针对智能学习的知识存储算法
【技术领域】
[0001]本发明属于计算机技术领域，尤其涉及一种智能学习的知识存储系统及其知识搜索方法。
【背景技术】
[0002]目前的网络学习的知识存储都是按照学科体系分门别类存放，无法快速找到最适合解决用户问题的相关知识。如果能够研发出一种知识存储系统和知识搜索方法，其通过记录用户建立的知识点与知识点之间的关联，实现通过跳跃性思维和联想思维进行更智能的知识存储和搜索；则将会极具市场前景。
【发明内容】
[0003]为了解决现有技术中存在的上述问题，本发明提供一种能够快速、有效找到用户需要的相关知识点的智能学习的知识存储系统和知识搜索方法。
[0004]为实现上述发明目的，本发明提供的技术方案为:一种智能学习的知识存储系统包括以下内容:
知识存储库，所述知识存储库用于存储知识，在该知识存储库中的知识最小存储单位为洞见，该洞见是指人类获取知识时通过顿悟所能获取的一个规律或者知识点；所述洞见存储时包括的知识内容有知识标题、相应知识的文字描述、图片、以及相应知识点的故事、相应知识的应用场景；
搜索引擎，所述搜索引擎用于用户搜索和查询需要的洞见，该搜索引擎可以自动将相应关键词转化为相应的知识点和洞见；
用户知识图谱数据库，其用以建立用户自己的不同知识点之间的关联关系；
前述洞见在存储时还存储有相应知识点之间的关联值、洞察级别和知识点的主题类型；
前述知识存储库可以根据用户浏览相应知识点时的次数记录出相应知识点的关联次数和级别，并根据关联次数的高低对相应洞见进行排序；当用户再次搜索涉及相应知识点的关键词时，搜索引擎可以根据相应洞见的关联度进行推送相关知识点。
[0005]一种智能学习的知识搜索方法包括以下步骤:
步骤Si，创建知识存储库，所述知识存储库用于存储知识，在该知识存储库中的知识最小存储单位为洞见，该洞见是指人类获取知识时通过顿悟所能获取的一个规律或者知识点；每个洞见以卡片的形式进行存储，所述洞见存储时包括的知识内容有知识标题、相应知识的文字描述、图片、以及相应知识点的故事、相应知识的应用场景，并给洞见卡片配置关联值、洞察级别、主体类型以及给每个洞见卡片进行编号；每个洞见卡片的关联值记录了与相应洞见卡片相关联的洞见编号与关联次数，通过被关联的次数来决定洞见卡片之间关联的强弱；
步骤S2，创建用户知识图谱数据库，建立用户自己的不同知识点之间的关联关系； 步骤S3，创建搜索引擎，在用户搜索知识点时，搜索引擎按照与被浏览的知识点的关联次数由高到低排序来推送最相关的知识点。
[0006]所述步骤S3中，当用户搜索知识点时，搜索引擎自动将被搜索的关键词转化为相应的洞见知识点，并返回该洞见知识点，同时根据与该洞见知识点关联次数的排序高低来推送相关的洞见知识点，首先推送关联次数高的洞见知识点。
[0007]本发明的有益效果为:
本发明将洞见作为知识的最小存储单位，所谓洞见是指获取知识时人类能够通过顿悟能够获取的一个规律或一个知识点，是知识组成的最小单位。洞见存储的标准格式为标题+文字描述+图片+故事+应用场景+应用模板。对于每一个洞见，记录其关联属性，用户建立自己的知识图谱，在自己的图谱上建立不同知识点之间的关联。系统记录不同知识点之间被关联的次数，通过被关联的次数拍寻来决定关联的强弱。在用户浏览或搜索知识点时，系统按照与被搜索或浏览的知识点的关联次数由高到低排序来推送最相关的知识点。
[0008]本发明能够给出用户关联性最强的知识网络，利用知识网络缩短用户在搜索知识时的时间，减少在搜索困难问题相关知识时的查询难度。
【附图说明】
[0009]图1为本发明的知识存储系统和搜索方法进行查询知识时的流程示意图。
【具体实施方式】
[0010]为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实例并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
[0011]一种智能学习的知识存储系统包括以下内容:
知识存储库，所述知识存储库用于存储知识，在该知识存储库中的知识最小存储单位为洞见，该洞见是指人类获取知识时通过顿悟所能获取的一个规律或者知识点；所述洞见存储时包括的知识内容有知识标题、相应知识的文字描述、图片、以及相应知识点的故事、相应知识的应用场景；
搜索引擎，所述搜索引擎用于用户搜索和查询需要的洞见，该搜索引擎可以自动将相应关键词转化为相应的知识点和洞见；
用户知识图谱数据库，其用以建立用户自己的不同知识点之间的关联关系；
前述洞见在存储时还存储有相应知识点之间的关联值、洞察级别和知识点的主题类型；
前述知识存储库可以根据用户浏览相应知识点时的次数记录出相应知识点的关联次数和级别，并根据关联次数的高低对相应洞见进行排序；当用户再次搜索涉及相应知识点的关键词时，搜索引擎可以根据相应洞见的关联度进行推送相关知识点。
[0012]如图1所示，一种智能学习的知识搜索方法包括以下步骤:
步骤Si，创建知识存储库，所述知识存储库用于存储知识，在该知识存储库中的知识最小存储单位为洞见，该洞见是指人类获取知识时通过顿悟所能获取的一个规律或者知识点；每个洞见以卡片的形式进行存储，所述洞见存储时包括的知识内容有知识标题、相应知识的文字描述、图片、以及相应知识点的故事、相应知识的应用场景，并给洞见卡片配置关联值、洞察级别、主体类型以及给每个洞见卡片进行编号；每个洞见卡片的关联值记录了与相应洞见卡片相关联的洞见编号与关联次数，通过被关联的次数来决定洞见卡片之间关联的强弱；
步骤S2，创建用户知识图谱数据库，建立用户自己的不同知识点之间的关联关系；
步骤S3，创建搜索引擎，在用户搜索知识点时，搜索引擎按照与被浏览的知识点的关联次数由高到低排序来推送最相关的知识点。
[0013]所述步骤S3中，当用户搜索知识点时，搜索引擎自动将被搜索的关键词转化为相应的洞见知识点，并返回该洞见知识点，同时根据与该洞见知识点关联次数的排序高低来推送相关的洞见知识点，首先推送关联次数高的洞见知识点。
[0014]其运行原理为:当用户需要搜索相应知识点时，首先输入关键词，系统自动匹配关键词，关键词与洞见卡数据库自动匹配，系统的搜索引擎返回关键词匹配的洞见卡(即相应知识点)，同时系统还可以依照与该返回关键词匹配的洞见卡的关联高低顺序返回相应关联洞见卡(即与关键词相关联的知识点)；进而这些返回结果更有利于搜索人的智能学习，方便其查询到想要的知识点。
[0015]应当理解的是，本发明的上述【具体实施方式】仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的思想和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改。
【主权项】
1.一种针对智能学习的知识存储算法，其特征在于，其包括以下内容: 知识存储库，所述知识存储库用于存储知识，在该知识存储库中的知识最小存储单位为洞见，该洞见是指人类获取知识时通过顿悟所能获取的一个规律或者知识点；所述洞见存储时包括的知识内容有知识标题、相应知识的文字描述、图片、以及相应知识点的故事、相应知识的应用场景； 搜索引擎，所述搜索引擎用于用户搜索和查询需要的洞见，该搜索引擎可以自动将相应关键词转化为相应的知识点和洞见； 用户知识图谱数据库，其用以建立用户自己的不同知识点之间的关联关系； 前述洞见在存储时还存储有相应知识点之间的关联值、洞察级别和知识点的主题类型； 前述知识存储库可以根据用户浏览相应知识点时的次数记录出相应知识点的关联次数和级别，并根据关联次数的高低对相应洞见进行排序；当用户再次搜索涉及相应知识点的关键词时，搜索引擎可以根据相应洞见的关联度进行推送相关知识点。
2.一种针对智能学习的知识搜索方法，其特征在于，其包括以下步骤: 步骤SI，创建知识存储库，所述知识存储库用于存储知识，在该知识存储库中的知识最小存储单位为洞见，该洞见是指人类获取知识时通过顿悟所能获取的一个规律或者知识点；每个洞见以卡片的形式进行存储，所述洞见存储时包括的知识内容有知识标题、相应知识的文字描述、图片、以及相应知识点的故事、相应知识的应用场景，并给洞见卡片配置关联值、洞察级别、主体类型以及给每个洞见卡片进行编号；每个洞见卡片的关联值记录了与相应洞见卡片相关联的洞见编号与关联次数，通过被关联的次数来决定洞见卡片之间关联的强弱； 步骤S2，创建用户知识图谱数据库，建立用户自己的不同知识点之间的关联关系； 步骤S3，创建搜索引擎，在用户搜索知识点时，搜索引擎按照与被浏览的知识点的关联次数由高到低排序来推送最相关的知识点。
3.根据权利要求2所述的一种智能学习的知识搜索方法，其特征在于，所述步骤S3中，当用户搜索知识点时，搜索引擎自动将被搜索的关键词转化为相应的洞见知识点，并返回该洞见知识点，同时根据与该洞见知识点关联次数的排序高低来推送相关的洞见知识点，首先推送关联次数高的洞见知识点。
【专利摘要】本发明公开一种针对智能学习的知识存储算法,其包括以下内容：知识存储库，所述知识存储库用于存储知识，在该知识存储库中的知识最小存储单位为洞见，该洞见是指人类获取知识时通过顿悟所能获取的一个规律或者知识点；所述洞见存储时包括的知识内容有知识标题、相应知识的文字描述、图片、以及相应知识点的故事、相应知识的应用场景；搜索引擎，所述搜索引擎用于用户搜索和查询需要的洞见，该搜索引擎可以自动将相应关键词转化为相应的知识点和洞见；用户知识图谱数据库，其用以建立用户自己的不同知识点之间的关联关系。本发明能够给出用户关联性最强的知识网络，利用知识网络缩短用户在搜索知识时的时间，减少在搜索困难问题相关知识时的查询难度。
【IPC分类】G06F17-30
【公开号】CN104765767
【申请号】CN201510092589
【发明人】柴国贤
【申请人】上海复勤商务咨询有限公司
【公开日】2015年7月8日
【申请日】2015年5月12日