CN117648449B - 基于知识图谱的自适应推送方法、系统、设备和介质 - Google Patents

基于知识图谱的自适应推送方法、系统、设备和介质 Download PDF

Info

Publication number
CN117648449B
CN117648449B CN202410121610.0A CN202410121610A CN117648449B CN 117648449 B CN117648449 B CN 117648449B CN 202410121610 A CN202410121610 A CN 202410121610A CN 117648449 B CN117648449 B CN 117648449B
Authority
CN
China
Prior art keywords
knowledge
learning
determining
target
knowledge point
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
CN202410121610.0A
Other languages
English (en)
Other versions
CN117648449A (zh
Inventor
郭宏
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.)
Qingdao Pennon Education Technology Co ltd
Original Assignee
Qingdao Pennon Education 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 Qingdao Pennon Education Technology Co ltd filed Critical Qingdao Pennon Education Technology Co ltd
Priority to CN202410121610.0A priority Critical patent/CN117648449B/zh
Publication of CN117648449A publication Critical patent/CN117648449A/zh
Application granted granted Critical
Publication of CN117648449B publication Critical patent/CN117648449B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Machine Translation (AREA)

Abstract

本申请涉及数据处理领域,尤其涉及一种基于知识图谱的自适应推送方法、系统、设备和介质,方法包括:获取目标科目对应的最新学习知识点;获取知识图谱,并基于知识图谱,确定最新学习知识点对应的目标并列知识点;确定最新学习知识点与目标并列知识点各自对应的历史应答记录;基于最新学习知识点对应的历史应答记录,确定第一学习状态;基于目标并列知识点对应的历史应答记录,确定第二学习状态;基于第一学习状态和第二学习状态,确定目标学习状态;基于目标学习状态和知识图谱,确定目标推送知识点。本申请可以为用户确定更加合适的知识点。

Description

基于知识图谱的自适应推送方法、系统、设备和介质
技术领域
本申请涉及数据处理的技术领域,尤其是涉及一种基于知识图谱的自适应推送方法、系统、设备和介质。
背景技术
在线教育平台是一种基于互联网技术的教育服务平台,它可以通过电脑、手机等终端设备作为用户端,为教师和学生提供在线教育资源和教学服务。该平台通常包括在线课程、在线答题、在线答疑、在线讨论等功能,可以帮助学生更好地掌握知识和提高学习效率。同时,在线教育平台还可以为教师提供教学管理和资源共享等服务,提高教学质量和效率。
目前,在线答题功能可以用于在线刷题,当用户触发在线答题功能中的在线刷题模块时,该平台通过确定用户当前学习章节,在题库中确定当前学习章节对应的习题,然后将上述习题发送至用户端;用户通过用户端答题,直至完成当前学习章节对应习题后,平台会为用户推送下一章节的习题。
但是,该平台判断用户是否完成当前学习章节是基于习题是否应答完成来实现的,无法确定用户是否学会当前学习章节内容。故,平台向用户端推送的内容存在不合理的问题。
因此,如何为用户推荐更加合理的内容是本领域技术人员亟待解决的技术问题。
发明内容
为了为用户推荐更加合适的知识点,本申请提供一种基于知识图谱的自适应推送方法、系统、设备和介质。
第一方面,本申请提供一种基于知识图谱的自适应推送方法,采用如下的技术方案:
一种基于知识图谱的自适应推送方法,包括:
获取目标科目对应的最新学习知识点;
获取知识图谱,并基于所述知识图谱,确定所述最新学习知识点对应的目标并列知识点;
确定所述最新学习知识点与所述目标并列知识点各自对应的历史应答记录;
基于所述最新学习知识点对应的历史应答记录,确定第一学习状态;基于所述目标并列知识点对应的历史应答记录,确定第二学习状态;基于所述第一学习状态和所述第二学习状态,确定目标学习状态;
基于所述目标学习状态和所述知识图谱,确定目标推送知识点。
通过采用上述技术方案,获取目标科目对应的最新学习知识点,以确定用户目前学习进度;获取知识图谱,以确定目标科目的知识结构;在上述知识结构中确定最新学习知识点对应的目标并列知识点,以得到适合在目前学习进度适合学习的其他知识点;确定最新学习知识点和目标并列知识点各自对应的历史应答记录,以获取用户关于目前学习进度的全部答题记录;基于最新学习知识点的答题记录,确定用户对于最新学习知识点的掌握程度,即第一学习状态;基于目标并列知识点的答题记录,确定用户对于目标并列知识点的掌握程度,即第二学习状态;基于用户关于目前学习进度的掌握程度,在知识图谱中确定目标推送知识点,从而为用户推荐更加合理的内容。
本申请在一较佳示例中可以进一步配置为:
所述历史应答记录包括多个难度等级各自对应的历史应答信息,
基于所述最新学习知识点对应的历史应答记录,确定第一学习状态,包括:
针对每一所述难度等级,根据所述难度等级对应的历史应答信息,确定所述难度等级对应的第一子学习状态,其中,所述第一子学习状态表征用户对于所述难度等级下的所述最新学习知识点的掌握程度;
基于全部所述第一子学习状态,确定所述第一学习状态。
通过采用上述技术方案,限定历史应答记录包括多个难度等级各自对应的历史应答信息,来表明每一知识点对应的习题是分难度等级的;针对每一难度等级,根据该难度等级对应的历史应答信息,确定该难度等级对应的第一子学习状态,以确定用户对于该难度等级下的知识的掌握程度,能够更加细节的表征用户对于知识的掌握程度;基于更加细节的掌握程度,可以确定更加精确的确定第一学习状态。
本申请在一较佳示例中可以进一步配置为:
基于所述目标并列知识点对应的历史应答记录,确定第二学习状态,包括:
判断所述目标并列知识点对应的历史应答记录是否为空;
若否,则确定所述最新学习知识点对应的其他并列知识点;并获取所述其他并列知识点对应的历史应答记录;
基于所述其他并列知识点对应的历史应答记录,得到所述第二学习状态。
通过采用上述技术方案,当用户并未开始目标并列知识点的学习时,获取目标并列知识点对应的其他并列知识点和其他并列知识点对应的历史应答记录是没有意义的,本方案通过判断目标并列知识点的历史应答记录是否为空,以确定用户是否开始学习目标并列知识点;若用户已经开始学习目标并列知识点,则确定最新学习知识点对应的其他并列知识点后,获取其他并列知识点对应的历史应答记录,以确定用户对于该最新学习知识点对应的全部并列知识点的掌握程度,即用户对于一学习节点的整体掌握情况;基于用户对于该学习节点的整体掌握情况,从而更快地确定第二学习状态。
本申请在一较佳示例中可以进一步配置为:
在基于所述第一学习状态和所述第二学习状态,确定目标学习状态之前,还包括:
获取所述最新学习知识点对应的错误率信息;
相应的,基于所述第一学习状态和所述第二学习状态,确定目标学习状态,包括:
基于所述错误率信息、所述第一学习状态和所述第二学习状态,确定所述目标学习状态。
通过采用上述技术方案,获取最新学习知识点对应的错误率信息,以在了解用户学习进度的基础上,确定用户对于最新学习知识点的掌握程度,第一学习状态和第二学习状态均表示用户的学习进度;基于用户的学习进度和用户对于学习节点的掌握程度,可以更加准确的确定用户的目标学习状态。
本申请在一较佳示例中可以进一步配置为:
获取知识图谱,包括:
获取教师端的新增自定义概念;
对所述新增自定义概念进行关键词提取,得到多个关键词;并基于所述多个关键词,确定所述新增自定义概念对应的目标位置;
对预设知识图谱的所述目标位置进行更新,得到包括所述新增自定义概念的所述知识图谱。
通过采用上述技术方案,获取教师端的新增自定义概念,以确定在线数据上新的知识点;对新增自定义概念进行关键词提取,得到以确定新的知识点的多个关键词;基于多个关键词确定新增自定义概念在知识图谱中应在的位置,即目标位置;对预设知识图谱的目标位置进行更新,以得到包括新增西定义概念的知识图谱,从而增加知识图谱的实时性。
本申请在一较佳示例中可以进一步配置为:
基于所述目标学习状态和所述知识图谱,确定目标推送知识点,包括:
当所述目标学习状态为熟悉状态时,将确定所述最新学习知识点的下一知识点;
将所述下一知识点和所述最新学习知识点作为所述目标推送知识点。
通过采用上述技术方案,当目标学习状态为熟悉状态时,表征用户已经了解但未完全掌握该学习节点,可以开始下一学习节点的学习;确定最新学习知识点的下一知识点后,将下一知识点和最新学习知识点作为目标推送知识点,可以让用户在了解新的知识点的前提下,仍可以对并未完全掌握的知识点进行巩固。
本申请在一较佳示例中可以进一步配置为:
所述基于知识图谱的自适应推送方法,还包括:
获取所述知识图谱中每一知识点对应的错误频次;
基于全部知识点各自对应的错误频次与预设题型数量,确定多个易错知识点;
基于所述多个易错知识点,生成易错习题集;并将所述易错习题集发送至用户端。
通过采用上述技术方案,获取知识图谱中每一知识点对应的错误频次,来确定每一知识点对应的难易程度;基于知识点的难易程度和预设题型数量,得到多个易错知识点;基于上述多个易错知识点生成易错习题集,并将易错习题集发送至用户端,以增加推送内容的完整度。
第二方面,本申请提供一种基于知识图谱的自适应推送装置,采用如下的技术方案:
一种基于知识图谱的自适应推送装置,包括:
最新学习知识点确定模块,用于获取目标科目对应的最新学习知识点;
并列知识点确定模块,用于获取知识图谱,并基于所述知识图谱,确定所述最新学习知识点对应的目标并列知识点;
应答记录获取模块,用于确定所述最新学习知识点与所述目标并列知识点各自对应的历史应答记录;
学习状态确定模块,用于基于所述最新学习知识点对应的历史应答记录,确定第一学习状态;基于所述目标并列知识点对应的历史应答记录,确定第二学习状态;基于所述第一学习状态和所述第二学习状态,确定目标学习状态;
推送知识点确定模块,用于基于所述目标学习状态和所述知识图谱,确定目标推送知识点。
第三方面,本申请提供一种电子设备,采用如下的技术方案:
至少一个处理器;
存储器;
至少一个应用程序,其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行,所述至少一个应用程序配置用于:执行如第一方面任一项所述的基于知识图谱的自适应推送方法。
第四方面,本申请提供一种计算机可读存储介质,采用如下的技术方案:
一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令所述计算机执行如第一方面任一项所述的基于知识图谱的自适应推送方法。
综上所述,本申请至少包括以下有益技术效果:
获取目标科目对应的最新学习知识点,以确定用户目前学习进度;获取知识图谱,以确定目标科目的知识结构;在上述知识结构中确定最新学习知识点对应的目标并列知识点,以得到适合在目前学习进度适合学习的其他知识点;确定最新学习知识点和目标并列知识点各自对应的历史应答记录,以获取用户关于目前学习进度的全部答题记录;基于最新学习知识点的答题记录,确定用户对于最新学习知识点的掌握程度,即第一学习状态;基于目标并列知识点的答题记录,确定用户对于目标并列知识点的掌握程度,即第二学习状态;基于用户关于目前学习进度的掌握程度,在知识图谱中确定目标推送知识点,从而为用户推荐更加合理的内容。
附图说明
图1为本申请实施例提供的一种基于知识图谱的自适应推送方法的流程示意图。
图2为本申请实施例提供的一种基于知识图谱的自适应推送装置的结构示意图。
图3为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
以下结合附图1至附图3对本申请作进一步详细说明。
本具体实施例仅仅是对本申请的解释,其并不是对本申请的限制,本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本申请的范围内都受到专利法的保护。
为使本申请实施例的目的、技术方案和优点更加清楚,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,如无特殊说明,一般表示前后关联对象是一种“或”的关系。
下面结合说明书附图对本申请实施例作进一步详细描述。
本申请实施例提供了一种基于知识图谱的自适应推送方法,由电子设备执行,该电子设备可以为服务器也可以为终端设备,其中,该服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云计算服务的云服务器。终端设备可以是智能手机、平板电脑、笔记本电脑、台式计算机等,但并不局限于此,该终端设备以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本申请实施例在此不做限制,如图1所示,该方法包括步骤S101至步骤S105,其中:
步骤S101:获取目标科目对应的最新学习知识点。
具体的,用户端接收到刷题触发信号后,确定该用户端对应的用户ID,其中用户触发在线刷题模块时或用户通过在线模块提交应答内容时均可生产刷题触发信号,刷题触发信号包括目标科目;在本地缓存或云端获取该用户ID下目标科目的最新学习知识点,其中,最新学习知识点表征用户ID对应用户在最近时刻学习的知识点。
步骤S102:获取知识图谱,并基于知识图谱,确定最新学习知识点对应的目标并列知识点。
知识图谱为目标科目的知识框架,且,知识图谱为树形结构,目标科目包括多个章节、每一章节包括若干小节、每一小节包括至少一个学习节点、每一学习节点包括若干知识点,需要注意的是每一知识点在题库中存在若干题型与之对应。
其中,上述若干知识点之间互为并列知识点,并列知识点存在对应的知识点难度等级,上述若干知识点各自对应的知识点难度等级可能相同也可能不同;上述若干知识点中两两知识点各自对应的知识点难度等级之间存在知识点难度等级差距,例如,知识点A对应的知识点难度等级为2、知识点B对应的知识点难度等级为5,知识点A和知识点B这两个知识点之间的知识点难度等级差距为3。目标并列知识点对应的知识点难度等级与最新学习知识点对应的知识点难度等级之间的知识点难度等级差距,为上述若干知识点对应的全部知识点难度等级差距中的最小知识点难度等级差距。
步骤S103:确定最新学习知识点与目标并列知识点各自对应的历史应答记录。
具体的,基于用户ID在全部用户ID对应的历史应答记录中,确定用户ID对应的历史应答记录,其中,用户ID对应的历史应答记录包括每一知识点对应的历史应答记录,当用户并未对某一知识点开始学习时,该知识点对应的历史应答记录为空;在全部上述知识点各自对应的历史应答记录中,确定最新学习知识点与目标并列知识点各自对应的历史应答记录。
其中,当某一知识点对应的历史应答记录不为空时,该历史应答记录至少包括用户ID对应的用户在学习该知识点时,解答的该知识点对应的习题题干及解答答案。
步骤S104:基于最新学习知识点对应的历史应答记录,确定第一学习状态;基于目标并列知识点对应的历史应记录,确定第二学习状态;基于第一学习状态和第二学习状态,确定目标学习状态。
其中,第一学习状态表示用户对于最新学习知识点的掌握程度,第二学习状态表示用户对于目标并列知识点的掌握程度。目标学习状态表示用户对于最新学习知识点和目标并列知识点所在的学习节点的掌握程度。
步骤S105:基于目标学习状态和知识图谱,确定目标推送知识点。
目标学习状态可以为了解状态、熟悉状态或掌握状态。
可以理解的是,当用户对于最新学习知识点和目标并列知识点所在的学习节点的掌握程度为掌握状态时,表明用户已掌握该学习节点,不需要再进行巩固;当用户对于最新学习知识点和目标并列知识点所在的学习节点的掌握程度为了解状态时,表明用户仅是对该学习节点有所接触,需要进行整体巩固,并不具有学习下一知识点的能力;当用户对于最新学习知识点和目标并列知识点所在的学习节点的掌握程度为书序状态时,表明用户可以掌握该学习节点的大部分内容,巩固之外具有学习下一知识点的能力。
目标推送知识点包括知识图谱中若干相关知识点,其中,相关知识点为与最新学习知识点相关的知识点。
在本申请实施例中,获取目标科目对应的最新学习知识点,以确定用户目前学习进度;获取知识图谱,以确定目标科目的知识结构;在上述知识结构中确定最新学习知识点对应的目标并列知识点,以得到适合在目前学习进度适合学习的其他知识点;确定最新学习知识点和目标并列知识点各自对应的历史应答记录,以获取用户关于目前学习进度的全部答题记录;基于最新学习知识点的答题记录,确定用户对于最新学习知识点的掌握程度,即第一学习状态;基于目标并列知识点的答题记录,确定用户对于目标并列知识点的掌握程度,即第二学习状态;基于用户关于目前学习进度的掌握程度,在知识图谱中确定目标推送知识点,从而为用户推荐更加合理的内容。
本申请实施例的一种可能的实现方式,历史应答记录包括多个难度等级各自对应的历史应答信息,步骤S104,基于最新学习知识点对应的历史应答记录,确定第一学习状态,具体可以包括:
针对每一难度等级,根据难度等级对应的历史应答信息,确定难度等级对应的第一子学习状态,其中,第一子学习状态表征用户对于难度等级下的最新学习知识点的掌握程度;
基于全部第一子学习状态,确定第一学习状态。
其中,上述多个难度等级为历史应答记录对应的知识点对应的习题的多个预设难度等级。获取知识点对应的难度等级,具体可以包括:获取该知识点的多个预设题型和上述多个预设题型各自对应的整体错误率,其中,整体错误率为全部用户关于一个预设题型的错误率;确定每一预设错误区间对应的目标整体错误率对应的目标预设题型,并将该预设错误区间对应的预设难度等级,作为该目标预设题型对应的难度等级,其中,预设错误区间与预设难度等级之间的对应关系可由技术人员预先设置并存储于电子设备中。
根据难度等级对应的历史应答信息,确定难度等级对应的第一子学习状态,具体可以包括:基于上述难度等级对应的历史应答信息,确定用户ID对应的用户错误率,即基于用户的解答答案判断用户对于该难度等级的习题的错误率;确定该难度等级对应的预设错误区间,并判断用户错误率是否大于该预设错误区间,若是,则确定第一子学习状态为了解状态,反之,则确定为熟悉状态或掌握状态,其中,用户错误率大于预设错误区间为了解状态,用户错误率在预设错误区间内为熟悉状态,用户错误率小于预设错误区间为掌握状态。
基于全部第一子学习状态,确定第一学习状态,具体可以包括:确定第一子学习状态为了解状态、熟悉状态和掌握状态的子数量;将最大的子数量对应的状态作为第一学习状态。
在本申请实施例中,限定历史应答记录包括多个难度等级各自对应的历史应答信息,来表明每一知识点对应的习题是分难度等级的;针对每一难度等级,根据该难度等级对应的历史应答信息,确定该难度等级对应的第一子学习状态,以确定用户对于该难度等级下的知识的掌握程度,能够更加细节的表征用户对于知识的掌握程度;基于更加细节的掌握程度,可以确定更加精确的确定第一学习状态。
本申请实施例的一种可能的实现方式,步骤S104,基于目标并列知识点对应的历史应答记录,确定第二学习状态,具体可以包括:
判断目标并列知识点对应的历史应答记录是否为空;
若否,则确定最新学习知识点对应的其他并列知识点;并获取其他并列知识点对应的历史应答记录;
基于其他并列知识点对应的历史应答记录,得到第二学习状态。
其中,其他并列知识点为最新学习知识点所在的学习节点中除该最新学习知识点外的知识点。
基于其他并列知识点对应的历史应答记录,得到第二学习状态,具体可以包括:针对每一其他并列知识点,基于该其他并列知识点对应的历史应答记录,确定用户ID对应用户解答该其他并列知识点对应的习题时的目标错误率;计算全部目标错误率的平均值,得到目标错误率均值;基于上述目标错误率均值和预设错误区间,确定第二学习状态,其中,当上述目标错误率均值大于预设错误区间时,第二学习状态为了解状态,当上述目标错误率均值小于预设错误区间时,第二学习状态为掌握状态,当上述目标错误率均值在预设错误区间内时,第二学习状态为熟悉状态。
在本申请实施例中,当用户并未开始目标并列知识点的学习时,获取目标并列知识点对应的其他并列知识点和其他并列知识点对应的历史应答记录是没有意义的,本方案通过判断目标并列知识点的历史应答记录是否为空,以确定用户是否开始学习目标并列知识点;若用户已经开始学习目标并列知识点,则确定最新学习知识点对应的其他并列知识点后,获取其他并列知识点对应的历史应答记录,以确定用户对于该最新学习知识点对应的全部并列知识点的掌握程度,即用户对于一学习节点的整体掌握情况;基于用户对于该学习节点的整体掌握情况,从而更快地确定第二学习状态。
本申请实施例的一种可能的实现方式,在步骤S104,基于第一学习状态和第二学习状态,确定目标学习状态之前,还可以包括:
获取最新学习知识点对应的错误率信息;
相应的,步骤S104中,基于第一学习状态和第二学习状态,确定目标学习状态,可以包括:
基于错误率信息、第一学习状态和第二学习状态,确定目标学习状态。
在本申请实施例中,获取最新学习知识点对应的错误率信息,以在了解用户学习进度的基础上,确定用户对于最新学习知识点的掌握程度,第一学习状态和第二学习状态均表示用户的学习进度;基于用户的学习进度和用户对于学习节点的掌握程度,可以更加准确的确定用户的目标学习状态。
本申请实施例的一种可能的实现方式,步骤S101,获取知识图谱,具体可以包括:
获取教师端的新增自定义概念;
对新增自定义概念进行关键词提取,得到多个关键词;并基于多个关键词,确定新增自定义概念对应的目标位置;
对预设知识图谱的目标位置进行更新,得到包括新增自定义概念的知识图谱。
其中,新增自定义概念为教师自教师端更新的知识点概念,知识点概念包括可以构成定义的多个字符。
基于多个关键词,确定新增自定义概念对应的目标位置,具体可以包括:在上述多个关键词中筛选名词,得到若干名词关键词;针对每一名词关键词,基于预设词语和学习节点的对应关系,确定该名词关键词对应的目标学习节点;确定全部目标学习节点各自的出现频次,将出现频次最高的目标学习节点,作为上述目标位置。
对预设知识图谱的目标位置进行更新,得到包括新增自定义概念的知识图谱,具体可以包括:将新增自定义概念加入预设图谱的目标位置,以更新预设图谱的出现频次最高的目标学习节点,得到上述新增自定义概念的知识图谱。
在本申请实施例中,获取教师端的新增自定义概念,以确定在线数据上新的知识点;对新增自定义概念进行关键词提取,得到以确定新的知识点的多个关键词;基于多个关键词确定新增自定义概念在知识图谱中应在的位置,即目标位置;对预设知识图谱的目标位置进行更新,以得到包括新增西定义概念的知识图谱,从而增加知识图谱的实时性。
本申请实施例的一种可能的实现方式,步骤S105,基于目标学习状态和知识图谱,确定目标推送知识点,具体可以包括:
当目标学习状态为熟悉状态时,将确定最新学习知识点的下一知识点;
将下一知识点和最新学习知识点作为目标推送知识点。
在本申请实施例中,当目标学习状态为熟悉状态时,表征用户已经了解但未完全掌握该学习节点,可以开始下一学习节点的学习;确定最新学习知识点的下一知识点后,将下一知识点和最新学习知识点作为目标推送知识点,可以让用户在了解新的知识点的前提下,仍可以对并未完全掌握的知识点进行巩固。
本申请实施例的一种可能的实现方式,基于知识图谱的自适应推送方法,还可以包括:
获取知识图谱中每一知识点对应的错误频次;
基于全部知识点各自对应的错误频次与预设题型数量,确定多个易错知识点;
基于多个易错知识点,生成易错习题集;并将易错习题集发送至用户端。
其中,错误频次包括每一预设题型对应的题型的错误频次。预设题型数量为预设题型中习题的数量。
基于全部知识点各自对应的错误频次与预设题型数量,确定多个易错知识点,具体可以包括:针对每一知识点, 获取题型答题次数,其中,题型答题次数为用户对于每一预设题型进行答题的次数;并根据该知识点对应的错误频次和预设题型数量进行计算,得到该知识点对应的错误参数,其中,错误参数=错误频次÷(题型答题次数×预设题型数量);基于全部错误参数进行大小排列,得到知识点排序;将错误参数最大的预设百分比的知识点,作为易错知识点。
在本申请实施例中,获取知识图谱中每一知识点对应的错误频次,来确定每一知识点对应的难易程度;基于知识点的难易程度和预设题型数量,得到多个易错知识点;基于上述多个易错知识点生成易错习题集,并将易错习题集发送至用户端,以增加推送内容的完整度。
上述实施例从方法流程的角度介绍一种基于知识图谱的自适应推送方法,下述实施例从虚拟模块或者虚拟单元的角度介绍了一种基于知识图谱的自适应推送装置,具体详见下述实施例。
本申请实施例提供一种基于知识图谱的自适应推送装置,如图2所示,该基于知识图谱的自适应推送装置,具体可以包括:
最新学习知识点确定模块201,用于获取目标科目对应的最新学习知识点;
并列知识点确定模块202,用于获取知识图谱,并基于知识图谱,确定最新学习知识点对应的目标并列知识点;
应答记录获取模块203,用于确定最新学习知识点与目标并列知识点各自对应的历史应答记录;
学习状态确定模块204,用于基于最新学习知识点对应的历史应答记录,确定第一学习状态;基于目标并列知识点对应的历史应答记录,确定第二学习状态;基于第一学习状态和第二学习状态,确定目标学习状态;
推送知识点确定模块205,用于基于目标学习状态和知识图谱,确定目标推送知识点。
本申请实施例的一种可能的实现方式,历史应答记录包括多个难度等级各自对应的历史应答信息,学习状态确定模块204,在执行基于最新学习知识点对应的历史应答记录,确定第一学习状态时,具体用于:
针对每一难度等级,根据难度等级对应的历史应答信息,确定难度等级对应的第一子学习状态,其中,第一子学习状态表征用户对于难度等级下的最新学习知识点的掌握程度;
基于全部第一子学习状态,确定第一学习状态。
本申请实施例的一种可能的实现方式,学习状态确定模块204,在执行基于目标并列知识点对应的历史应答记录,确定第二学习状态时,具体用于:
判断目标并列知识点对应的历史应答记录是否为空;
若否,则确定最新学习知识点对应的其他并列知识点;并获取其他并列知识点对应的历史应答记录;
基于其他并列知识点对应的历史应答记录,得到第二学习状态。
本申请实施例的一种可能的实现方式,基于知识图谱的自适应推送装置,还包括:
错误率信息获取模块,用于获取最新学习知识点对应的错误率信息;
相应的,学习状态确定模块204,在执行基于第一学习状态和第二学习状态,确定目标学习状态时,具体用于:
基于错误率信息、第一学习状态和第二学习状态,确定目标学习状态。
本申请实施例的一种可能的实现方式,最新学习知识点确定模块201,在执行获取知识图谱时,具体用于:
获取教师端的新增自定义概念;
对新增自定义概念进行关键词提取,得到多个关键词;并基于多个关键词,确定新增自定义概念对应的目标位置;
对预设知识图谱的目标位置进行更新,得到包括新增自定义概念的知识图谱。
本申请实施例的一种可能的实现方式,推送知识点确定模块205,在执行基于目标学习状态和知识图谱,确定目标推送知识点时,具体用于:
当目标学习状态为熟悉状态时,将确定最新学习知识点的下一知识点;
将下一知识点和最新学习知识点作为目标推送知识点。
本申请实施例的一种可能的实现方式,基于知识图谱的自适应推送装置,还包括:
易错习题集生成模块,用于:
获取知识图谱中每一知识点对应的错误频次;
基于全部知识点各自对应的错误频次与预设题型数量,确定多个易错知识点;
基于多个易错知识点,生成易错习题集;并将易错习题集发送至用户端。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的一种基于知识图谱的自适应推送装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例中提供了一种电子设备,如图3所示,图3所示的电子设备包括:处理器301和存储器303。其中,处理器301和存储器303相连,如通过总线302相连。可选地,电子设备还可以包括收发器304。需要说明的是,实际应用中收发器304不限于一个,该电子设备的结构并不构成对本申请实施例的限定。
处理器301可以是CPU(Central Processing Unit,中央处理器),通用处理器,DSP(Digital Signal Processor,数据信号处理器),ASIC(Application SpecificIntegrated Circuit,专用集成电路),FPGA(Field Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器301也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线302可包括一通路,在上述组件之间传送信息。总线302可以是PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture,扩展工业标准结构)总线等。总线302可以分为地址总线、数据总线、控制总线等。为便于表示,图3中仅用一条粗线表示,但并不表示仅有一根总线或一型的总线。
存储器303可以是ROM(Read Only Memory,只读存储器)或可存储静态信息和指令的其他类型的静态存储设备,RAM(Random Access Memory,随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory,电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory,只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
存储器303用于存储执行本申请方案的应用程序代码,并由处理器301来控制执行。处理器301用于执行存储器303中存储的应用程序代码,以实现前述方法实施例所示的内容。
其中,电子设备包括但不限于:移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。还可以为服务器等。图3示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
本申请实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,当其在计算机上运行时,使得计算机可以执行前述方法实施例中相应内容。与相关技术相比,本申请实施例获取目标科目对应的最新学习知识点,以确定用户目前学习进度;获取知识图谱,以确定目标科目的知识结构;在上述知识结构中确定最新学习知识点对应的目标并列知识点,以得到适合在目前学习进度适合学习的其他知识点;确定最新学习知识点和目标并列知识点各自对应的历史应答记录,以获取用户关于目前学习进度的全部答题记录;基于最新学习知识点的答题记录,确定用户对于最新学习知识点的掌握程度,即第一学习状态;基于目标并列知识点的答题记录,确定用户对于目标并列知识点的掌握程度,即第二学习状态;基于用户关于目前学习进度的掌握程度,在知识图谱中确定目标推送知识点,从而为用户推荐更加合理的内容。
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。
以上仅是本申请的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。

Claims (5)

1.一种基于知识图谱的自适应推送方法,其特征在于,包括:
获取目标科目对应的最新学习知识点;
获取知识图谱,并基于所述知识图谱,确定所述最新学习知识点对应的目标并列知识点,其中,知识图谱为目标科目的知识框架,且,知识图谱为树形结构,目标科目包括多个章节、每一章节包括若干小节、每一小节包括至少一个学习节点、每一学习节点包括若干知识点,所述若干知识点之间互为并列知识点,知识点存在对应的知识点难度等级,目标并列知识点对应的知识点难度等级与最新学习知识点对应的知识点难度等级之间的知识点难度等级差距,为所述若干知识点对应的全部知识点难度等级差距中的最小知识点难度等级差距;
确定所述最新学习知识点与所述目标并列知识点各自对应的历史应答记录;
基于所述最新学习知识点对应的历史应答记录,确定第一学习状态;基于所述目标并列知识点对应的历史应答记录,确定第二学习状态;基于所述第一学习状态和所述第二学习状态,确定目标学习状态;
基于所述目标学习状态和所述知识图谱,确定目标推送知识点;
其中,所述历史应答记录包括多个难度等级各自对应的历史应答信息,
基于所述最新学习知识点对应的历史应答记录,确定第一学习状态,包括:
针对每一所述难度等级,根据所述难度等级对应的历史应答信息,确定所述难度等级对应的第一子学习状态,其中,所述第一子学习状态表征用户对于所述难度等级下的所述最新学习知识点的掌握程度;其中,根据所述难度等级对应的历史应答信息,确定所述难度等级对应的第一子学习状态,包括:基于所述难度等级对应的历史应答信息,确定用户ID对所述难度等级的习题的用户错误率;确定所述难度等级对应的预设错误区间;若用户错误率大于所述预设错误区间,则确定第一子学习状态为了解状态;若用户错误率在所述预设错误区间中,则确定第一子学习状态为熟悉状态;若用户错误率小于所述预设错误区间,则确定第一子学习状态为掌握状态;
基于全部所述第一子学习状态,确定所述第一学习状态;其中,分别确定第一子学习状态为了解状态、熟悉状态和掌握状态的子数量;将最大的子数量对应的状态作为第一学习状态;
其中,基于所述目标并列知识点对应的历史应答记录,确定第二学习状态,包括:
判断所述目标并列知识点对应的历史应答记录是否为空;
若否,则确定所述最新学习知识点对应的其他并列知识点;并获取所述其他并列知识点对应的历史应答记录;
基于所述其他并列知识点对应的历史应答记录,得到所述第二学习状态;
其中,获取知识图谱,包括:
获取教师端的新增自定义概念;
对所述新增自定义概念进行关键词提取,得到多个关键词;并基于所述多个关键词,确定所述新增自定义概念对应的目标位置,其中,基于所述多个关键词,确定所述新增自定义概念对应的目标位置,具体包括:在上述多个关键词中筛选名词,得到若干名词关键词;针对每一名词关键词,基于预设词语和学习节点的对应关系,确定该名词关键词对应的目标学习节点;确定全部目标学习节点各自的出现频次,将出现频次最高的目标学习节点,作为上述目标位置;
对预设知识图谱的所述目标位置进行更新,得到包括所述新增自定义概念的所述知识图谱,其中,将新增自定义概念加入预设图谱的目标位置,以更新预设图谱的出现频次最高的目标学习节点,得到上述新增自定义概念的知识图谱;
其中,基于所述目标学习状态和所述知识图谱,确定目标推送知识点,包括:
当所述目标学习状态为熟悉状态时,将确定所述最新学习知识点的下一知识点;
将所述下一知识点和所述最新学习知识点作为所述目标推送知识点;
其中,所述基于知识图谱的自适应推送方法,还包括:
获取所述知识图谱中每一知识点对应的错误频次;
基于全部知识点各自对应的错误频次与预设题型数量,确定多个易错知识点,其中,针对每一知识点, 获取题型答题次数,其中,题型答题次数为用户对于每一预设题型进行答题的次数;并根据该知识点对应的错误频次和预设题型数量进行计算,得到该知识点对应的错误参数,其中,错误参数=错误频次÷(题型答题次数×预设题型数量);基于全部错误参数进行大小排列,得到知识点排序;将错误参数最大的预设百分比的知识点,作为易错知识点;
基于所述多个易错知识点,生成易错习题集;并将所述易错习题集发送至用户端。
2.根据权利要求1所述的基于知识图谱的自适应推送方法,其特征在于,在基于所述第一学习状态和所述第二学习状态,确定目标学习状态之前,还包括:
获取所述最新学习知识点对应的错误率信息;
相应的,基于所述第一学习状态和所述第二学习状态,确定目标学习状态,包括:
基于所述错误率信息、所述第一学习状态和所述第二学习状态,确定所述目标学习状态。
3.一种基于知识图谱的自适应推送装置,其特征在于,包括:
最新学习知识点确定模块,用于获取目标科目对应的最新学习知识点;
并列知识点确定模块,用于获取知识图谱,并基于所述知识图谱,确定所述最新学习知识点对应的目标并列知识点,其中,知识图谱为目标科目的知识框架,且,知识图谱为树形结构,目标科目包括多个章节、每一章节包括若干小节、每一小节包括至少一个学习节点、每一学习节点包括若干知识点,所述若干知识点之间互为并列知识点,知识点存在对应的知识点难度等级,目标并列知识点对应的知识点难度等级与最新学习知识点对应的知识点难度等级之间的知识点难度等级差距,为所述若干知识点对应的全部知识点难度等级差距中的最小知识点难度等级差距;
应答记录获取模块,用于确定所述最新学习知识点与所述目标并列知识点各自对应的历史应答记录;
学习状态确定模块,用于基于所述最新学习知识点对应的历史应答记录,确定第一学习状态;基于所述目标并列知识点对应的历史应答记录,确定第二学习状态;基于所述第一学习状态和所述第二学习状态,确定目标学习状态;
推送知识点确定模块,用于基于所述目标学习状态和所述知识图谱,确定目标推送知识点;
所述历史应答记录包括多个难度等级各自对应的历史应答信息,
学习状态确定模块在基于所述最新学习知识点对应的历史应答记录,确定第一学习状态,用于:
针对每一所述难度等级,根据所述难度等级对应的历史应答信息,确定所述难度等级对应的第一子学习状态,其中,所述第一子学习状态表征用户对于所述难度等级下的所述最新学习知识点的掌握程度;其中,根据所述难度等级对应的历史应答信息,确定所述难度等级对应的第一子学习状态,包括:基于所述难度等级对应的历史应答信息,确定用户ID对所述难度等级的习题的用户错误率;确定所述难度等级对应的预设错误区间;若用户错误率大于所述预设错误区间,则确定第一子学习状态为了解状态;若用户错误率在所述预设错误区间中,则确定第一子学习状态为熟悉状态;若用户错误率小于所述预设错误区间,则确定第一子学习状态为掌握状态;
基于全部所述第一子学习状态,确定所述第一学习状态;其中,分别确定第一子学习状态为了解状态、熟悉状态和掌握状态的子数量;将最大的子数量对应的状态作为第一学习状态;
其中,学习状态确定模块,在执行基于目标并列知识点对应的历史应答记录,确定第二学习状态时,具体用于:
判断所述目标并列知识点对应的历史应答记录是否为空;
若否,则确定所述最新学习知识点对应的其他并列知识点;并获取所述其他并列知识点对应的历史应答记录;
基于所述其他并列知识点对应的历史应答记录,得到所述第二学习状态;
其中,最新学习知识点确定模块,在执行获取知识图谱时,具体用于:
获取教师端的新增自定义概念;
对所述新增自定义概念进行关键词提取,得到多个关键词;并基于所述多个关键词,确定所述新增自定义概念对应的目标位置,其中,基于所述多个关键词,确定所述新增自定义概念对应的目标位置,具体包括:在上述多个关键词中筛选名词,得到若干名词关键词;针对每一名词关键词,基于预设词语和学习节点的对应关系,确定该名词关键词对应的目标学习节点;确定全部目标学习节点各自的出现频次,将出现频次最高的目标学习节点,作为上述目标位置;
对预设知识图谱的所述目标位置进行更新,得到包括所述新增自定义概念的所述知识图谱,其中,将新增自定义概念加入预设图谱的目标位置,以更新预设图谱的出现频次最高的目标学习节点,得到上述新增自定义概念的知识图谱;
其中,推送知识点确定模块,在执行基于目标学习状态和知识图谱,确定目标推送知识点时,具体用于:
当所述目标学习状态为熟悉状态时,将确定所述最新学习知识点的下一知识点;
将所述下一知识点和所述最新学习知识点作为所述目标推送知识点;
其中,所述基于知识图谱的自适应推送方法,还包括:
易错习题集生成模块,用于:
获取所述知识图谱中每一知识点对应的错误频次;
基于全部知识点各自对应的错误频次与预设题型数量,确定多个易错知识点,其中,针对每一知识点, 获取题型答题次数,其中,题型答题次数为用户对于每一预设题型进行答题的次数;并根据该知识点对应的错误频次和预设题型数量进行计算,得到该知识点对应的错误参数,其中,错误参数=错误频次÷(题型答题次数×预设题型数量);基于全部错误参数进行大小排列,得到知识点排序;将错误参数最大的预设百分比的知识点,作为易错知识点;
基于所述多个易错知识点,生成易错习题集;并将所述易错习题集发送至用户端。
4.一种电子设备,其特征在于,包括:
至少一个处理器;
存储器;
至少一个应用程序,其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行,所述至少一个应用程序配置用于:执行权利要求1~2任一项所述的基于知识图谱的自适应推送方法。
5.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令所述计算机执行权利要求1~2任一项所述的基于知识图谱的自适应推送方法。
CN202410121610.0A 2024-01-30 2024-01-30 基于知识图谱的自适应推送方法、系统、设备和介质 Active CN117648449B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410121610.0A CN117648449B (zh) 2024-01-30 2024-01-30 基于知识图谱的自适应推送方法、系统、设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410121610.0A CN117648449B (zh) 2024-01-30 2024-01-30 基于知识图谱的自适应推送方法、系统、设备和介质

Publications (2)

Publication Number Publication Date
CN117648449A CN117648449A (zh) 2024-03-05
CN117648449B true CN117648449B (zh) 2024-05-14

Family

ID=90045437

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410121610.0A Active CN117648449B (zh) 2024-01-30 2024-01-30 基于知识图谱的自适应推送方法、系统、设备和介质

Country Status (1)

Country Link
CN (1) CN117648449B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111274411A (zh) * 2020-01-22 2020-06-12 文思海辉智科科技有限公司 课程推荐方法、装置、电子设备及可读存储介质
CN111309927A (zh) * 2020-02-17 2020-06-19 山东大学 一种基于知识图谱挖掘的个性化学习路径推荐方法及系统
CN111859140A (zh) * 2020-07-28 2020-10-30 龙马智芯(珠海横琴)科技有限公司 一种知识推荐的方法、装置、推荐设备及可读存储介质
CN111858906A (zh) * 2020-07-21 2020-10-30 广州视源电子科技股份有限公司 习题推荐方法、装置、电子设备及计算机可读存储介质
CN112507140A (zh) * 2021-02-08 2021-03-16 深圳市阿卡索资讯股份有限公司 一种个性化智能学习推荐方法、装置、设备及存储介质
CN114579760A (zh) * 2022-02-28 2022-06-03 深圳懂你教育科技有限公司 一种基于学生错题知识点自适应阶段学习系统
CN116383455A (zh) * 2023-04-12 2023-07-04 北京高思博乐教育科技股份有限公司 一种学习资源确定方法、装置、电子设备及存储介质
CN116541538A (zh) * 2023-07-06 2023-08-04 广东信聚丰科技股份有限公司 基于大数据的智慧学习知识点挖掘方法及系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105989088B (zh) * 2015-02-12 2019-05-14 马正方 数字化环境下的学习装置
CN111753198B (zh) * 2020-06-22 2024-01-12 北京百度网讯科技有限公司 信息推荐方法和装置、以及电子设备和可读存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111274411A (zh) * 2020-01-22 2020-06-12 文思海辉智科科技有限公司 课程推荐方法、装置、电子设备及可读存储介质
CN111309927A (zh) * 2020-02-17 2020-06-19 山东大学 一种基于知识图谱挖掘的个性化学习路径推荐方法及系统
CN111858906A (zh) * 2020-07-21 2020-10-30 广州视源电子科技股份有限公司 习题推荐方法、装置、电子设备及计算机可读存储介质
CN111859140A (zh) * 2020-07-28 2020-10-30 龙马智芯(珠海横琴)科技有限公司 一种知识推荐的方法、装置、推荐设备及可读存储介质
CN112507140A (zh) * 2021-02-08 2021-03-16 深圳市阿卡索资讯股份有限公司 一种个性化智能学习推荐方法、装置、设备及存储介质
CN114579760A (zh) * 2022-02-28 2022-06-03 深圳懂你教育科技有限公司 一种基于学生错题知识点自适应阶段学习系统
CN116383455A (zh) * 2023-04-12 2023-07-04 北京高思博乐教育科技股份有限公司 一种学习资源确定方法、装置、电子设备及存储介质
CN116541538A (zh) * 2023-07-06 2023-08-04 广东信聚丰科技股份有限公司 基于大数据的智慧学习知识点挖掘方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Cross-Domain Knowledge Graph Chiasmal Embedding for Multi-Domain Item-Item Recommendation;Jia Liu.etc;IEEE;20231231;全文 *
人工智能支持下教育知识图谱模型构建研究;钟卓;唐烨伟;钟绍春;赵一婷;;电化教育研究;20200401(第04期);全文 *
基于知识图谱的个性化学习资源推荐研究;黄华升;;软件工程;20181005(第10期);全文 *

Also Published As

Publication number Publication date
CN117648449A (zh) 2024-03-05

Similar Documents

Publication Publication Date Title
CN111563192B (zh) 实体对齐方法、装置、电子设备及存储介质
CN111753076B (zh) 对话方法、装置、电子设备及可读存储介质
CN109816265B (zh) 知识特征掌握度的评价方法、题目推荐方法及电子设备
JP7457125B2 (ja) 翻訳方法、装置、電子機器及びコンピュータプログラム
CN111859140B (zh) 一种知识推荐的方法、装置、推荐设备及可读存储介质
CN111914176A (zh) 题目的推荐方法及装置
CN110110899A (zh) 知识掌握度的预测方法、自适应学习方法及电子设备
CN114971066A (zh) 融合遗忘因素和学习能力的知识追踪方法及系统
CN114021029A (zh) 试题推荐方法及设备
CN111477051A (zh) 一种测评方法、装置、电子设备及存储介质
CN117648449B (zh) 基于知识图谱的自适应推送方法、系统、设备和介质
CN117218482A (zh) 模型训练方法、视频处理方法、装置及电子设备
CN111461188A (zh) 一种目标业务控制方法、装置、计算设备及存储介质
US20230351153A1 (en) Knowledge graph reasoning model, system, and reasoning method based on bayesian few-shot learning
CN116228361A (zh) 基于特征匹配的课程推荐方法、装置、设备和存储介质
CN112464101A (zh) 电子书的排序推荐方法、电子设备及存储介质
CN113160009A (zh) 信息推送方法、相关装置、以及计算机介质
CN113673811A (zh) 一种基于session的在线学习绩效评估方法及装置
CN113177071A (zh) 一种用户匹配方法、装置、计算机设备及存储介质
CN112541069A (zh) 一种结合关键词的文本匹配方法、系统、终端及存储介质
CN112347341A (zh) 一种学习题目的推荐方法、系统及存储介质
CN117648934B (zh) 基于错误试题的知识点确定方法、装置、设备和介质
CN117670146B (zh) 一种学习过程测评方法、装置、电子设备及介质
CN117786416B (zh) 一种模型训练方法、装置、设备、存储介质及产品
CN111444327B (zh) 热点知识确定方法、装置及系统

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