[发明专利]一种知识点预测方法、装置、存储介质以及计算机设备

权利要求书

1.一种知识点预测方法，其特征在于，所述方法包括：

获取待预测习题，从图注意力神经网络中抽取与所述待预测习题对应的习题向量，所述图注意力神经网络基于对习题与知识点的关系图谱的训练生成，所述习题与知识点的关系图谱基于样本习题与样本知识点之间的关联关系生成；

计算所述习题向量与所述图注意力神经网络中所有知识点向量之间的距离；

在所述距离中筛选出小于距离阈值的目标距离，确定所述目标距离指示的目标知识点向量；

将所述目标知识点向量对应的知识点作为所述待预测习题的知识点。

2.根据权利要求1所述的知识点预测方法，其特征在于，所述获取待预测习题，从图注意力神经网络中抽取与所述待预测习题对应的习题向量之前，还包括：

获取样本习题和样本知识点，采用预训练语言模型将所述样本习题转换为习题向量以及将所述样本知识点转换为知识点向量；

获取所述样本习题与所述样本知识点之间的关联关系，所述关联关系包括所述样本习题之间的第一关联关系、所述样本习题与所述样本知识点之间的第二关联关系、所述样本知识点之间的第三关联关系；

基于所述习题向量、所述知识点向量以及所述关联关系生成习题与知识点的关系图谱；

采用多头自注意力机制和损失函数训练所述关系图谱，生成图注意力神经网络。

3.根据权利要求2所述的知识点预测方法，其特征在于，所述获取样本习题和样本知识点，采用预训练语言模型将所述样本习题转换为习题向量以及将所述样本知识点转换为知识点向量，包括：

获取样本习题和样本知识点，对所述样本习题进行数据预处理；

采用预训练语言模型将所述预处理后的样本习题转换为习题向量以及将所述样本知识点转换为知识点向量。

4.根据权利要求3所述的方法，其特征在于，所述采用预训练语言模型将所述预处理后的样本习题转换为习题向量以及将所述样本知识点转换为知识点向量之前，还包括：

采用所述预处理后的样本习题对所述预训练语言模型进行迁移训练。

5.根据权利要求2所述的知识点预测方法，其特征在于，所述获取所述样本习题与所述样本知识点之间的关联关系，所述关联关系包括所述样本习题之间的第一关联关系、所述样本习题与所述样本知识点之间的第二关联关系、所述样本知识点之间的第三关联关系，包括：

计算与所述样本习题对应的习题向量之间的相似度，并基于所述相似度生成所述样本习题之间的第一关联关系；

获取所述样本习题与所述样本知识点的第一对应关系，基于所述第一对应关系生成所述样本习题与所述样本知识点之间的第二关联关系；

获取所述样本知识点之间的第二对应关系，基于所述第二对应关系生成所述样本知识点之间的第三关联关系。

6.根据权利要求5所述的知识点预测方法，其特征在于，所述计算与所述样本习题对应的习题向量之间的相似度，并基于所述相似度生成所述习题之间的第一关联关系，包括：

从各所述习题向量中选取目标习题向量；

计算所述目标习题向量与除所述目标习题以外的所有习题向量之间的相似度，按照相似度的高低顺序从各所述相似度中选取排列在前的预设个数的目标相似度，将各所述目标相似度对应的习题向量作为所述目标习题向量的相似习题向量；

确定所述习题向量中的下一个习题向量，将所述下一个习题向量作为所述目标习题向量，并执行所述计算所述目标习题向量与除所述目标习题以外的所有习题向量之间的相似度的步骤；

当不存在下一个习题向量时，基于各所述习题向量以及各所述习题向量的相似习题向量生成第一关联关系。