[发明专利]基于有向超图的个性化学习路径的抽取与拼接方法及系统

权利要求书

1.一种基于有向超图的个性化学习路径的抽取与拼接方法，其特征在于：具体包括以下步骤：

步骤1，根据知识元之间的关系，利用有向超图建立相关知识图谱；步骤1中，根据知识元之间的逻辑关系及有向超图的性质，采用有向超图对相关知识进行建模；根据分析问题的需要，并借鉴课堂教学中知识元的表述，根据知识元间的聚集程度，在进行知识建模时，加入知识单元描述，它既能用来描述课程，也能用来描述学科领域，用包含不同节点和边的不同超边来描述这种聚集性，并把这个模型称为基于有向超图的知识图谱；

步骤2，基于相关知识图谱，根据学习者知识目标和知识背景创建个性化的知识图谱；步骤2中，在基于有向超图的知识图谱的基础上，加上学习者描述，主要描述目标知识元和背景知识元，分别用包含不同节点的超边来描述学习者的知识目标和知识背景，这样就得到了用于个性化优化的知识图谱，简称个性化知识图谱，形式化描述为：

个性化知识图谱.PKHM＝(KV,KE),KV＝(KGV，KUV)，KE＝(UKE，IE，BE，BKE，OKE，ODKE)，KUV＝(BKV，KOV)，其中，PKHM为知识模型,KV为超图模型中的节点，表示模型中的知识元；KE为超图模型中的边，KGV为图形中的一般知识元，KUV为用来描述学习者的知识元，BKV为背景知识元，KOV为目标知识元；UKE表示知识单元，是课程或领域，内部包含的节点为知识单元包含的知识元；IE表示课程内部知识元之间的依赖关系，超边表示逻辑“AND”，不同的边描述逻辑“XOR”；BE表示不同知识单元之间的知识元之间的依赖关系；BKE表示学习者的背景知识，内部包含学习者的背景知识元；OKE为目标集，内部包含不同的知识目标；ODKE为不同的知识目标，内部包含不同的目标知识元；

目标集：学习者的学习目标由一个或多个知识元集构成，每个集合包含一组知识元，并且知识元之间的关系满足集合的特点，表示完成一项任务目标需要的知识元；不同的集合之间可能存在交集，表示完成不同的任务目标可能需要相同的知识元，如果一个知识元属于多个集合的交集，则说明这个知识元出现的频率较高；

步骤3，基于个性化知识图谱，以目标集为起点，采用逆向搜索的方式来进行可达路径的抽取和拼接；

步骤4，根据模型的语义进行学习路径的优选；步骤4中，学习是一个知识积累的过程，已获得的知识是进一步学习的基础，因此，在进行学习过程优化时，既要考虑当前的学习效果，又要考虑到后续的学习情况；

对于给定两个等效路径片段，在进行路径片段选择时，根据模型的语义以及学习过程本身的特点，在相应的个性化知识图谱上选择节点数少、并且出现频率高的路径片段，可形式化描述为：

等效路径片段选择规则：对于给定的个性化有向超图，假设有k个目标节点，Obj₁，Obj₂，…，Obj_k，且出现的频率分别为ns₁，ns₂,…,ns_k，两个等效路径P₁和P₂，包含的节点分别为P₁＝{kv₁₁,kv₁₂,……,kv_1m}，P₂＝{kv₂₁,kv₂₂,……,kv_2n}，m，n分别为这两个等效路径的节点数，如果则选择路径P₂，其中，w_1i表示目标节点对应的路径是否通过P₁的kv_1i，当不通过P₁时，w_1i＝0；当通过P₁时，w_1i＝1；w_2j表示目标节点对应的路径是否通过P₂的kv_2j，当不通过P₂时，w_2j＝0；当通过P₂时，w_2j＝1；

步骤5，监测学习目标及知识背景，如果学习目标发生变化，则进行新路径集与原路径集相关性判断，并进行相应处理；如果相关知识背景发生变化，则根据原知识路径的执行情况进行处理；步骤5中，当学习目标发生变化时，以新目标为起点，根据步骤3进行逆向搜索，获得所有可能的路径集；之后判断新的路径集与原路径是否存在交集；如果不存在交集，则根据步骤4对新的可能的路径集进行路径的优选，并以新的路径作为学习内容及学习路径的依据；如果存在交集，则要根据原路径的执行情况进行处理，如果交集的某些部分在原路径中已执行，则在新的路径集中作为背景知识处理；之后，对处理后的可能路径集依据步骤4进行路径的优选；如果交集部分在原路径中未执行，则原路径对新路径无影响，对新路径依据步骤4进行优选；

当相关知识背景发生变化时，重复步骤2，构建面向新知识背景的知识图谱，并根据原路径的执行情况进行处理；如果与改变相关的知识元已执行完，则改变的知识背景对知识路径无影响；如果与改变相关地知识元未执行，则重复步骤3与步骤4，构建新的知识路径。