申请/专利权人：徐州医科大学

申请日：2024-03-20

公开（公告）日：2024-06-07

公开（公告）号：CN117910560B

主分类号：G06N5/02

分类号：G06N5/02;G06F18/24;G06Q50/20

优先权：

专利状态码：有效-授权

法律状态：2024.06.07#授权;2024.05.07#实质审查的生效;2024.04.19#公开

摘要：本发明涉及一种基于学习偏好测评的多风格学习教程生成系统，该系统是通过所提出的深度强化学习模型从时间维度动态地探索学习者在学习过程中的偏好，使深度强化学习代理准确地表达学习者的学习行为特征，实现课程教程的个性化和精确构建；同时，使用内部知识库和外部知识库作为资源支持，设计一个具有多种定义关系的多模态知识图，以克服课程教程方法构建的局限性；所提方案自动捕捉学习者在每个交互式学习中的偏好，并通过实时反馈持续跟踪用户偏好的变化；对于同样的课程，为更喜欢文本教程的学习者生成文本教程，并为更喜欢视觉学习的学习者生成动态教程，实现了智能、个性化的推荐。

主权项：1.一种基于学习偏好测评的多风格学习教程生成系统，其特征在于，所述系统包括学习偏好测评模块、教程匹配模块、匹配修订模块及教学评价模块；其中，所述学习偏好测评模块，内置学习风格测评量表，用于对学生的学习偏好进行测评；所述教程匹配模块，内置学习偏好类型与内容风格匹配规则，用于生成对应用户学习偏好的学习风格教程内容；其中，所述学习偏好类型与内容风格匹配规则设计如下：学习偏好类型包括A主动型A1、反思型A2、B感受型B1、直觉型B2、C视觉型C1、文字型C2、D循序型D1、总体型D2，且8种类型两两互斥，最终测评结果仅为8种类型中的4种；内容风格包括文本、图片、视频、音频4种风格；主动型A1对应的四种内容风格权重分别为：[50%、50%、50%、50%]；反思型A2对应的四种内容风格权重分别为：[60%、50%、50%、50%]；感受型B1对应的四种内容风格权重分别为：[40%、60%、60%、50%]；直觉型B2对应的四种内容风格权重分别为：[40%、80%、80%、60%]；视觉型C1对应的四种内容风格权重分别为：[30%、90%、90%、50%]；文字型C2对应的四种内容风格权重分别为：[90%、50%、30%、40%]；循序型D1对应的四种内容风格权重分别为：[50%、50%、30%、30%]；总体型D2对应的四种内容风格权重分别为：[50%、50%、50%、50%]；设得到4种学习偏好类型的组合为后，将4种内容风格权重相加再除以4即可得到文本t_p、图片p_p、视频v_p、音频a_p，即： ； ； ； ；其中，i=1,2；所述匹配修订模块，内置风格适配度打星及修订规则，用于学习风格教程内容修订，并生成下一小节的学习风格教程内容；其中，所述修订规则包括以下步骤：S11、给出所述修订规则的临界定义：状态定义：以S=（U，V，T）来表示基于学习路径的当前动态状态，其中U表示对学习者的建议，V表示深度强化学习代理到达的实体，T表示代理访问的实体并记录访问路径；行动空间定义：当强化学习代理处于特定状态后，需要获取该状态下的动作空间，从该空间中选择一个动作，启动该动作，然后传输到下一个状态；其中，动作空间定义如下： ；式中，r表示实体间的关系，，是关系类型的数量，t表示当前对t步强化学习的训练，表示选择一定状态后下次到达的实体；奖惩模型定义：设计了一种基于用户历史交互数据和随机推理搜索的奖励机制，根据学习者的学习偏好为中心构建个性化的教程，并结合客观的学习结果来推断下一个状态；因此，对于主体的状态St，定义了奖励函数： ；奖惩模型表示为： ；其中，是一个任意的惩罚常数，通常用于修正模型的随机选择路径，这里设为1；表示学习者对学习的满意度；是理想的满意常数取值为70；累计奖励表示为： ；过渡策略网络定义：基于奖励结果，构建了一个基于当前状态S的过渡策略网络；该策略网络以当前状态和完整的路径空间作为输入，输出每个动作的概率，然后选择以下过渡路径： ；深度强化学习模型层次定义：增加一个预测层，并使用ReLU函数作为激活函数；预测的最终结果输出如下： ；其中，表示为下一小节推荐的学习风格教程，表示将输入转换为不同内容以形成概率的激活函数，表示在T训练过程中从学习风格教程中获得的向量特征，表示上一小节学习教程；S12、根据用户学习偏好测评结果，学习用户的初始学习偏好，形成初始个性化教程C0，课程学习完成后进行风格适配度打星；S13、结合多模态知识图和强化学习模型，启动个性化的教程修订，模型输入为两个矩阵：“学习者学习偏好”和“课程内容标签”，根据输入特征矩阵计算学习偏好的学习风格权重，选择行动和构建课程内容；S14、模仿用户和课程内容之间的交互数据，并生成奖励和状态；S15、迭代优化S12-S15，直到模型能够自动构建一个满足用户满意度的教程；所述教学评价模块，内置小结测试及学习风格教程学习效果评价方法，用于比较学习风格教程模式与传统课堂授课模式的教学效果。

全文数据：

权利要求：

百度查询： 徐州医科大学 一种基于学习偏好测评的多风格学习教程生成系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD