(12)发明专利申请
(10)申请公布号 CN 111368182 A(43)申请公布日 2020.07.03
(21)申请号 202010097373.0(22)申请日 2020.02.17
(71)申请人 浙江创课网络科技有限公司
地址 310000 浙江省杭州市西湖区蒋村街
道双龙路239号西投创智中心2号楼2层203室(72)发明人 郑洪涛 江华清
(74)专利代理机构 北京冠和权律师事务所
11399
代理人 安琪(51)Int.Cl.
G06F 16/9535(2019.01)G06F 16/36(2019.01)G06Q 50/20(2012.01)
权利要求书4页 说明书9页 附图1页
CN 111368182 A(54)发明名称
基于教育平台大数据分析的个性化自适应学习推荐方法(57)摘要
本发明提供一种基于教育平台大数据分析的个性化自适应学习推荐方法，包括：步骤1：从教育平台大数据中获取学习者的历史学习记录数据；步骤2：基于知识点分类对历史学习记录数据进行解析，获取学习者的综合知识图谱；根据历史学习记录数据计算出学习者的学习效率；步骤3：对综合知识图谱进行分析，基于学习者的学习时间和学习效率制定学习计划；将学习计划推荐给学习者。本发明的基于教育平台大数据分析的个性化自适应学习推荐方法，基于教育平台大数据中大量的学习者的历史学习记录数据，分析处学习者的综合知识图谱，根据综合知识图谱为学习者推荐个性化自适应的学习计划。
CN 111368182 A
权 利 要 求 书
1/4页
1.一种基于教育平台大数据分析的个性化自适应学习推荐方法，其特征在于，包括：步骤1：从教育平台大数据中获取学习者的历史学习记录数据；步骤2：基于知识点分类对所述历史学习记录数据进行解析，获取所述学习者的综合知识图谱；根据所述历史学习记录数据计算出所述学习者的学习效率；
步骤3：对所述综合知识图谱进行分析，基于所述学习者的学习时间和所述学习效率制定学习计划；将所述学习计划推荐给所述学习者。
2.如权利要求1所述的基于教育平台大数据分析的个性化自适应学习推荐方法，其特征在于，还包括：
步骤4：接收所述学习者同意执行所述学习计划的指令；根据所述学习计划从所述教育平台大数据中获取相对应的学习素材，播放所述学习素材；
步骤5：当所述学习素材播放完毕后，将从所述教育平台大数据中获取对应所述学习素材的练习题集进行显示；
步骤6：获取所述学习者对所述练习题集的作答并判分，基于所述学习者对所述学习计划的学习时间、所述学习素材及所述判分分析出此次学习的学习效率及学习者的知识掌握程度评价；
步骤7：接收所述学习者对所述练习题集中练习题的错题分析并将所述错题分析发送到所述教育平台大数据；
步骤8：接收所述教育平台大数据对所述错题分析的确认并显示给所述学习者。3.如权利要求2所述的基于教育平台大数据分析的个性化自适应学习推荐方法，其特征在于，步骤8：接收所述教育平台大数据对所述错题分析的确认并显示给所述学习者，具体包括：
当所述学习者对所述练习题的错题分析为不清楚错误点时，直接从所述教育平台大数据中获取所述练习题的正确解析素材并播放；
当所述错题分析为正确时，输出解析正确；当所述错题分析为错误时，输出解析错误，并播放所述练习题的正确解析素材。4.如权利要求1所述的基于教育平台大数据分析的个性化自适应学习推荐方法，其特征在于，在播放所述学习素材时，接收所述学习者的控制指令，所述控制指令包括暂停、后退、快进、跳过中一种或多种结合。
5.如权利要求1所述的基于教育平台大数据分析的个性化自适应学习推荐方法，其特征在于，基于知识点分类对所述历史学习记录数据进行解析，获取所述学习者的综合知识图谱，具体包括：
获取综合知识图谱模板，将知识点分为基础知识点、综合知识点，并建立所述综合知识点与基础知识点的关联及关联度；
将所述历史学习记录数据按照知识点进行分类；计算各个基础知识点的掌握值；计算公式如下：
2
CN 111368182 A
权 利 要 求 书
2/4页
其中，Zi表示第i个基础知识点的掌握值；Ni0表示历史学习记录数据中第i个基础知识点的训练题数；Ni1表示历史学习记录数据中所述学习者对第i个基础知识点的训练题的正确数；N为第一预设值；Ni2表示历史学习记录数据中所述学习者对第i个基础知识点的最后N个的训练题的正确数；
基于所述综合知识点与基础知识点的关系度和各个基础知识点的掌握值，计算出各个综合知识点的掌握值；计算公式如下：
其中，Zj表示第j个综合知识点的掌握值；Aj0表示历史学习记录数据中第j个综合知识点的训练题数；Ai1表示历史学习记录数据中所述学习者对第j个综合知识点的训练题的正确数；A为第二预设值；Ai2表示历史学习记录数据中所述学习者对第j个综合知识点的最后A个的训练题的正确数；Zm表示与第j个综合知识点关联的第m个基础知识点的掌握值；a为预设修正权重；bm表示与第j个综合知识点关联的第m个基础知识点的关联的权重；
将计算的各个知识点的掌握值填入所述综合知识图谱模块；形成所述学习者的综合知识图谱。
6.如权利要求1所述的基于教育平台大数据分析的个性化自适应学习推荐方法，其特征在于，根据所述历史学习记录数据计算出所述学习者的学习效率，具体包括：
将知识点分为基础知识点、综合知识点，并建立所述综合知识点与基础知识点的关联及关联度；
基于各个基础知识点的标准学习时间与所述历史学习记录数据中所述学习者对于所述各个基础知识点的学习时间，计算各个基础知识点的掌握值；计算公式如下：
其中，Yi表示第i个基础知识点的学习效率；Ti0表示对于第i个基础知识点的标准学习时间；Ti1表示所述历史学习记录数据中所述学习者对于第i个基础知识点的学习时间；
基于各个综合知识点的标准学习时间和所述历史学习记录数据中所述学习者对于所述各个综合知识点的学习时间计算各个所述综合知识点的第一学习效率，基于所述综合知识点与基础知识点的关系度和各个基础知识点的学习效率对第一学习效率进行修正，计算出各个综合知识点的学习效率；计算公式如下：
其中，Yj表示第j个综合知识点的学习效率；Tj0表示对于第j个综合知识点的标准学习
3
CN 111368182 A
权 利 要 求 书
3/4页
时间；Tj1表示所述历史学习记录数据中所述学习者对于第j个综合知识点的学习时间；Ym表示与第j个综合知识点关联的第m个基础知识点的学习效率；d为预设学习效率修正权重；bm表示与第j个综合知识点关联的第m个基础知识点的关联权重；
基于所有的基础知识点的学习效率和所有的综合知识点的学习效率，计算所述学习者的学习效率，计算公式如下：
其中，Y表示学习者的学习效率；αYi表示第ii表示第i个基础知识点的学习效率的权重；个基础知识点的学习效率；βYj表示第j个基础知j表示第j个基础知识点的学习效率的权重；识点的学习效率。
7.如权利要求1所述的基于教育平台大数据分析的个性化自适应学习推荐方法，其特征在于，对所述综合知识图谱进行分析，基于学习时间和所述学习效率制定学习计划，具体包括：
将所述综合知识图谱与预先存储的标准知识图谱集进行比对，当所述综合知识图谱与其中一张标准知识图谱比对一致时，获取与所述标准知识图谱对应的新的知识点集合、需要复习的知识点集合、所述新的知识点集合和所述需要复习的知识点集合中的知识点所需的第一学习时间；
获取所述学习者输入的此次学习的时间为第二学习时间，比较所述第一学习时间和所述第二学习时间；
将时间值大于所述第二学习时间的时间值的所述第一学习时间对应的知识点从所述新的知识点集合或所述需要复习的知识点集合中删除，获得所述新的知识点集合作为第一知识点集合和所述需要复习的知识点集合作为第二知识点集合；所述第一知识点集合为各个第一知识点组成的集合；所述第二知识点集合为各个第二知识点组成的集合；
基于所述第一知识点集合和所述第二知识点集合；列举多个第一学习计划，所述第一学习计划包括至少一个所述第一知识点和至少一个第二知识点；
基于所述第一学习时间确认每个所述第一学习计划的第三学习时间，所述第三学习时间的计算公式为：
其中，t表示第三学习时间；t1i表示所述第一学习计划内第i个第一知识点的第一学习时间；t2j表示所述第一学习计划内第j个第二知识点的第一学习时间；t0为预设时间值作为所述第一计划中两个知识点的衔接时间；所述衔接时间为预设的两个知识点之间停顿时间；
筛选出时间值小于所述第二时间的时间值的第三时间并选取与所述第二时间差值最小的所述第一学习计划推荐给所述学习者。
8.如权利要求2所述的基于教育平台大数据分析的个性化自适应学习推荐方法，其特征在于，基于所述学习者对所述学习计划的学习时间、所述学习素材及所述练习题分析出此次学习的学习效率及学习者的知识掌握程度评价；具体包括：
基于所述学习者对所述学习计划的学习时间从预先存储的第一评分表中获取第一评
4
CN 111368182 A
权 利 要 求 书
4/4页
分；
基于所述学习素材从预先存储的第二评分表中获取第二评分；
基于所述练习题的分数以及类型从预先存储的第三评分表中获得第三评分；基于所述第一评分、所述第二评分和所述第三评分的分值之和从预先存储的知识掌握度表中获得所述学习者的知识掌握程度评价；
基于所述学习者对所述学习计划的学习时间、所述学习素材、所述练习题类型及分值从预先存储的学习效率评价表中获取此次学习的学习效率。
9.如权利要求3所述的基于教育平台大数据分析的个性化自适应学习推荐方法，其特征在于，对所述错题分析为错误的练习题进行收集，当经过预设时间或当达到预设数目时，整合为新的练习题集推荐给所述学习者进行练习。
10.如权利要求2所述的基于教育平台大数据分析的个性化自适应学习推荐方法，其特征在于，还包括：
步骤9：当所述学习者的综合知识图谱达到预设存储的完美学习的综合知识图谱时，统计所述学习者对于各个知识点的练习题的错题次数，提取预设错题次数的练习题整合成新的练习题集推荐给所述学习者进行练习。
5
CN 111368182 A
说 明 书
1/9页
基于教育平台大数据分析的个性化自适应学习推荐方法
技术领域
[0001]本发明涉及推荐方法技术领域，特别涉及一种基于教育平台大数据分析的个性化自适应学习推荐方法。
背景技术
[0002]目前，大数据是对大量数据进行挖掘分析从中找出规律以及解决方案的一门技术。
[0003]随着大数据技术的逐渐开发，应用在教育领域的教育平台大数据也日益完成，最终需要达到每个学生从上学以来的一切数据都存在教育平台大数据中，随着对于教育平台大数据的挖掘，，但是关于学习者的在线学习个性化推荐的研究工作仍不够充分。目前的学习效果评估方法都是进行简单等级划分，亟需对每个学生进行知识图谱建立，为每个学生(学习者)提供个性化的学习计划推荐。
发明内容
[0004]本发明目的之一在于提供了一种基于教育平台大数据分析的个性化自适应学习推荐方法，基于教育平台大数据中大量的学习者的历史学习记录数据，分析处学习者的综合知识图谱，根据综合知识图谱为学习者推荐个性化自适应的学习计划。
[0005]本发明实施例提供的一种基于教育平台大数据分析的个性化自适应学习推荐方法，包括：
[0006]步骤1：从教育平台大数据中获取学习者的历史学习记录数据；[0007]步骤2：基于知识点分类对历史学习记录数据进行解析，获取学习者的综合知识图谱；根据历史学习记录数据计算出学习者的学习效率；[0008]步骤3：对综合知识图谱进行分析，基于学习者的学习时间和学习效率制定学习计划；将学习计划推荐给学习者。[0009]优选的，基于教育平台大数据分析的个性化自适应学习推荐方法还包括：[0010]步骤4：接收学习者同意执行学习计划的指令；根据学习计划从教育平台大数据中获取相对应的学习素材，播放学习素材；[0011]步骤5：当学习素材播放完毕后，将从教育平台大数据中获取对应学习素材的练习题集进行显示；[0012]步骤6：获取学习者对练习题集的作答并判分，基于学习者对学习计划的学习时间、学习素材及判分分析出此次学习的学习效率及学习者的知识掌握程度评价；[0013]步骤7：接收学习者对练习题集中练习题的错题分析并将错题分析发送到教育平台大数据。
[0014]步骤8：接收教育平台大数据对错题分析的确认并显示给学习者。[0015]优选的，步骤8：接收教育平台大数据对错题分析的确认并显示给学习者，具体包括：
6
CN 111368182 A[0016]
说 明 书
2/9页
当学习者对练习题的错题分析为不清楚错误点时，直接从教育平台大数据中获取
练习题的正确解析素材并播放；[0017]当错题分析为正确时，输出解析正确；[0018]当错题分析为错误时，输出解析错误，并播放练习题的正确解析素材。[0019]优选的，在播放学习素材时，接收学习者的控制指令，控制指令包括暂停、后退、快进、跳过中一种或多种结合。[0020]优选的，基于知识点分类对历史学习记录数据进行解析，获取学习者的综合知识图谱，具体包括：
[0021]获取综合知识图谱模板，[0022]将知识点分为基础知识点、综合知识点，并建立综合知识点与基础知识点的关联及关联度；
[0023]将历史学习记录数据按照知识点进行分类；计算各个基础知识点的掌握值；计算公式如下：
[0024]
其中，Zi表示第i个基础知识点的掌握值；Ni0表示历史学习记录数据中第i个基础
知识点的训练题数；Ni1表示历史学习记录数据中学习者对第i个基础知识点的训练题的正确数；N为第一预设值；Ni2表示历史学习记录数据中学习者对第i个基础知识点的最后N个的训练题的正确数；
[0026]基于综合知识点与基础知识点的关系度和各个基础知识点的掌握值，计算出各个综合知识点的掌握值；计算公式如下：
[0025]
[0027]
[0028]
其中，Zj表示第j个综合知识点的掌握值；Aj0表示历史学习记录数据中第j个综合知识点的训练题数；Ai1表示历史学习记录数据中学习者对第j个综合知识点的训练题的正确数；A为第二预设值；Ai2表示历史学习记录数据中学习者对第j个综合知识点的最后A个的训练题的正确数；Zm表示与第j个综合知识点关联的第m个基础知识点的掌握值；a为预设修正权重；bm表示与第j个综合知识点关联的第m个基础知识点的关联的权重；[0029]将计算的各个知识点的掌握值填入综合知识图谱模块；形成学习者的综合知识图谱。
[0030]优选的，根据历史学习记录数据计算出学习者的学习效率，具体包括：[0031]将知识点分为基础知识点、综合知识点，并建立综合知识点与基础知识点的关联及关联度；
[0032]基于各个基础知识点的标准学习时间与历史学习记录数据中学习者对于各个基
7
CN 111368182 A
说 明 书
3/9页
础知识点的学习时间，计算各个基础知识点的掌握值；计算公式如下：
[0033]
其中，Yi表示第i个基础知识点的学习效率；Ti0表示对于第i个基础知识点的标准学习时间；Ti1表示历史学习记录数据中学习者对于第i个基础知识点的学习时间；
[0035]基于各个综合知识点的标准学习时间和历史学习记录数据中学习者对于各个综合知识点的学习时间计算各个综合知识点的第一学习效率，基于综合知识点与基础知识点的关系度和各个基础知识点的学习效率对第一学习效率进行修正，计算出各个综合知识点的学习效率；计算公式如下：
[0034][0036]
其中，Yj表示第j个综合知识点的学习效率；Tj0表示对于第j个综合知识点的标准学习时间；Tj1表示历史学习记录数据中学习者对于第j个综合知识点的学习时间；Ym表示与第j个综合知识点关联的第m个基础知识点的学习效率；d为预设学习效率修正权重；bm表示与第j个综合知识点关联的第m个基础知识点的关联权重；
[0038]基于所有的基础知识点的学习效率和所有的综合知识点的学习效率，计算学习者的学习效率，计算公式如下：
[0039]
[0037]
其中，Y表示学习者的学习效率；αYi表i表示第i个基础知识点的学习效率的权重；示第i个基础知识点的学习效率；βYj表示第j个j表示第j个基础知识点的学习效率的权重；基础知识点的学习效率。[0041]优选的，对综合知识图谱进行分析，基于学习时间和学习效率制定学习计划，具体包括：
[0042]将综合知识图谱与预先存储的标准知识图谱集进行比对，当综合知识图谱与其中一张标准知识图谱比对一致时，获取与所述标准知识图谱对应的新的知识点集合、需要复习的知识点集合、学习新的知识点集合和需要复习的知识点集合中的知识点所需的第一学习时间；
[0043]获取学习者输入的此次学习的时间为第二学习时间，比较第一学习时间和第二学习时间；
[0044]将时间值大于所述第二学习时间的时间值的所述第一学习时间对应的知识点从所述新的知识点集合或所述需要复习的知识点集合中删除，获得所述新的知识点集合作为第一知识点集合和所述需要复习的知识点集合作为第二知识点集合；所述第一知识点集合为各个第一知识点组成的集合；所述第二知识点集合为各个第二知识点组成的集合；[0045]基于第一知识点集合和第二知识点集合；列举多个第一学习计划，第一学习计划包括至少一个第一知识点和至少一个第二知识点；
[0046]基于第一学习时间确认每个第一学习计划的第三学习时间，第三学习时间的计算公式为：
[0040]
8
CN 111368182 A[0047]
说 明 书
4/9页
其中，t表示第三学习时间；t1i表示第一学习计划内第i个第一知识点的第一学习
时间；t2j表示第一学习计划内第j个第二知识点的第一学习时间；t0为预设时间值作为第一计划中两个知识点的衔接时间；所述衔接时间为预设的两个知识点之间停顿时间；
[0049]筛选出时间值小于所述第二时间的时间值的第三时间并选取与所述第二时间差值最小的第一学习计划推荐给学习者。[0050]优选的，基于学习者对学习计划的学习时间、学习素材及练习题分析出此次学习的学习效率及学习者的知识掌握程度评价；具体包括：
[0051]基于学习者对学习计划的学习时间从预先存储的第一评分表中获取第一评分；[0052]基于学习素材从预先存储的第二评分表中获取第二评分；
[0053]基于练习题的分数以及类型从预先存储的第三评分表中获得第三评分；[0054]基于第一评分、第二评分和第三评分的分值之和从预先存储的知识掌握度表中获得学习者的知识掌握程度评价；
[0055]基于学习者对学习计划的学习时间、学习素材、练习题类型及分值从预先存储的学习效率评价表中获取此次学习的学习效率。[0056]优选的，对错题分析为错误的练习题进行收集，当经过预设时间或当达到预设数目时，整合为新的练习题集推荐给学习者进行练习。
[0057]优选的基于教育平台大数据分析的个性化自适应学习推荐方法还包括：[0058]步骤9：当学习者的综合知识图谱达到预设存储的完美学习的综合知识图谱时，统计学习者对于各个知识点的练习题的错题次数，提取预设错题次数的练习题整合成新的练习题集推荐给学习者进行练习。
[0059]本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。[0060]下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
[0048]
附图说明
[0061]附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
[0062]图1为本发明实施例中一种基于教育平台大数据分析的个性化自适应学习推荐方法的示意图。
具体实施方式
[0063]以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
[0064]本发明实施例提供了一种基于教育平台大数据分析的个性化自适应学习推荐方法，如图1所示，包括：[0065]步骤1：从教育平台大数据中获取学习者的历史学习记录数据；
9
CN 111368182 A[0066]
说 明 书
5/9页
步骤2：基于知识点分类对历史学习记录数据进行解析，获取学习者的综合知识图
谱；根据历史学习记录数据计算出学习者的学习效率；[0067]步骤3：对综合知识图谱进行分析，基于学习者的学习时间和学习效率制定学习计划；将学习计划推荐给学习者。
[0068]上述技术方案的工作原理及有益效果为：
[0069]从教育平台大数据中获取学习者的历史学习记录数据；基于知识点分类对历史学习记录数据进行解析，知识点主要分为基础知识点和综合知识点，其中综合知识点为各个基础知识点的有机结合，获取学习者的综合知识图谱；综合知识图谱主要显示学习者现在掌握的知识点情况；根据历史学习记录数据计算出学习者的学习效率；对综合知识图谱进行分析，基于学习者的学习时间和学习效率制定学习计划；将学习计划推荐给学习者。其中，教育大数据包括存储有适应各个学生学习段的学习资料、由学生端上传的各个学生的学习偏向、由教师端上传的各个教师的授课特点、各个学生的历史学习记录数据(主要是答题的判分和学习视频)、针对各种知识图谱对应的学习资料等大数据数据。综合知识图谱是细化到各个知识点对学生的知识体系进行描述的图谱，从图谱中可以直接看出学生未学习的知识点和对已经学习的知识点的掌握程度；学习效率主要体现了学生接收新知识点的时间。
[0070]本发明的基于教育平台大数据分析的个性化自适应学习推荐方法，基于教育平台大数据中大量的学习者的历史学习记录数据，分析处学习者的综合知识图谱，根据综合知识图谱为学习者推荐个性化自适应的学习计划。[0071]在一个实施例中，基于教育平台大数据分析的个性化自适应学习推荐方法还包括：
[0072]步骤4：接收学习者同意执行学习计划的指令；根据学习计划从教育平台大数据中获取相对应的学习素材，播放学习素材；[0073]步骤5：当学习素材播放完毕后，将从教育平台大数据中获取对应学习素材的练习题集进行显示；[0074]步骤6：获取学习者对练习题集的作答并判分，基于学习者对学习计划的学习时间、学习素材及判分分析出此次学习的学习效率及学习者的知识掌握程度评价；[0075]步骤7：接收学习者对练习题集中练习题的错题分析并将错题分析发送到教育平台大数据。
[0076]步骤8：接收教育平台大数据对错题分析的确认并显示给学习者。[0077]上述技术方案的工作原理及有益效果为：
[0078]基于学习计划从教育平台大数据中获取相对应的学习素材，播放学习素材；学习素材包括讲解视频、PPT、书籍等；在进行练习题集的练习后，让学习者对自己的错题进行错题分析，可以使学习者进行一个反思的过程；这样有助于学习者掌握知识点内容。[0079]为了使学习者更好掌握学习素材包含的知识点，在一个实施例中，步骤8：接收教育平台大数据对错题分析的确认并显示给学习者，具体包括：[0080]当学习者对练习题的错题分析为不清楚错误点时，直接从教育平台大数据中获取练习题的正确解析素材并播放；[0081]当错题分析为正确时，输出解析正确；
10
CN 111368182 A[0082]
说 明 书
6/9页
当错题分析为错误时，输出解析错误，并播放练习题的正确解析素材。
[0083]为了方便学习者对学习素材的自主控制，在一个实施例中，在播放学习素材时，接收学习者的控制指令，控制指令包括暂停、后退、快进、跳过中一种或多种结合。[0084]当学习者觉得学习素材播放的知识点自己已掌握，可以快进；当学习者觉得学习素材还未听明白，可以后退后重新播放；当学习者有其他事情需要中断学习时，可以暂停；控制指令的节点为学习素材中知识点与知识点的分界点。即快进为从当前知识点转到下一个知识点开始；后退为从当前知识点转到上一个知识点开始；暂停为停止在两个知识点之间的时间点上。
[0085]在一个实施例中，基于知识点分类对历史学习记录数据进行解析，获取学习者的综合知识图谱，具体包括：
[0086]获取综合知识图谱模板，[0087]将知识点分为基础知识点、综合知识点，并建立综合知识点与基础知识点的关联及关联度；
[0088]将历史学习记录数据按照知识点进行分类；计算各个基础知识点的掌握值；计算公式如下：
[0089]
其中，Zi表示第i个基础知识点的掌握值；Ni0表示历史学习记录数据中第i个基础
知识点的训练题数；Ni1表示历史学习记录数据中学习者对第i个基础知识点的训练题的正确数；N为第一预设值；Ni2表示历史学习记录数据中学习者对第i个基础知识点的最后N个的训练题的正确数；
[0091]基于综合知识点与基础知识点的关系度和各个基础知识点的掌握值，计算出各个综合知识点的掌握值；计算公式如下：
[0090]
[0092]
[0093]
其中，Zj表示第j个综合知识点的掌握值；Aj0表示历史学习记录数据中第j个综合知识点的训练题数；Ai1表示历史学习记录数据中学习者对第j个综合知识点的训练题的正确数；A为第二预设值；Ai2表示历史学习记录数据中学习者对第j个综合知识点的最后A个的训练题的正确数；Zm表示与第j个综合知识点关联的第m个基础知识点的掌握值；a为预设修正权重；bm表示与第j个综合知识点关联的第m个基础知识点的关联的权重；[0094]将计算的各个知识点的掌握值填入综合知识图谱模块；形成学习者的综合知识图谱。
[0095]上述技术方案的工作原理及有益效果为：[0096]通过基础知识点和综合知识点的分类分析，能更好建立学习者的综合知识图谱，
11
CN 111368182 A
说 明 书
7/9页
便于制定出适应的学习计划。[0097]在一个实施例中，根据历史学习记录数据计算出学习者的学习效率，具体包括：[0098]将知识点分为基础知识点、综合知识点，并建立综合知识点与基础知识点的关联及关联度；
[0099]基于各个基础知识点的标准学习时间与历史学习记录数据中学习者对于各个基础知识点的学习时间，计算各个基础知识点的掌握值；计算公式如下：
[0100]
其中，Yi表示第i个基础知识点的学习效率；Ti0表示对于第i个基础知识点的标准学习时间；Ti1表示历史学习记录数据中学习者对于第i个基础知识点的学习时间；
[0102]基于各个综合知识点的标准学习时间和历史学习记录数据中学习者对于各个综合知识点的学习时间计算各个综合知识点的第一学习效率，基于综合知识点与基础知识点的关系度和各个基础知识点的学习效率对第一学习效率进行修正，计算出各个综合知识点的学习效率；计算公式如下：
[0103]
[0101]
其中，Yj表示第j个综合知识点的学习效率；Tj0表示对于第j个综合知识点的标准学习时间；Tj1表示历史学习记录数据中学习者对于第j个综合知识点的学习时间；Ym表示与第j个综合知识点关联的第m个基础知识点的学习效率；d为预设学习效率修正权重；bm表示与第j个综合知识点关联的第m个基础知识点的关联权重；
[0105]基于所有的基础知识点的学习效率和所有的综合知识点的学习效率，计算学习者的学习效率，计算公式如下：
[0106]
[0104]
其中，Y表示学习者的学习效率；αYi表i表示第i个基础知识点的学习效率的权重；示第i个基础知识点的学习效率；βYj表示第j个j表示第j个基础知识点的学习效率的权重；基础知识点的学习效率。
[0108]上述技术方案的工作原理及有益效果为：[0109]通过普通知识点和综合知识点的分类处理，更能准确确定学习者的学习效率，便于制定出适应的学习计划。[0110]在一个实施例中，对综合知识图谱进行分析，基于学习者学习时间和学习效率制定学习计划，具体包括：
[0111]将综合知识图谱与预先存储的标准知识图谱集进行比对，当综合知识图谱与其中一张标准知识图谱比对一致时，获取与所述标准知识图谱对应的新的知识点集合、需要复习的知识点集合、学习新的知识点集合和需要复习的知识点集合中的知识点所需的第一学习时间；
[0112]获取学习者输入的此次学习的时间为第二学习时间，比较第一学习时间和第二学习时间；
[0107]
12
CN 111368182 A[0113]
说 明 书
8/9页
将时间值大于所述第二学习时间的时间值的所述第一学习时间对应的知识点从
所述新的知识点集合或所述需要复习的知识点集合中删除，获得所述新的知识点集合作为第一知识点集合和所述需要复习的知识点集合作为第二知识点集合；所述第一知识点集合为各个第一知识点组成的集合；所述第二知识点集合为各个第二知识点组成的集合；[0114]基于第一知识点集合和第二知识点集合；列举多个第一学习计划，第一学习计划包括至少一个第一知识点和至少一个第二知识点；
[0115]基于第一学习时间确认每个第一学习计划的第三学习时间，第三学习时间的计算公式为：
[0116]
其中，t表示第三学习时间；t1i表示第一学习计划内第i个第一知识点的第一学习
时间；t2j表示第一学习计划内第j个第二知识点的第一学习时间；t0为预设时间值作为第一计划中两个知识点的衔接时间；
[0118]衔接时间为预设的两个知识点之间停顿时间；
[0119]筛选出时间值小于所述第二时间的时间值的第三时间并选取与所述第二时间差值最小的第一学习计划推荐给学习者。
[0120]上述技术方案的工作原理及有益效果为：[0121]基于学习者的学习时间，对综合知识图谱进行分析，从而制定个性化自适应的学习计划。
[0122]为了使学习者了解此次学习的效果并为后续学习计划制定提供数据基础；在一个实施例中，基于学习者对学习计划的学习时间、学习素材及练习题分析出此次学习的学习效率及学习者的知识掌握程度评价；具体包括：
[0123]基于学习者对学习计划的学习时间从预先存储的第一评分表中获取第一评分；[0124]基于学习素材从预先存储的第二评分表中获取第二评分；
[0125]基于练习题的分数以及类型从预先存储的第三评分表中获得第三评分；[0126]基于第一评分、第二评分和第三评分的分值之和从预先存储的知识掌握度表中获得学习者的知识掌握程度评价；
[0127]基于学习者对学习计划的学习时间、学习素材、练习题类型及分值从预先存储的学习效率评价表中获取此次学习的学习效率。[0128]在一个实施例中，对错题分析为错误的练习题进行收集，当经过预设时间或当达到预设数目时，整合为新的练习题集推荐给学习者进行练习。[0129]上述技术方案的工作原理及有益效果为：
[0130]对于错题分析为错误的练习题为学习者建立完善的综合知识图谱障碍，需要重新练习并让学习者掌握。
[0131]为了进一步巩固学习者的知识；在一个实施例中基于教育平台大数据分析的个性化自适应学习推荐方法还包括：[0132]步骤9：当学习者的综合知识图谱达到预设存储的完美学习的综合知识图谱时，统计学习者对于各个知识点的练习题的错题次数，提取预设错题次数的练习题整合成新的练习题集推荐给学习者进行练习。
13
[0117]
CN 111368182 A[0133]
说 明 书
9/9页
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精
神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
14
CN 111368182 A
说 明 书 附 图
1/1页
图1
15
因篇幅问题不能全部显示，请点此查看更多更全内容