,当有薄弱知识点存在有关联知识点时,同时推送薄弱知识点对应的学习信息和关联知识点对应的学习信息。
可选地,推送模块63,推荐学习信息包括:推送模块63,推荐各薄弱/关联知识点对应的知识点定义,以及从每个薄弱/关联知识点对应的题目中抽取的一定数量的题目推荐。
一定数量可根据用户的实际需求个性化调整,例如:3、9等。
优选地,筛选子模块621,用于从收集的问题中筛选出常问问题,常问问题为被提出的次数大于预设次数的问题可变形为:筛选子模块621,周期性地根据这段时间收集的问题中筛选出常问问题,常问问题为被提出的次数大于预设次数的问题。
具体的,周期性地总结用户在这段时间里提出的问题来定位其薄弱知识点,能够帮助用户尽快克服自己的薄弱项。
本实施例中,会先从用户平时提问的问题中筛选出常问问题再定位用户的薄弱知识点进行针对性的学习信息推荐,这种推荐方式剔除掉了其已经掌握的知识点,避免了用户重复做其自己会做的题目,能够有效地把时间花在自己不太会的知识点上,针对性地实现查漏补缺,大大提高了用户的学习效果。
在本发明的又一个装置实施例中,一种基于知识图谱的学习推荐装置6,包括:
收集模块61,用于收集用户在学习过程中提出的问题。
分析模块62,用于根据收集的问题,结合知识图谱,得到用户的薄弱知识点包括:
筛选子模块621,用于从收集的问题中筛选出常问问题,常问问题为被提出的次数大于预设次数的问题;
匹配子模块622,用于结合知识图谱,得到常问问题对应的薄弱知识点包括:
匹配子模块622,在知识图谱上匹配常问问题对应的知识点;以及,当匹配出来的知识点的数量大于预设数量时,将知识点对应的常问问题的数量最多的预设个数的知识点作为薄弱知识点。
具体的,有的时候会发现有的用户会频繁地提出问题向家教机寻求帮助,在根据常问问题定位到的知识点会有很多,例如:20个,30个等,若一下子将所有知识点都作为薄弱知识点给用户推荐这些薄弱知识点各自对应的学习信息可能会出现好几十页的题目,大量题目同时出现会给用户造成强烈的视觉冲击,降低其有效的学习效率。
因此,在发现匹配出来的知识点的数量大于预设数量时,可进一步筛选,得到薄弱知识点。预设数量可根据用户的学习能力、接受能力、抗压能力等个性化设置,例如:6个。
预设个数也可根据用户个性化设置,例如:5个。
例如:预设个数设为3,预设数量设为5,当根据常问问题匹配出来6个知识点时,获取每个知识点对应的常问问题的数量,将对应的常问问题的数量最多的前3个知识点作为薄弱知识点。
限定了薄弱知识点的数量,可在一定程序上降低用户因一下子复习大量知识点导致其学习效率变低的概率。
匹配子模块622,进一步用于将剩下的知识点作为次要知识点。
推送模块63,用于推送与薄弱知识点相关的学习信息(题目和知识点定义);以及,当薄弱知识点相关的学习信息被学习完后,推荐次要知识点对应的学习信息。
具体的,当将匹配出来的一部分知识点作为薄弱知识点后,将剩下的知识点作为次要知识点,待用户学完薄弱知识点相关的学习信息后,再推荐和次要知识相关的学习信息。
将匹配出来的知识点分批次推荐相应的学习信息,让用户在学习时有一个缓冲,提高其学习效果。
可选地,可选地,推送模块63,用于推送与薄弱知识点相关的学习信息进一步包括:推送模块63,当有薄弱知识点存在有关联知识点时,同时推送薄弱知识点对应的学习信息和关联知识点对应的学习信息。
同理,可选地,推送模块63,当薄弱知识点相关的学习信息被学习完后,推荐次要知识点对应的学习信息进一步包括:推送模块63,当薄弱知识点相关的学习信息被学习完后,在推荐次要知识点对应的学习信息时,若存在次要知识点对应的关联知识点时,同时推送次要知识点对应的学习信息和关联知识点对应的学习信息。
关联知识点对应的学习信息可让用户从整体上巩固自己学习的知识点,熟练掌握,达到融会贯通。
可选地,推送模块63,推荐学习信息包括:推送模块63,推荐各薄弱/次要/关联知识点对应的知识点定义,以及从每个薄弱/次要/关联知识点对应的题目中抽取的一定数量的题目推荐。
优选地,筛选子模块621,用于从收集的问题中筛选出常问问题,常问问题为被提出的次数大于预设次数的问题可变形为:筛选子模块621,周期性地根据这段时间收集的问题中筛选出常问问题,常问问题为被提出的次数大于预设次数的问题。
本实施例中,在给用户推荐学习信息时,会控制知识点的数量,实现少量、高效地学习,且各知识点对应的学习信息中题目数量也会被控制在一定量内,全方面地保证用户的学习效率,以较少量的题目进行训练来掌握相应的知识点,提高用户的使用体验。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各程序模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的程序模块完成,即将所述装置的内部结构划分成不同的程序单元或模块,以完成以上描述的全部或者部分功能。实施例中的各程序模块可以集成在一个处理单元中,也可是各个单元单独物理存在,也可以两个或两个以上单元集成在一个处理单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件程序单元的形式实现。另外,各程序模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。
图5是本发明一个实施例中提供的终端设备5的结构示意图。如图5所示,本实施例的终端设备5包括:处理器53、存储器51以及存储在所述存储器51中并可在所述处理器53上运行的计算机程序52,例如:基于知识图谱的学习推荐程序。所述处理器53执行所述计算机程序52时实现上述各个基于知识图谱的学习推荐方法实施例中的步骤,或者,所述处理器53执行所述计算机程序52时实现上述各基于知识图谱的学习推荐装置实施例中各模块的功能。
所述终端设备5可以为桌上型计算机、笔记本、掌上电脑、平板型计算机、手机等设备。所述终端设备5可包括,但不仅限于,处理器53、存储器51。本领域技术人员可以理解,图5仅仅是终端设备的示例,并不构成对终端设备5的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如:终端设备还可以包括输入输出设备、显示设备、网络接入设备、总线等。
所述处理器53可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器51可以是所述终端设备5的内部存储单元,例如:终端设备的硬盘或内存。所述存储器也可以是所述终端设备的外部存储设备,例如:所述终端设备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(Flash Card)等。进一步地,所述存储器51还可以既包括所述终端设备5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序52以及所述终端设备5所需要的其他程序和数据。所述存储器还可以用于暂时地存储已经输出或者将要输出的数据。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详细描述或记载的部分,可以参见其他实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其他的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性、机械或其他的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可能集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序发送指令给相关的硬件完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括:计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如:在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
应当说明的是,上述实施例均可根据需要自由组合。以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种基于知识图谱的学习推荐方法,其特征在于,包括以下步骤:
收集用户在学习过程中提出的问题;
根据收集的所述问题,结合知识图谱,得到所述用户的薄弱知识点;
推送与所述薄弱知识点相关的学习信息。
2.如权利要求1所述的基于知识图谱的学习推荐方法,其特征在于,所述的根据收集的所述问题,结合知识图谱,得到所述用户的薄弱知识点包括以下步骤:
从收集的所述问题中筛选出常问问题,所述常问问题为被提出的次数大于预设次数的问题;
结合知识图谱,得到所述常问问题对应的薄弱知识点。
3.如权利要求2所述的基于知识图谱的学习推荐方法,其特征在于,所述的结合知识图谱,得到所述常问问题对应的薄弱知识点包括以下步骤:
在所述知识图谱上匹配所述常问问题对应的知识点,将匹配出来的知识点作为所述薄弱知识点。
4.如权利要求2所述的基于知识图谱的学习推荐方法,其特征在于,所述的结合知识图谱,得到所述常问问题对应的薄弱知识点包括以下步骤:
在所述知识图谱上匹配所述常问问题对应的知识点;
当匹配出来的所述知识点的数量大于预设数量时,将所述知识点对应的常问问题的数量最多的预设个数的知识点作为所述薄弱知识点。
5.如权利要求2所述的基于知识图谱的学习推荐方法,其特征在于,还包括以下步骤:
将剩下的所述知识点作为次要知识点;
当所述薄弱知识点相关的学习信息被学习完后,推荐所述次要知识点对应的学习信息。
6.一种基于知识图谱的学习推荐装置,其特征在于,包括:
收集模块,用于收集用户在学习过程中提出的问题;
分析模块,用于根据收集的所述问题,结合知识图谱,得到所述用户的薄弱知识点;
推送模块,用于推送与所述薄弱知识点相关的学习信息。
7.如权利要求6所述的基于知识图谱的学习推荐装置,其特征在于,所述分析模块,用于根据收集的所述问题,结合知识图谱,得到所述用户的薄弱知识点包括:
筛选子模块,用于从收集的所述问题中筛选出常问问题,所述常问问题为被提出的次数大于预设次数的问题;
匹配子模块,用于结合知识图谱,得到所述常问问题对应的薄弱知识点。
8.如权利要求7所述的基于知识图谱的学习推荐装置,其特征在于,所述匹配子模块,用于结合知识图谱,得到所述常问问题对应的薄弱知识点包括:
所述匹配子模块,在所述知识图谱上匹配所述常问问题对应的知识点;以及,当匹配出来的所述知识点的数量大于预设数量时,将所述知识点对应的常问问题的数量最多的预设个数的知识点作为所述薄弱知识点。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器运行所述计算机程序时实现如权利要求1-5中任一项所述基于知识图谱的学习推荐方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-5中任一项所述基于知识图谱的学习推荐方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910365417.0A CN111858951A (zh) | 2019-04-30 | 2019-04-30 | 基于知识图谱的学习推荐方法及装置、终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910365417.0A CN111858951A (zh) | 2019-04-30 | 2019-04-30 | 基于知识图谱的学习推荐方法及装置、终端设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111858951A true CN111858951A (zh) | 2020-10-30 |
Family
ID=72966734
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910365417.0A Pending CN111858951A (zh) | 2019-04-30 | 2019-04-30 | 基于知识图谱的学习推荐方法及装置、终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111858951A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112380335A (zh) * | 2020-11-24 | 2021-02-19 | 中教云智数字科技有限公司 | 一种数字教育资源推荐系统 |
CN112380429A (zh) * | 2020-11-10 | 2021-02-19 | 武汉天有科技有限公司 | 一种习题推荐方法及装置 |
CN112685645A (zh) * | 2021-01-13 | 2021-04-20 | 敖客星云(北京)科技发展有限公司 | 基于知识图谱的智能教育推荐方法、系统、设备和介质 |
CN112966121A (zh) * | 2021-03-02 | 2021-06-15 | 华南师范大学 | 克服“偏食挑食”的人工智能自主学习教育机器人 |
CN113221547A (zh) * | 2021-01-21 | 2021-08-06 | 重庆邮电大学 | 基于信息抽取和知识图谱的试题推荐方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105959736A (zh) * | 2016-04-29 | 2016-09-21 | 广东小天才科技有限公司 | 辅导视频的推荐方法及装置 |
CN106599999A (zh) * | 2016-12-09 | 2017-04-26 | 北京爱论答科技有限公司 | 少量题目精准探测学生细分薄弱知识点的测评方法及系统 |
-
2019
- 2019-04-30 CN CN201910365417.0A patent/CN111858951A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105959736A (zh) * | 2016-04-29 | 2016-09-21 | 广东小天才科技有限公司 | 辅导视频的推荐方法及装置 |
CN106599999A (zh) * | 2016-12-09 | 2017-04-26 | 北京爱论答科技有限公司 | 少量题目精准探测学生细分薄弱知识点的测评方法及系统 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112380429A (zh) * | 2020-11-10 | 2021-02-19 | 武汉天有科技有限公司 | 一种习题推荐方法及装置 |
CN112380335A (zh) * | 2020-11-24 | 2021-02-19 | 中教云智数字科技有限公司 | 一种数字教育资源推荐系统 |
CN112685645A (zh) * | 2021-01-13 | 2021-04-20 | 敖客星云(北京)科技发展有限公司 | 基于知识图谱的智能教育推荐方法、系统、设备和介质 |
CN113221547A (zh) * | 2021-01-21 | 2021-08-06 | 重庆邮电大学 | 基于信息抽取和知识图谱的试题推荐方法 |
CN113221547B (zh) * | 2021-01-21 | 2022-05-03 | 重庆邮电大学 | 基于信息抽取和知识图谱的试题推荐方法 |
CN112966121A (zh) * | 2021-03-02 | 2021-06-15 | 华南师范大学 | 克服“偏食挑食”的人工智能自主学习教育机器人 |
CN112966121B (zh) * | 2021-03-02 | 2023-01-03 | 华南师范大学 | 克服“偏食挑食”的人工智能自主学习教育机器人 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen | ChatGPT and its possible impact on library reference services | |
CN111858951A (zh) | 基于知识图谱的学习推荐方法及装置、终端设备 | |
Liu et al. | Towards the construction of a field: The developments and implications of mobile assisted language learning (MALL) | |
US10013263B2 (en) | Systems and methods method for providing an interactive help file for host software user interfaces | |
CN112085984B (zh) | 一种智能学习装置、定制教学系统及方法 | |
CN105988665B (zh) | 信息复制系统、信息复制方法及电子设备 | |
Zhang et al. | Tracking the rise of web information needs for mobile education and an emerging trend of digital divide | |
CN110266994B (zh) | 一种视频通话方法、视频通话装置及终端 | |
CN109472007B (zh) | 医疗问卷的自动建题方法、装置、电子设备、存储介质 | |
CN107729491B (zh) | 提高题目答案搜索的准确率的方法、装置及设备 | |
CN110889406B (zh) | 一种习题数据卡的信息采集方法、系统及终端 | |
CN112447073A (zh) | 一种讲解视频生成、讲解视频展示方法及装置 | |
CN105575198A (zh) | 教学视频的展示方法和装置 | |
Che Mustaffa et al. | A Systematic Review of Mobile-Assisted Language Learning Research Trends and Practices in Malaysia. | |
Tang et al. | Development and evaluation of a mobile platform for teaching mathematics of CAD subjects | |
Kahil et al. | Social media apps as a tool for procedural learning during COVID-19: Analysis of Tiktok users | |
Schnepp et al. | Human-centered design for a sign language learning application | |
CN110852131B (zh) | 一种考试卡的信息采集方法、系统及终端 | |
CN111143660A (zh) | 知识平台的智能推荐方法、装置及计算机可读存储介质 | |
CN109191958B (zh) | 信息的交互方法、装置、终端及存储介质 | |
CN110060545A (zh) | 电子阅读方法及装置 | |
Abdulrahman et al. | A systematic literature review on mobile learning in Saudi Arabia | |
US11620916B1 (en) | Machine learning method and system for an on-line course | |
Lessick et al. | Moving beyond the bookshelves | |
CN111858920A (zh) | 用户群的匹配方法及装置、终端设备、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 |