[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在审

专利信息
申请号: 202110237420.1 申请日: 2021-03-03
公开(公告)号: CN115017321A 公开(公告)日: 2022-09-06
发明(设计)人: 林鑫 申请(专利权)人: 广州视源电子科技股份有限公司;广州视源人工智能创新研究院有限公司
主分类号: G06F16/36 分类号: G06F16/36;G06F40/194;G06Q50/20;G06N3/04;G06N3/08
代理公司: 北京恒博知识产权代理有限公司 11528 代理人: 张晓芳
地址: 510530 广*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 知识点 预测 方法 装置 存储 介质 以及 计算机 设备
【说明书】:

本申请公开了一种知识点预测方法、装置、存储介质和计算机设备,其中方法包括:获取待预测习题,并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,计算所述习题向量与所述图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。采用本申请,基于一种半监督分类的图注意力神经网络获取待预测习题和知识点的向量表示,通过计算待预测习题和知识点之间的距离并根据所述距离为习题打上合适且准确的知识点标签。

技术领域

本申请涉及计算机技术领域,具体而言,涉及一种知识点预测方法、装置、 存储介质和计算机设备。

背景技术

随着在线教育的蓬勃发展,在线题库逐渐成为学生做题的重要方式。这些 在线题库具有海量的习题以及海量的学生做题记录,因此往往可以有一些相关 的习题推荐算法为学生做出合适的习题推荐,而习题是否有足够的知识点标签、 知识点标签打的是否准确对于习题推荐的质量有着重要影响。因此,如何为海 量的习题打上合适、准确的知识点标签是一个待解决的难题。

发明内容

本申请提供一种知识点预测方法、装置、存储介质以及计算机设备,可以 解决如何为海量的习题打上合适、准确的知识点标签的技术问题。

第一方面,本申请实施例提供一种知识点预测方法,该方法包括:

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; 基于所述专业集合生成各所述专业之间的第一关联关系;

计算所述习题向量与所述图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。

第二方面,本申请实施例提供一种知识点预测装置,包括:

习题获取模块,用于获取待预测习题,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;

距离计算模块,用于计算所述习题向量与所述图神经网络中所有知识点向 量之间的距离;

距离筛选模块,用于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;

知识点确定模块,用于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。

第三方面,本申请实施例提供一种存储介质,所述存储介质存储有计算机 程序,所述计算机程序适于由处理器加载并执行上述方法的步骤。

第四方面,本申请实施例提供一种计算机设备,包括存储器、处理器及存 储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时 实现上述的方法的步骤。

在本申请实施例中,通过获取待预测习题,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,并计算所述习题向量与所述图神经网络中所 有知识点向量之间的距离,进而在所述距离中筛选出小于距离阈值的目标距离, 通过确定所述目标距离指示的目标知识点向量,并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,为习题打上合适、准确的知识点标签。

附图说明

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广州视源电子科技股份有限公司;广州视源人工智能创新研究院有限公司,未经广州视源电子科技股份有限公司;广州视源人工智能创新研究院有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110237420.1/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top