CN113344204B - 多重逻辑问题的认知数据处理方法及装置 - Google Patents

Abstract

本发明公开了一种多重逻辑问题的认知数据处理方法及装置。其中，该方法包括：确定多重逻辑问题的多个认知关键点，以及多个认知关键点之间的多个关联关系；根据目标对象的认知能力，确定相对于目标对象，多个认知关键点的第一目标认知难度值，以及多个关联关系的第二目标认知难度值，其中，目标对象为多重逻辑问题对应的问题解答者；根据第一目标认知难度值和第二目标认知难度值中，难度值最高的目标难度值对应的认知关键点或者关联关系，生成提示信息。本发明解决了相关技术中针对多重逻辑问题的解答过程中，难以对解答者进行有效和准确提示的技术问题。

Description

多重逻辑问题的认知数据处理方法及装置

技术领域

本发明涉及认知处理领域，具体而言，涉及一种多重逻辑问题的认知数据处理方法及装置。

背景技术

学生做某道题目卡壳做不出来，往往并不是这整道题都不会，而是仅仅因为解题过程中的某一个步骤不会，而该步骤不会或者做错又是因为该步骤涉及到的知识点不会或没有想到该步骤要使用该知识点。而且相比于告诉学生全部解题步骤，学生更倾向于告诉他不会的那一步，给他一个点拨，便于他接着进行下面的解题过程。因而，能够准确的预测分析找到学生某道题目不会的关键步骤，对于提高学生的解题效率和做题效果至关重要。

传统的测试结果只报告一个笼统的总分或能力分数,但分数相同的考生，往往具有不同的知识状态及不同的认知结构。认知诊断理论把认知过程与测量手段结合起来，不仅能对考生的整体水平做出评估，同时还可以将考生的认知结构模式化，利用合适的测量模型对不同的认知结构模式进行诊断，从而定量地考察考生的认知结构和个体差异。

相关技术中有一种线性逻辑特质模型(Linear Logistic Traits Model,LLTM)是潜在特质模型的基础，该模型首次实现了测量与认知的结合。每个项目允许有多个认知属性(试题所考察的知识点、技能等)，项目的难度取决于认知属性的复杂程度，将认知复杂度融入数学概率模型中，从而实现认知和测量的结合。但是该模型并未建构单个被试对单个属性的模型，在使用单维潜在特质模型时需要假设技能掌握水平的单维性,因此θ可以看作被试技能总体掌握水平的表达。此模型侧重于将项目难度转化为认知操作因素的难度，并不在于诊断个别学生的技能。

还有补偿性多维IRT模型(Compensatory Multidimensional IRT Model，MIRT-C)，多成分潜在特质模型(Multicomponent Latent Traits Model，MLTM)，拓广多成分潜在特质模型(General Multicomponent LatentTraitsModel，GLTM)，还有潜在分类模型，包括规则空间模型(Rule Space Model，RSM)，融合模型(Fusion Model，FM)，DINA模型，以及贝叶斯网络(Bayesian Networks，BN)。还有知识追踪模型，包括贝叶斯知识追踪模型(Bayesian knowledge tracing，BKT)，深度知识追踪(Deep Knowledge Tracing，DKT)DKT模型等。

现有算法只能对于学生的认知结果进行分析，无法对学生的认知过程进行分析，无法诊断出学生解题具体出错的步骤或原因，缺乏对于知识点层级递进关系的抽象分析以及知识点与认知过程的有机关联，无法实现学生解题障碍的准确诊断。现有算法模型较复杂，要想知道学生哪个知识点没有掌握需要大量的参数，计算成本高，反应速度慢。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种多重逻辑问题的认知数据处理方法及装置，以至少解决相关技术中针对多重逻辑问题的解答过程中，难以对解答者进行有效和准确提示的技术问题。

根据本发明实施例的一个方面，提供了一种多重逻辑问题的认知数据处理方法，包括：确定所述多重逻辑问题的多个认知关键点，以及多个认知关键点之间的多个关联关系；根据目标对象的认知能力，确定相对于所述目标对象，多个所述认知关键点的第一目标认知难度值，以及多个所述关联关系的第二目标认知难度值，其中，所述目标对象为所述多重逻辑问题对应的问题解答者；根据所述第一目标认知难度值和所述第二目标认知难度值中，难度值最高的目标难度值对应的认知关键点或者关联关系，生成提示信息。

可选的，根据目标对象的认知能力，确定相对于所述目标对象，多个所述认知关键点的第一目标认知难度值，以及多个关联关系的第二目标认知难度值包括：确定多个所述认知关键点的第一认知难度值，以及多个关联关系的第二认知难度值；根据所述目标对象的历史行为数据，对所述第一认知难度值和所述第二认知难度值进行修正，确定多个所述认知关键点的第一目标认知难度值，以及多个关联关系的第二目标认知难度值，其中，所述历史行为数据为所述目标对象解答其他多重逻辑问题的历史行为数据。

可选的，根据所述目标对象的历史行为数据，对所述第一认知难度值和所述第二认知难度值进行修正，确定多个所述认知关键点的第一目标认知难度值，以及多个关联关系的第二目标认知难度值之前，所述方法还包括：获取所述目标对象在当前时间之前，预设时间段内的历史行为数据。

可选的，根据所述目标对象的历史行为数据，对所述第一认知难度值和所述第二认知难度值进行修正，确定多个所述认知关键点的第一目标认知难度值，以及多个关联关系的第二目标认知难度值包括：确定所述历史行为数据中，与所述多重逻辑问题的认知关键点存在重复的有效数据；确定所述有效数据与当前时间的时间差，以及时间差对应的修正系数；根据所述修正系数和预设权重，确定难度修正值；根据所述难度修正值对所述多重逻辑问题中重复的认知关键点的第一认知难度值进行修正，得到第一目标认知难度值。

可选的，所述方法还包括：在所述有效数据与所述多重逻辑问题的认知关键点存在多个重复的情况下，确定所述有效数据是否与所述多重逻辑问题存在重复的认知关键点之间的关联关系；在所述有效数据与所述多重逻辑问题存在重复的认知关键点之间的关联关系的情况下，根据所述难度修正值，对重复的所述关联关系的第二认知难度值进行修正，得到第二目标认知难度值。

可选的，确定所述有效数据与当前时间的时间差，以及时间差对应的修正系数包括：通过下式确定所述有效数据的修正系数：Ci＝π/2-arctanXi，式中，Ci为所述有效数据的修正系数，Xi为所述有效数据距离当前时间的天数；根据所述修正系数和预设权重，确定难度修正值包括：通过下式确定所述难度修正值：

式中，ΔVi为难度修正值，η为所述预设权重，Ci为所述有效数据的修正系数。

可选的，根据所述第一目标认知难度值和所述第二目标认知难度值中，难度值最高的目标难度值对应的认知关键点或者关联关系，生成提示信息包括：在所述第一目标认知难度值和所述第二目标认知难度值中，难度值最高的目标难度值为多个的情况下；选择与所述多重逻辑问题的起始认知关键点最近的一个认知关键点或者关联关系，生成提示信息，其中，所述起始认知关键点为指定的解答所述多重逻辑问题的第一个认知关键点。

根据本发明实施例的另一方面，还提供了一种多重逻辑问题的认知数据处理装置，包括：第一确定模块，用于确定所述多重逻辑问题的多个认知关键点，以及多个认知关键点之间的多个关联关系；第二确定模块，用于根据目标对象的认知能力，确定相对于所述目标对象，多个所述认知关键点的第一目标认知难度值，以及多个所述关联关系的第二目标认知难度值，其中，所述目标对象为所述多重逻辑问题对应的问题解答者；生成模块，用于根据所述第一目标认知难度值和所述第二目标认知难度值中，难度值最高的目标难度值对应的认知关键点或者关联关系，生成提示信息。

根据本发明实施例的另一方面，还提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述中任意一项所述的多重逻辑问题的认知数据处理方法。

根据本发明实施例的另一方面，还提供了一种计算机存储介质，所述计算机存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机存储介质所在设备执行上述中任意一项所述的多重逻辑问题的认知数据处理方法。

在本发明实施例中，采用确定多重逻辑问题的多个认知关键点，以及多个认知关键点之间的多个关联关系；根据目标对象的认知能力，确定相对于目标对象，多个认知关键点的第一目标认知难度值，以及多个关联关系的第二目标认知难度值，其中，目标对象为多重逻辑问题对应的问题解答者；根据第一目标认知难度值和第二目标认知难度值中，难度值最高的目标难度值对应的认知关键点或者关联关系，生成提示信息的方式，达到了针对目标对象的认知能力，对相对于目标对象认知难度值最大的认知关键点或关联关系进行提醒目的，从而实现了对目标对象解答多重逻辑问题进行准确的提示，提高了目标对象的使用体验的技术效果，进而解决了相关技术中针对多重逻辑问题的解答过程中，难以对解答者进行有效和准确提示的技术问题。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的一种多重逻辑问题的认知数据处理方法的流程图；

图2是根据本发明实施方式的答题提示方法的流程图；

图3是根据本发明实施方式的Q1问题的认知逻辑的示意图；

图4是根据本发明实施方式的历史已答Q2问题的认知逻辑的示意图；

图5-1是根据本发明实施方式的已答问题19的示意图；

图5-2是根据本发明实施方式的已答问题19的认知逻辑的示意图；

图6-1是根据本发明实施方式的当前问题1的示意图；

图6-2是根据本发明实施方式的例当前问题1的认知逻辑的示意图；

图6-3是根据本发明实施方式的例当前问题1认知逻辑进行修正的示意图；

图6-4是根据本发明实施方式的例当前问题1修正后的认知逻辑的示意图；

图7是根据本发明实施例的一种多重逻辑问题的认知数据处理装置的示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

根据本发明实施例，提供了一种多重逻辑问题的认知数据处理方法的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1是根据本发明实施例的一种多重逻辑问题的认知数据处理方法的流程图，如图1所示，该方法包括如下步骤：

步骤S102，确定多重逻辑问题的多个认知关键点，以及多个认知关键点之间的多个关联关系；

步骤S104，根据目标对象的认知能力，确定相对于目标对象，多个认知关键点的第一目标认知难度值，以及多个关联关系的第二目标认知难度值，其中，目标对象为多重逻辑问题对应的问题解答者；

步骤S106，根据第一目标认知难度值和第二目标认知难度值中，难度值最高的目标难度值对应的认知关键点或者关联关系，生成提示信息。

通过上述步骤，采用确定多重逻辑问题的多个认知关键点，以及多个认知关键点之间的多个关联关系；根据目标对象的认知能力，确定相对于目标对象，多个认知关键点的第一目标认知难度值，以及多个关联关系的第二目标认知难度值，其中，目标对象为多重逻辑问题对应的问题解答者；根据第一目标认知难度值和第二目标认知难度值中，难度值最高的目标难度值对应的认知关键点或者关联关系，生成提示信息的方式，达到了针对目标对象的认知能力，对相对于目标对象认知难度值最大的认知关键点或关联关系进行提醒目的，从而实现了对目标对象解答多重逻辑问题进行准确的提示，提高了目标对象的使用体验的技术效果，进而解决了相关技术中针对多重逻辑问题的解答过程中，难以对解答者进行有效和准确提示的技术问题。

上述多重逻辑问题可以为包括多重具有先后顺序的逻辑的多个认知关键点，每重逻辑可以包括一个或多个认知关键点，不同重逻辑的认知关键点之间可以具有关联关系，该关联关系可以由任意在先逻辑的认知关键点联想到在后逻辑的认知关键点。

上述多重逻辑问题可以为数学中的证明题，或者解答题，需要根据起始的知识点，也即是认知关键点，逐个联系，通过关联关系，联想到下一步骤的认知关键点，从而逐步解答题目。

上述目标对象的认知能力，也即是对于不同的认知关键点的掌握能力，以及不同认知关键点之间关联关系的掌握能力，也即是，要解答题目，不仅需要了解该知识点的实际含义，包括的具体内容，也需要将知识点与其他的知识点联系起来的联想能力。本实施例中，就通过目标对象对认知关键点的掌握能力，以及认知关键点之间的关联关系的掌握能力两个方面确定该目标对象的认知能力。

不同的目标对象其认知能力不同，针对目标对象的认知能力，确定多重逻辑问题相对于该目标对象的多个认知关键点的第一目标认知难度值，以及多个关联关系的第二目标认知难度值。从而确定目标对象在解决多重逻辑问题时，最有可能出现困难的地方，也即是第一目标认知难度值和第二目标认知难度值中，难度值最高的目标难度值对应的认知关键点或者关联关系。

然后根据上述难度值最高的目标难度值对应的认知关键点或者关联关系，生成该认知关键点或关联关系的提示信息，从而达到了针对目标对象的认知能力，对相对于目标对象认知难度值最大的认知关键点或关联关系进行提醒目的，从而实现了对目标对象解答多重逻辑问题进行准确的提示，提高了目标对象的使用体验的技术效果，进而解决了相关技术中针对多重逻辑问题的解答过程中，难以对解答者进行有效和准确提示的技术问题。

可选的，根据目标对象的认知能力，确定相对于目标对象，多个认知关键点的第一目标认知难度值，以及多个关联关系的第二目标认知难度值包括：确定多个认知关键点的第一认知难度值，以及多个关联关系的第二认知难度值；根据目标对象的历史行为数据，对第一认知难度值和第二认知难度值进行修正，确定多个认知关键点的第一目标认知难度值，以及多个关联关系的第二目标认知难度值，其中，历史行为数据为目标对象解答其他多重逻辑问题的历史行为数据。

确定多个认知关键点的第一认知难度值，以及多个关联关系的第二认知难度值，可以由专家预先确定多重逻辑问题的认知关键点和关联关系的客观难度，不考虑目标对象的能力，确定多个认知关键点的第一认知难度值，以及多个关联关系的第二认知难度值。

据目标对象的历史行为数据，就可以反映出目标对象的认知能力，比如之前处理过，而且处理正确了，则对该认知关键点和关联关系的认知能力就较强，反之，之前没有处理过，则对该认知关键点和关联关系的认知能力就较弱。

因此，根据目标对象的历史行为数据，对第一认知难度值和第二认知难度值进行修正，确定多个认知关键点的第一目标认知难度值，以及多个关联关系的第二目标认知难度值，其中，历史行为数据为目标对象解答其他多重逻辑问题的历史行为数据。从而实现根据目标对象的认知能力，确定相对于目标对象，多个认知关键点的第一目标认知难度值，以及多个关联关系的第二目标认知难度值的目的。

可选的，根据目标对象的历史行为数据，对第一认知难度值和第二认知难度值进行修正，确定多个认知关键点的第一目标认知难度值，以及多个关联关系的第二目标认知难度值之前，方法还包括：获取目标对象在当前时间之前，预设时间段内的历史行为数据。

由于目标对象的历史行为数据可能是长时间持续的行为数据，时间越久，对于目标对象而言就越容易遗忘，其对该历史行为数据的认知关键点和关联关系的认知能力就越弱。为了保证选定的历史行为数据的有效性，选择目标对象在当前时间之前，预设时间段内的历史行为数据。

可选的，根据目标对象的历史行为数据，对第一认知难度值和第二认知难度值进行修正，确定多个认知关键点的第一目标认知难度值，以及多个关联关系的第二目标认知难度值包括：确定历史行为数据中，与多重逻辑问题的认知关键点存在重复的有效数据；确定有效数据与当前时间的时间差，以及时间差对应的修正系数；根据修正系数和预设权重，确定难度修正值；根据难度修正值对多重逻辑问题中重复的认知关键点的第一认知难度值进行修正，得到第一目标认知难度值。

由于认知关键点的庞杂，其数量及较高，对应的额关联关系也很庞杂，预设时间段内可能给具有很多的历史数据，而与当前需要解答的多重逻辑问题无关的历史数据，对目标对象解答该多重逻辑问题的认知能力影响很小，可以忽略，因此，需要具有针对性的对历史数据进行筛选，确定历史行为数据中，与多重逻辑问题的认知关键点存在重复的有效数据。

具体的，确定有效数据与当前时间的时间差，以及时间差对应的修正系数包括：通过下式确定有效数据的修正系数：Ci＝π/2-arctanXi，式中，Ci为有效数据的修正系数，Xi为有效数据距离当前时间的天数，π也即是圆周率，可以取3.141592653；根据修正系数和预设权重，确定难度修正值包括：通过下式确定难度修正值：

式中，ΔVi为难度修正值，η为预设权重，Ci为有效数据的修正系数。

可选的，方法还包括：在有效数据与多重逻辑问题的认知关键点存在多个重复的情况下，确定有效数据是否与多重逻辑问题存在重复的认知关键点之间的关联关系；在有效数据与多重逻辑问题存在重复的认知关键点之间的关联关系的情况下，根据难度修正值，对重复的关联关系的第二认知难度值进行修正，得到第二目标认知难度值。从而对多重逻辑问题中的关联关系进行认知难度值的修正。

可选的，根据第一目标认知难度值和第二目标认知难度值中，难度值最高的目标难度值对应的认知关键点或者关联关系，生成提示信息包括：在第一目标认知难度值和第二目标认知难度值中，难度值最高的目标难度值为多个的情况下；选择与多重逻辑问题的起始认知关键点最近的一个认知关键点或者关联关系，生成提示信息，其中，起始认知关键点为指定的解答多重逻辑问题的第一个认知关键点。

由于目标对象在解答多重逻辑问题时，是按照先后顺序进行解答的，也即是必须现有在先逻辑的认知关键点和关联关系，才能继续解决问题，因此，难度值最高的目标难度值为多个的情况下，选择与多重逻辑问题的起始认知关键点最近的一个认知关键点或者关联关系，生成提示信息，其中，起始认知关键点为指定的解答多重逻辑问题的第一个认知关键点。从实际情况的角度出发，对目标对象进行提示。进一步保证了实现对目标对象解答多重逻辑问题进行准确的提示，提高了目标对象的使用体验的技术效果。

需要说明的是，本申请实施例还提供了一种可选的实施方式，下面对该实施方式进行详细说明。

图2是根据本发明实施方式的答题提示方法的流程图，如图2所示，本实施方式通过专家标注，用题目中的显性知识点和隐性知识点，根据知识点层级关系及求解该题的认知过程为题库中的每一道题目建立“标准”认知图，这个标准认知图类似于的标准答案，是不考虑其他情况发生的最一般化的认知图。该认知图为有向无环图，图中的每个节点都包含两个属性，一个表示知识点，一个表示学生要掌握该知识点的难度。每条边都包含一个属性，该属性值表示学生从起始知识点节点联想到结束知识点节点的难度。

然后，通过查询学生的历史答题记录，寻找学生曾经做对的题目，找到学生做对的题目之后，通过将该题与当前所做题目的认知图进行子图匹配查找认为学生已经掌握了的知识点节点或者边，上述知识点节点简称点，也即是上述认知关键点，上述边也即是点与点之间的关联关系，也即是上述认知关键点之间的关联关系。这里假设学生之前做过的题目是自己独立完成且不存在蒙对的情况，上述题目也即是上述多重逻辑问题，上述学生也即是上述目标对象。查找到这些节点和边之后，因为这些是在学生之前完全答对的题目的认知图中匹配得到的，所以认为这些知识点学生应当是已经掌握的了，因而要用这些对“标准”认知图进行修正，修正后得到该学生此时对于该题目的认知图，然后在认知图中寻找难度值最大的节点或边，将其作为本次诊断的结果。

显示知识点就是通过题目能够一眼看出来考察的陈述性知识，即人们能有意识地回忆和陈述的简单知识，而隐性知识点就是需要通过思考和挖掘才有可能联想到，不能一眼看出来考察的知识点。

由专家标注认知图，认知图是有向图，图中包括显性和隐性知识点节点，节点数据包括知识点名称和该知识点难度，图中节点之间的有向边表示有起始节点联想到终止节点，即由上一解题关键联想到下一解题关键。其中边的权重表示能联想到这条边的难度。

图3是根据本发明实施方式的Q1问题的认知逻辑的示意图，如图3所示，假设学生当前需要处理的题目为Q1，图3为从题库当中得到的题目Q1的标准认知图。图3的认知图表示Q1题目共涉及到七个知识点，分别为知识点1-7，认知图中边和节点的难度属性值从左到右依次为Diff1-Diff15，该数据均为专家提前标注得到。

这张图表示的意思为，解题目Q1首先需要用到知识点1，一般学生掌握知识点1的难度为Diff1，用完知识点1之后接下来需要使用知识点2和知识点3，一般学生掌握知识点2的难度为Diff4，掌握知识点3的难度为Diff5，而要从知识点1这个相对浅显的知识点联想到解题的下一步要使用知识点2和知识点3的难度分别为Diff2和Diff3，接下来需要使用知识点4和知识点5，掌握这两个知识点本身的难度值为Diff9和Diff10，而通过知识点2联想到解题的下一步要使用知识点4的难度为Diff6，通过知识点2和知识点3联想到需要使用知识点5的难度分别为Diff7和Diff8，图中的有向边表示这种对应联想关系。以此类推，学生要完整的解答这道题目需要掌握认知图中的每一个节点和边，任何一个节点和边缺失都会导致该道题目解答失败。

然后在学生的历史答题库中寻找学生完全答对的题目并进行认知图的匹配，匹配结束记录匹配到的题目的时间戳。

图4是根据本发明实施方式的历史已答Q2问题的认知逻辑的示意图，如图4所示，为匹配到认知图的一种情形，图4为学生之前答对的题目Q2所对应的认知图且假设获取的时间戳为距当前时间X天。

图4认知图表示的题目Q2共涉及到五个知识点，分别为知识点1、2、5、8、10，认知图中边和节点的难度属性值从左到右依次为Diff1-Diff10。

两图匹配到同时存在知识点1节点和知识点2节点以及从知识点1指向知识点2的边，说明学生求解题Q1时的认知过程与求解题Q2时的认知过程在这个地方有重叠，因为Q2是学生做对的题目，认为Q2认知图中所包含的知识点该学生是完全掌握的，由于熟能生巧，当学生反复练习一个知识点或者使用一个解题模式之后，以后再遇到类似的题目解答起来就会更容易一些，设想昨天刚刚做了十道解一元二次方程的题目，当今天再次遇到一元二次方程题目的时候学生就会觉得很简单了，基于此，此时要对图3进行如下修正。

修正原则如下：结合该生某段时间内，根据距今时间长短设定参考系数，将该题的认知图与之前做对的题的认知图进行子图匹配，每匹配到一个相同的节点对，那么当前题的认知图中该节点对的难度系数分别减少0.1(该权重值可以由专家确定)*系数(系数随时间递减)，最后再累加,即

其中匹配到的做对的第i个题目节点对的系数Ci的计算方法如下：

Ci＝π/2-arctanXi，Xi为匹配到的做对的第i道题目距离当前时间的天数。

假设C1＝π/2-arctanX＝Re

得到修正系数之后用原来的难度值减去设定的比例值与修正系数的乘积得到更新之后的难度值。

则Diff2＝Diff2-0.1*Re＝Diff2’

然后将图2中的Diff2修正为Diff2’。

此时对Diff值进行排序得到最大的Diff值便将其对应的边或节点作为预测结果，当有多个Diff值相同时按照拓扑排序的顺序从左到右从上到下来确定，若为节点则预测结果为对应的知识点，若为边则预测为没有联想到要使用边指向的知识点。

图5-1是根据本发明实施方式的已答问题19的示意图，如图5-1所示，通过专家标注可得题19的认知图如图5-2所示，图5-2是根据本发明实施方式的已答问题19的认知逻辑的示意图。

图6-1是根据本发明实施方式的当前问题1的示意图，如图6-1所示，通过专家标注可得题1的认知图如图6-2所示，图6-2是根据本发明实施方式的例当前问题1的认知逻辑的示意图。

由上述可知，在分析题目时，以此标注的认知图为基础，根据学生实际情况做修正。

以做第1题时匹配到第19题的认知节点对为例，假设该学生之前做对过两次题19，分别记为q1，q2，其中q1是昨天做的，q2是两天前做的。

那么按照Ci的计算公式

C1＝π/2-arctan1＝0.785(匹配到的第一道题的修正系数)

C2＝π/2-arctan2＝0.463(匹配到的第二道题的修正系数)

则这对节点和节点之间边的权重V需要调整的值ΔV1＝0.1*(C1+C2)＝0.1*(0.785+0.463)＝0.1248

保留三位小数为0.125

调整时如图6-3所示，图6-3是根据本发明实施方式的例当前问题1认知逻辑进行修正的示意图。调整后如图6-4所示，图6-4是根据本发明实施方式的例当前问题1修正后的认知逻辑的示意图。

如图6-4所示，调整更新之后此时认知图中认知权重最大为0.6，且有两个，按照解题的认知顺序，选择距离认知起点更近的”切线长定理”，推测学生该题目不会的原因或卡壳步骤为‘切线长定理’，此时系统应该提醒切线长定理的内容，而假如是指向该知识点的边的话，则系统应该提醒要使用切线长定理，提醒要使用切线长定理和提醒切线长定理的内容还是有很大区别的，这点要区分清楚。

在本实施方式中，可能一道题目，不同的同学存在疑问的地方不太一样，同一到题目，针对不同的同学需要讲不同的点，但一般不需讲整道题目，请家教等总体上看比较浪费时间和金钱，那么有了认知图之后，现在老师(专家)只需要标注一张认知图，针对不同的学生通过该算法进行分析，精准的定位学生不会的原因并给予提示，即可帮助不同的同学解决不同的问题，大大提高解决问题的效率。该算法模型参数少，简单易行，可以实现对于学生解题障碍的精准诊断，解决当前认知诊断技术无法实现解题过程分析的缺陷，可以很好的适应未来教育事业的发展。从学生解题过程出发对学生认知思维进行建模，使得本方案具有更好的可解释性。

图7是根据本发明实施例的一种多重逻辑问题的认知数据处理装置的示意图，如图7所示，根据本发明实施例的另一方面，还提供了一种多重逻辑问题的认知数据处理装置，包括：第一确定模块72，第二确定模块74和生成模块76，下面对该装置进行详细说明。

第一确定模块72，用于确定多重逻辑问题的多个认知关键点，以及多个认知关键点之间的多个关联关系；第二确定模块74，与上述第一确定模块72相连，用于根据目标对象的认知能力，确定相对于目标对象，多个认知关键点的第一目标认知难度值，以及多个关联关系的第二目标认知难度值，其中，目标对象为多重逻辑问题对应的问题解答者；生成模块76，与上述第二确定模块74相连，用于根据第一目标认知难度值和第二目标认知难度值中，难度值最高的目标难度值对应的认知关键点或者关联关系，生成提示信息。

通过上述装置，采用确定多重逻辑问题的多个认知关键点，以及多个认知关键点之间的多个关联关系；根据目标对象的认知能力，确定相对于目标对象，多个认知关键点的第一目标认知难度值，以及多个关联关系的第二目标认知难度值，其中，目标对象为多重逻辑问题对应的问题解答者；根据第一目标认知难度值和第二目标认知难度值中，难度值最高的目标难度值对应的认知关键点或者关联关系，生成提示信息的方式，达到了针对目标对象的认知能力，对相对于目标对象认知难度值最大的认知关键点或关联关系进行提醒目的，从而实现了对目标对象解答多重逻辑问题进行准确的提示，提高了目标对象的使用体验的技术效果，进而解决了相关技术中针对多重逻辑问题的解答过程中，难以对解答者进行有效和准确提示的技术问题。

根据本发明实施例的另一方面，还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述中任意一项的多重逻辑问题的认知数据处理方法。

根据本发明实施例的另一方面，还提供了一种计算机存储介质，计算机存储介质包括存储的程序，其中，在程序运行时控制计算机存储介质所在设备执行上述中任意一项的多重逻辑问题的认知数据处理方法。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以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信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

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，在本发明各个实施例中的各功能单元可以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取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或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中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

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 (6)

1.一种多重逻辑问题的认知数据处理方法，其特征在于，包括：

确定所述多重逻辑问题的多个认知关键点，以及多个认知关键点之间的多个关联关系；

根据目标对象的认知能力，确定相对于所述目标对象，多个所述认知关键点的第一目标认知难度值，以及多个所述关联关系的第二目标认知难度值，其中，所述目标对象为所述多重逻辑问题对应的问题解答者；

根据所述第一目标认知难度值和所述第二目标认知难度值中，难度值最高的目标难度值对应的认知关键点或者关联关系，生成提示信息；

其中，根据目标对象的认知能力，确定相对于所述目标对象，多个所述认知关键点的第一目标认知难度值，以及多个关联关系的第二目标认知难度值包括：

确定多个所述认知关键点的第一认知难度值，以及多个关联关系的第二认知难度值；

根据所述目标对象的历史行为数据，对所述第一认知难度值和所述第二认知难度值进行修正，确定多个所述认知关键点的第一目标认知难度值，以及多个关联关系的第二目标认知难度值，其中，所述历史行为数据为所述目标对象解答其他多重逻辑问题的历史行为数据；

根据所述目标对象的历史行为数据，对所述第一认知难度值和所述第二认知难度值进行修正，确定多个所述认知关键点的第一目标认知难度值，以及多个关联关系的第二目标认知难度值包括：

确定所述历史行为数据中，与所述多重逻辑问题的认知关键点存在重复的有效数据；

确定所述有效数据与当前时间的时间差，以及时间差对应的修正系数；

根据所述修正系数和预设权重，确定难度修正值；

根据所述难度修正值对所述多重逻辑问题中重复的认知关键点的第一认知难度值进行修正，得到第一目标认知难度值；

在所述有效数据与所述多重逻辑问题的认知关键点存在多个重复的情况下，确定所述有效数据是否与所述多重逻辑问题存在重复的认知关键点之间的关联关系；

在所述有效数据与所述多重逻辑问题存在重复的认知关键点之间的关联关系的情况下，根据所述难度修正值，对重复的所述关联关系的第二认知难度值进行修正，得到第二目标认知难度值；

根据所述第一目标认知难度值和所述第二目标认知难度值中，难度值最高的目标难度值对应的认知关键点或者关联关系，生成提示信息包括：

在所述第一目标认知难度值和所述第二目标认知难度值中，难度值最高的目标难度值为多个的情况下；

选择与所述多重逻辑问题的起始认知关键点最近的一个认知关键点或者关联关系，生成提示信息，其中，所述起始认知关键点为指定的解答所述多重逻辑问题的第一个认知关键点。

2.根据权利要求1所述的方法，其特征在于，根据所述目标对象的历史行为数据，对所述第一认知难度值和所述第二认知难度值进行修正，确定多个所述认知关键点的第一目标认知难度值，以及多个关联关系的第二目标认知难度值之前，所述方法还包括：

获取所述目标对象在当前时间之前，预设时间段内的历史行为数据。

3.根据权利要求1所述的方法，其特征在于，确定所述有效数据与当前时间的时间差，以及时间差对应的修正系数包括：

通过下式确定所述有效数据的修正系数：

Ci＝π/2-arctanXi，

式中，Ci为所述有效数据的修正系数，Xi为所述有效数据距离当前时间的天数，π为圆周率；

根据所述修正系数和预设权重，确定难度修正值包括：

通过下式确定所述难度修正值：

式中，ΔV_i为难度修正值，η为所述预设权重，Ci为所述有效数据的修正系数。

4.一种多重逻辑问题的认知数据处理装置，其特征在于，包括：

第一确定模块，用于确定所述多重逻辑问题的多个认知关键点，以及多个认知关键点之间的多个关联关系；

第二确定模块，用于根据目标对象的认知能力，确定相对于所述目标对象，多个所述认知关键点的第一目标认知难度值，以及多个所述关联关系的第二目标认知难度值，其中，所述目标对象为所述多重逻辑问题对应的问题解答者；

生成模块，用于根据所述第一目标认知难度值和所述第二目标认知难度值中，难度值最高的目标难度值对应的认知关键点或者关联关系，生成提示信息；

其中，根据目标对象的认知能力，确定相对于所述目标对象，多个所述认知关键点的第一目标认知难度值，以及多个关联关系的第二目标认知难度值包括：

确定多个所述认知关键点的第一认知难度值，以及多个关联关系的第二认知难度值；

根据所述目标对象的历史行为数据，对所述第一认知难度值和所述第二认知难度值进行修正，确定多个所述认知关键点的第一目标认知难度值，以及多个关联关系的第二目标认知难度值，其中，所述历史行为数据为所述目标对象解答其他多重逻辑问题的历史行为数据；

根据所述目标对象的历史行为数据，对所述第一认知难度值和所述第二认知难度值进行修正，确定多个所述认知关键点的第一目标认知难度值，以及多个关联关系的第二目标认知难度值包括：确定所述历史行为数据中，与所述多重逻辑问题的认知关键点存在重复的有效数据；

确定所述有效数据与当前时间的时间差，以及时间差对应的修正系数；

根据所述修正系数和预设权重，确定难度修正值；

根据所述难度修正值对所述多重逻辑问题中重复的认知关键点的第一认知难度值进行修正，得到第一目标认知难度值；

在所述有效数据与所述多重逻辑问题的认知关键点存在多个重复的情况下，确定所述有效数据是否与所述多重逻辑问题存在重复的认知关键点之间的关联关系；

在所述有效数据与所述多重逻辑问题存在重复的认知关键点之间的关联关系的情况下，根据所述难度修正值，对重复的所述关联关系的第二认知难度值进行修正，得到第二目标认知难度值；

根据所述第一目标认知难度值和所述第二目标认知难度值中，难度值最高的目标难度值对应的认知关键点或者关联关系，生成提示信息包括：

在所述第一目标认知难度值和所述第二目标认知难度值中，难度值最高的目标难度值为多个的情况下；

选择与所述多重逻辑问题的起始认知关键点最近的一个认知关键点或者关联关系，生成提示信息，其中，所述起始认知关键点为指定的解答所述多重逻辑问题的第一个认知关键点。

5.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至3中任意一项所述的多重逻辑问题的认知数据处理方法。

6.一种计算机存储介质，其特征在于，所述计算机存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机存储介质所在设备执行权利要求1至3中任意一项所述的多重逻辑问题的认知数据处理方法。

Images