一种基于注意力知识追踪的学习路径推荐方法

本发明涉及一种基于注意力知识追踪的学习路径推荐方法，属于在线教育大数据挖掘。

背景技术：

1、随着数字化信息技术与智慧教育的深度融合，远程网络教学已成为现代教育不可或缺的一部分。在线教育平台的涌现，为满足人们对教育资源日渐增长的需求、方便人们获取教育资源的方式提供了新思路和新途径。但是，在大数据环境下，随着教育资源规模的不断扩大，学习者需要花费更多的时间和精力去寻找合适的学习资源，从而造成了资源利用率和学习效率低下的问题。为此，基于在线教育的学习资源推荐技术应运而生。然而，现有的学习资源推荐方法往往存在着一定的局限性。其中一点局限性是推荐的学习资源往往以无序的集合形式呈现，未对具体的学习路径进行动态规划。

2、在学习过程中，学习知识的顺序很重要，一个有序的、可以满足学习过程适应性的学习项目集合，便可以称作学习路径。领域专家制定的知识图谱可以为学习者提供通用的学习路径，但固定的学习顺序难以满足所有学习者的需求。学习路径应当不断适应学习者的学习状态，以实现最终的学习目标。

3、现有的序列推荐算法(如rnn、cnn等神经网络模型)往往只关注学习项目之间的顺序相似性，而忽略了认知结构对适应性学习的影响。教育研究表明，认知结构描述了知识的定性发展，包括学习者的知识水平和学习项目的知识结构，二者均对学习路径的质量有很大影响。知识水平反映了学习者对学习项目的熟练程度，它是不断变化且难以直接观察的，而知识结构则捕捉了学习项目之间的认知关系，表现为包含、上下位、先修后继等。然而，现有的学习路径推荐方法仅基于知识水平或知识结构展开研究，存在着一些局限性。具体而言，基于知识水平的方法无法解决学习项目间的关系依赖，基于知识结构的方法无法反映不同学习者的能力水平，难以准确制定个性化的学习路径。因此，如何系统地利用包括知识水平和知识结构在内的认知结构进行学习路径推荐仍然是一个具有挑战性的问题。

技术实现思路

1、本发明所要解决的技术问题是：提供一种基于注意力知识追踪的学习路径推荐方法，该方法能够同时考虑知识水平与知识结构对路径质量的影响，基于注意力知识追踪，最终形成动态的学习路径。

2、本发明为解决上述技术问题采用以下技术方案：

3、一种基于注意力知识追踪的学习路径推荐方法，包括如下步骤：

4、步骤1，根据学习者的历史学习数据训练基于注意力机制的知识追踪模型；

5、步骤2，从给定的先决条件图中选取与时间步t-1所学知识点相关联的知识点对应的问题作为推荐候选集，优化学习路径推荐算法的搜索空间；

6、步骤3，利用训练好的基于注意力机制的知识追踪模型预测学习者对所述推荐候选集中问题的掌握水平，分别从可理解性、重要性和有效性三个方面对所述推荐候选集设置推荐规则，得到时间步t向学习者推荐的问题，从而形成动态的学习路径。

7、本发明采用以上技术方案与现有技术相比，具有以下技术效果：

8、本发明同时考虑知识水平与知识结构对路径质量的影响，在知识追踪部分，在深度知识追踪的基础上添加了改进的嵌入表示方法与注意力机制，从而能更准确地预测学习者正确答题的概率。在搜索空间优化部分，利用知识图谱中知识点间的先决条件关系来生成路径推荐候选集。在学习路径推荐部分，基于概念转变模型，结合可解释性、合理性、有效性三项约束规则，在每个时间步为学习者推荐问题，最终形成一条面向学习目标的学习路径。

技术特征：

1.一种基于注意力知识追踪的学习路径推荐方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于注意力知识追踪的学习路径推荐方法，其特征在于，所述步骤1的具体过程如下：

3.根据权利要求2所述的基于注意力知识追踪的学习路径推荐方法，其特征在于，所述步骤12的具体过程如下：

4.根据权利要求3所述的基于注意力知识追踪的学习路径推荐方法，其特征在于，所述步骤13的具体过程如下：

5.根据权利要求4所述的基于注意力知识追踪的学习路径推荐方法，其特征在于，所述步骤14中知识状态的计算过程如下：

6.根据权利要求5所述的基于注意力知识追踪的学习路径推荐方法，其特征在于，所述步骤15的具体过程如下：

7.根据权利要求6所述的基于注意力知识追踪的学习路径推荐方法，其特征在于，所述步骤2的具体过程如下：

8.根据权利要求7所述的基于注意力知识追踪的学习路径推荐方法，其特征在于，所述步骤3的具体过程如下：

技术总结
本发明公开了一种基于注意力知识追踪的学习路径推荐方法，该方法同时考虑知识水平与知识结构对路径质量的影响，主要分为知识追踪、搜索空间优化与学习路径推荐三个部分。首先通过学习者的历史练习数据来训练知识追踪模型，并融入了注意力机制以精确预测学习者的知识水平变化。其次，基于知识结构在知识图谱中选取与上一步所学知识点相关联的知识点作为推荐候选集，优化学习路径推荐算法的搜索空间。最后，利用训练好的知识追踪模型预测学习者对候选集中知识点的掌握水平，将其作为多种约束规则的重要评判标准，从可解释性、合理性、有效性三个层面推出下一步推荐的知识点，最终形成动态的学习路径。

技术研发人员：魏昕,缪子竹,李欣雨,孙诗云,周亮,叶蕾
受保护的技术使用者：南京邮电大学
技术研发日：
技术公布日：2024/2/6