申请/专利权人：南京云创大数据科技股份有限公司

申请日：2023-08-31

公开（公告）日：2023-11-21

公开（公告）号：CN116860978B

主分类号：G06F16/35

分类号：G06F16/35;G06F16/36;G06F16/335;G06N20/00

优先权：

专利状态码：有效-授权

法律状态：2023.11.21#授权;2023.10.27#实质审查的生效;2023.10.10#公开

摘要：本发明公开了基于知识图谱和大模型的小学语文个性化学习系统，该学习系统包括语文知识图谱构建单元、学习方案制定单元及语文知识体系构建单元；所述语文知识图谱构建单元，用于通过分析和研究语文文献资料，识别和归纳知识点形成知识体系，并使用图谱形式进行展示；所述学习方案制定单元，用于通过对学生的历史数据进行挖掘与分析确定学习需求，并根据学习需求对知识点进行匹配和推荐；所述语文知识体系构建单元，用于通过对大规模语料库进行无监督学习提取出语言知识，并将其融合至语文知识图谱中建立语文知识体系。本发明支持根据学生的不同需求和兴趣，构建个性化的语文学习方案。

主权项：1.基于知识图谱和大模型的小学语文个性化学习系统，其特征在于，该学习系统包括语文知识图谱构建单元、学习方案制定单元及语文知识体系构建单元；其中，所述语文知识图谱构建单元，用于通过分析和研究语文文献资料，识别和归纳知识点形成知识体系，并使用图谱形式进行展示；所述学习方案制定单元，用于通过对学生的历史数据进行挖掘与分析确定学习需求，并根据学习需求对知识点进行匹配和推荐；所述语文知识体系构建单元，用于通过对大规模语料库进行无监督学习提取出语言知识，并将其融合至语文知识图谱中建立语文知识体系；所述语文知识体系构建单元包括学习模块、表示融合模块及推荐模块；其中，所述学习模块，用于对通过GLM模型对大量数据进行无监督学习；所述表示融合模块，用于对语言模型进行提取及对知识图谱进行表示，并使用融合技术将语言模型的表示和语文知识图谱的表示进行融合；所述推荐模块，用于对学生学习数据进行挖掘与分析，并根据学生的学习需求与兴趣与知识图谱中的知识点和学习资源进行匹配推荐；所述对通过GLM模型对大量数据进行无监督学习包括：通过爬取互联网上的语言数据、语料库及教材文本，获取丰富的语言数据作为训练数据集；利用文本处理技术对收集到的训练数据进行预处理；将处理完成的训练数据集输入至GLM模型中进行基础训练，并提取语言知识的特征表示；所述对语言模型进行提取及对知识图谱进行表示，并使用融合技术将语言模型的表示和语文知识图谱的表示进行融合包括：通过利用训练好的GLM模型，将语言数据中的文本数据使用模型的隐藏层输出、词向量及句向量进行表示；采用图嵌入方法将语文知识图谱中的图结构转换为低向量表示，并捕捉图谱中节点的语义关系；将知识图谱的节点作为图的节点和大模型的特征表示作为节点的特征向量结合构建图结构；通过GCN在图结构上进行迭代传播和聚合，将节点的特征与相邻节点的特征进行融合和更新；在信息传播时通过GCN将知识图谱中的节点特征与大模型中的特征进行融合；经过多轮信息传播和特征融合，GCN将当前节点的特征与其邻居节点的特征进行聚合，并更新当前节点的特征，逐步迭代地更新节点的特征表示；将融合后的特征输入至学习方案制定单元中，利用融合后的特征进行知识点和学习资源的匹配和推荐，并根据匹配和推荐的结果，生成个性化的学习方案；所述对学生学习数据进行挖掘与分析，并根据学生的学习需求与兴趣与知识图谱中的知识点和学习资源进行匹配推荐包括：对收集到的学生学习数据进行清洗和转换，去除异常值与缺失值，并将数据转化为可供统计分析使用的格式，并应用统计学方法对数据进行学习特征之间的描述性分析；从统计分析的学习特征中，通过基尼系数选择对学生学习类型分类具有区分度的特征，并基于选择的特征，采用决策树算法构建学生学习类型的分类模型；将学生的学习数据转换为关联规则挖掘所需的事务型数据集，其中，事务型数据集表示学生的学习记录，学习记录表示学习资源的集合；通过Apriori算法挖掘学习资源之间的频繁项集，并通过最小支持度阈值确定频繁项集；基于频繁项集生成关联规则，计算关联规则的置信度和支持度，并根据置信度与支持度对挖掘得到的关联规则进行排序；基于排序结果，向学生推荐置信度高的关联规则对应的学习资源。

全文数据：

权利要求：

百度查询： 南京云创大数据科技股份有限公司 基于知识图谱和大模型的小学语文个性化学习系统

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