[发明专利]确定学习情况的方法、装置以及存储介质

权利要求书

1.一种确定学习情况的方法，其特征在于，包括：

接收用户输入的学习过程中产生的学习数据信息；

利用预先训练的循环神经网络模型对所述学习数据信息进行计算，确定与所述学习数据信息包含的知识点对应的编码信息；以及

利用预先训练的图神经网络模型，根据所述编码信息更新预设的知识图谱，并确定所述用户对更新后的所述知识图谱中的各个知识节点的掌握情况，其中所述预设的知识图谱中的各个知识节点分别存储有与所述用户相关的各个知识点的编码信息。

2.根据权利要求1所述的方法，其特征在于，利用预先训练的图神经网络模型，根据所述编码信息更新预设的知识图谱的操作，包括：

利用所述图神经网络模型，从大数据分析中提取所述预设的知识图谱中的各个知识节点之间的关系强度作为更新所述预设的知识图谱的更新权重；

生成待添加至所述预设的知识图谱的新知识节点，其中所述新知识节点用于存储与所述学习数据信息包含的知识点对应的编码信息；以及

将所述新知识节点添加至所述预设的知识图谱，并根据所述更新权重对所述预设的知识图谱进行更新。

3.根据权利要求2所述的方法，其特征在于，所述更新权重包括所述预设的知识图谱中的各个知识节点的节点更新权重和各个边的边更新权重，并且根据所述更新权重对所述预设的知识图谱进行更新的操作，包括：

根据所述节点更新权重和所述边更新权重，对已添加所述新知识节点的所述知识图谱中的各个知识节点存储的编码信息进行重新计算；以及

将重新计算得到的结果分别存储至已添加所述新知识节点的所述知识图谱中的各个知识节点。

4.根据权利要求3所述的方法，其特征在于，利用预先训练的图神经网络模型，确定所述用户对更新后的所述知识图谱中的各个知识节点的掌握情况的操作，包括：

利用预设的解编码网络，分别对更新后的所述知识图谱中的各个知识节点存储的编码信息进行解编码操作；

将所述解编码操作得到的结果输入预设的全连接神经网络，输出所述用户对更新后的所述知识图谱中的各个知识节点的掌握情况；以及

根据所述用户的历史掌握情况、当前学习进度信息和所输出的所述掌握情况，确定所述用户对更新后的所述知识图谱中的各个知识节点的掌握情况。

5.根据权利要求1所述的方法，其特征在于，还包括：

根据所述用户对更新后的所述知识图谱中的各个知识节点的掌握情况，确定与所述用户对应的学习路径；以及

将所述学习路径推送至所述用户的终端设备。

6.根据权利要求1所述的方法，其特征在于，利用预先训练的循环神经网络模型对所述学习数据信息进行计算，确定与所述学习数据信息包含的知识点对应的编码信息，包括：

利用预先训练的循环神经网络模型提取所述学习数据信息中包含的知识点对应的特征信息；以及

利用预设的编码网络对所述特征信息进行编码处理，确定所述知识点的编码信息。

7.根据权利要求1所述的方法，其特征在于，还包括根据以下步骤训练所述图神经网络模型：

获取用于训练训练编码信息，其中所述训练编码信息是所述循环神经网络模型对用于训练的学习数据信息进行计算确定的；

将所述训练编码信息输入至所述图神经网络模型进行计算；以及

根据计算的结果，利用梯度下降方式对所述图神经网络模型进行优化训练。

8.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时由处理器执行权利要求1至7中任意一项所述的方法。