应用驱动的基于数据图谱、信息图谱和知识图谱的学习路径推荐方法与流程

本发明是一种应用驱动的基于数据图谱、信息图谱和知识图谱的学习路径推荐方法。主要用于使学习者花费最少时间和精力得到最高效的学习指导，使学习者避开不必要去学习的知识，只在不会或者不熟练的知识上花费时间和精力，属于分布式计算和软件工程学技术交叉领域。

背景技术：

随着知识经济的发展，当今社会对人们的知识掌握程度提出了更高的要求，智能教学系统中选择合适的学习点推荐给学习者和个性化学习路径的推荐与优化已经成为重要课题。目前，在线学习面临的问题是网上数据庞杂，导致学习者难以快速找到适合自己的学习资源。适应性学习是远程教育发展质的飞跃，其直接原因是以计算机、远程通信和认知科学结合的知识媒体的综合运用。适应性学习能根据学习者的特征选择合适的学习内容和学习方法作为推荐。学习路径是指学习活动的路线与序列，是学习者在一定的学习策略指导下，根据学习目标和学习内容对所需完成的学习活动的排序。学习路径是把学习的资源、方法、目标、程序、评价和监控等有机合在一起，把学习内容以不同的策略展现给学习者。

知识图谱于2012年5月17日被google正式提出，其初衷是为了提高搜索引擎的能力，增强用户的搜索质量以及搜索体验。目前，随着智能化和个性化信息服务应用的不断发展，知识图谱被广泛地应用于智能搜索、智能问答、个性化推荐等领域。知识图谱已经成为用标记的有向图形式表示知识的强大工具，并给出文本信息的语义。知识图谱是通过将每个项目、实体或用户作为结点表示，并且通过边缘将彼此相互作用的那些结点链接起来构造的图形。结点之间的边可以表示任意关系。知识点是学习活动中传递知识信息的基本单元，单独的知识点应能体现知识内容本身的局部完整性，知识点的集合能保证专业知识体系的全局完整性知识点之间的关系是连接知识点的纽带，使分散的知识点形成相互关联的知识结构。本发明提出一种学习点及学习路径推荐方法，根据学习者的当前学习状况和学习目标为学习者提供一个高效的导学策略，保证学习者按需学习。

技术实现要素：

技术问题：本发明的目的是提供一种应用驱动的基于数据图谱、信息图谱和知识图谱的学习路径推荐方法，针对学习者的学习需求和学习目标，向学习者推荐合理的学习点内容和学习策略，引导学习者达成学习目标，帮助学习者提高学习效率，优化学习效果。

技术方案：本发明是一种策略性方法，可以应用于为学习者提供学习指导，有助于解决网络学习环境下，大量学习资源导致的认知过载和学习迷航问题。

在一个知识点图谱上，本发明假设学习者单位时间下和单位精力可学知识是固定的，知识图谱上的结点不一定是独立的，对于知识结点之间的关系本发明定义有以下五种（语义）关系如图1所示：

1.先序关系：必须先学习结点a才能学习结点b，即学习知识点b需要知识点a的支持。先序关系具有传递性，包括直接先序关系和间接先序关系。如果学习知识点a后可以直接学习知识点b，则两者满足直接先序关系。如果学习知识点a后还需要学习其他知识点才能学习知识点b，则两者满足间接先序关系；

2.涵盖关系：结点a包含的知识点涵盖了结点b，学了结点a可以不用再去学习结点b；

3.或关系：对于最终学习目标，学习结点a和结点b都可以达到学习目标；

4.与关系（平行关系）：即结点间是独立的，具有与关系的知识点在学习过程中不存在先后关系；

5.必要结点：对于最终学习目标，一定要去学习的结点；

6.游离结点：对于某个知识体系来讲，游离结点是对这个知识体系无用的知识点。

方法流程：

一种应用驱动的基于数据图谱、信息图谱和知识图谱的学习路径推荐方法，其特征在于学习点推荐和路径推荐的步骤：

步骤1）构建关于学习者的数据图谱、信息图谱和知识图谱，其中数据图谱记录学习者的个人信息，包括姓名、性别、年龄、学历等，信息图谱记录学习者的学习路径，知识图谱记录学习者的学习点，通过大数据训练得出学习者群体学习每个知识点索要花费时间和精力的平均水平，即学习投入，作为学习点的权重在图谱上做出原始标记；

步骤2）构建习题测试库和能力调查问卷，根据学习点构建相应的习题测试，根据能力考查类型构建学习者能力调查问卷；

步骤3）提示学习者进行习题测试，根据习题测试结果，初步获取学习者对学习点的掌握情况；

步骤4）获取学习者的学习目标以及预期学习投入；

步骤5）根据步骤3）、步骤4）和学习者的数据图谱得到的学习者对学习点的掌握情况、学习者的学习目标、学习能力以及预期学习投入粗略估计，构建学习者的学习资源模型；学习者的学习资源模型分为两种，一种为针对学习者个人而言的，特点为将学习点的主要知识点的权重增大，即达到学习者花费20%的学习精力既能达到80%的学习目标，后续80%的学习精力完成20%的学习目标，即精通；另一种为针对学习培训机构而言，特点为将学习点的主要知识点依据时间维度平均分配，即使得培训机构能得到的利益最大化；

步骤6）通过遍历学习者的信息图谱对学习者进行学习情况查询，得到实时学习者的学习情况；

步骤7）根据步骤6）得到的学习者的学习情况，动态更改学习点的权重，使学习者的学习路径依外部因素的变化而变化；

步骤8）输出学习点及学习路径推荐方案。

体系结构

本发明所涉及的数据图谱、信息图谱和知识图谱的具体说明如下：

数据图谱：数据是通过观察得到的数字或其他类型信息的基本个体项目，但是在没有上下文语境的情况下，它们本身没有意义。数据图谱可以通过数组、链表、队列、树、栈、图等数据结构来表达。在数据图谱上，通过计算数据的频度，得出数据在数据图谱上的支持度和置信度来删除错误或无用数据，删除的条件是必须同时满足支持度和置信度的阈值要求，阈值过大不利于图谱表达的准准确性，过小不利于表达的完整性，可以根据计算图谱反馈的结果信息动态调整。

信息图谱：信息是通过数据和数据组合之后的上下文传达的，经过概念映射和相关关系组合之后的适合分析和解释的信息。信息图谱可以通过关系数据库来表达。信息图谱上进行数据清洗，消除冗余数据，根据结点之间的交互进行初步抽象，提高设计的内聚性。通过圈定特定数量的实体，计算内部交互度和外部交互度，内聚性等于内部交互度和外部交互度的比值，本发明设定所圈定的知识点之间必须相互连通。

知识图谱：知识是从积累的信息中获得的总体理解和意识，知识图谱可以通过包含结点和结点之间关系的有向图来表达。知识图谱上可以包含各种语义关系，并能进行信息推理和实体链接，知识图谱的无结构特性使得知识图谱可以无缝衔接，从而提高知识图谱的边缘密度和结点密度。信息推理需要有相关关系规则的支持，这些规则可以由人手动构建，但往往耗时费力。目前，它主要依赖于关系的同现，并使用关联挖掘技术自动查找推理规则。路径推荐算法使用每个不同的关系路径作为一维特征，通过在知识图中构建大量的关系路径来构建关系分类的特征向量和关系分类器来提取关系。

有益效果：本发明提出一种应用驱动的基于数据图谱、信息图谱和知识图谱的学习路径推荐方法，具有如下显著优点：

（1）合理配置资源，提高学习资源的使用效率：学习资源的合理配置和有效使用是我国远程教育发展的重要内容，网络上的学习资源丰富，质量良莠不齐，基于知识图谱的学习点推荐帮助学习者按需学习，不必花费大量时间在海量的资源中寻找自己需要的学习资源；

（2）为学习者指引学习方向，避免知识迷航：向学习者推荐和优化学习路径，提供学习高效的策略，帮助学习者建立合适的知识体系，使学习者有针对性的进行学习，提高学习效率；

（3）通过分析建立不同学习者的学习情况，建立学习者模型，有针对性地为不同学习者提供个性化的学习指导；

（4）根据外界学习环境，动态调整知识点分布和学习路径。

附图说明

图1是知识图谱上结点之间可能含有的关联关系的展示；

图2是应用驱动的基于数据图谱、信息图谱和知识图谱的学习路径推荐方法的流程图。

具体实施方式

一种应用驱动的基于数据图谱、信息图谱和知识图谱的学习路径推荐方法，其具体实施步骤为：

步骤1）构建关于学习者的数据图谱、信息图谱和知识图谱，其中数据图谱记录学习者的个人信息，包括姓名、性别、年龄、学历等，信息图谱记录学习者的学习路径，知识图谱记录学习者的学习点，通过大数据训练得出学习者群体学习每个知识点索要花费时间和精力的平均水平，即学习投入，作为学习点的权重在图谱上做出原始标记；

步骤2）构建习题测试库和能力调查问卷，根据学习点构建相应的习题测试，根据能力考查类型构建学习者能力调查问卷；

步骤3）提示学习者进行习题测试，根据习题测试结果，初步获取学习者对学习点的掌握情况；

步骤4）获取学习者的学习目标以及预期学习投入；

步骤5）根据步骤3）、步骤4）和学习者的数据图谱得到的学习者对学习点的掌握情况、学习者的学习目标、学习能力以及预期学习投入粗略估计，构建学习者的学习资源模型；学习者的学习资源模型分为两种，一种为针对学习者个人而言的，特点为将学习点的主要知识点的权重增大，即达到学习者花费20%的学习精力既能达到80%的学习目标，后续80%的学习精力完成20%的学习目标，即精通；另一种为针对学习培训机构而言，特点为将学习点的主要知识点依据时间维度平均分配，即使得培训机构能得到的利益最大化；

步骤6）通过遍历学习者的信息图谱对学习者进行学习情况查询，得到实时学习者的学习情况；

步骤7）根据步骤6）得到的学习者的学习情况，动态更改学习点的权重，使学习者的学习路径依外部因素的变化而变化；

步骤8）输出学习点及学习路径推荐方案。