[发明专利]基于场景认知计算的在线学习者动态模型预测方法

说明书

本发明公开了一种基于场景认知计算的在线学习者动态模型预测方法，通过对动态场景携带的信息进行可计算表示，得到动态场景的可计算表示数据，根据可计算表示数据快速提取动态场景中稀疏数据的重要特征，采用自注意力模型建模动态情境下多维度的认知预期水平与目标期望的关系问题，以获取所述动态场景的多种映射器，根据所述重要特征和所述多种映射器确定所述动态场景的认知预期量化预测，对所述认知预期量化预测的多个方面进行综合，以建立整体性预测模型，将图卷积神经网络技术运用到整体性预测模型，得到动态学习者认知可预测模型，采用所述动态学习者认知可预测模型预测待预测的动态场景，以实现对待预测的动态场景的预测。

技术领域

本发明涉及在线学习的个性化知识服务智能供给的认知技术领域，尤其涉及一种基于场景认知计算的在线学习者动态模型预测方法。

背景技术

面向大数据环境的个性化知识服务，其核心是学习者模型。学习者动态建模是对真实学习者认知过程的抽象表示,它的一个重要趋势是其应用场景的多样化。将数据结合具体的场景应用，可以进一步探索学习者与其行为之间的关系，识别出可提升的关键认知特征。基于场景认知分析，实现数据派生的场景可计算认知意义的度量,选择合适的在线学习情境与学习者真正建立起关联，实现场景认知可计算的在线学习者动态模型预测对于个性化知识服务智能供给至关重要。

综合分析国内外研究和技术现状，在大数据环境下，在线学习者动态模型预测技术方面还存在两个主要问题：

1)面向大数据环境，在线学习者的动态模型，更多的应该考虑在特定情境下的认知的局部的形式化，需要建立在动态场景进化情境下，预测方法能够可靠合理解释和评价学习者动态模型的进化来模拟学习者的各种学习认知行为现象。

2)对大数据映射的空间中，学习者动态模型进化过程，涉及在多维的视角对模型间动态情境及各认知要素建立确定的、可测的对应关系，需要通过可计算的技术，对学习者动态模型进化过程所体现的各要素进行表征，对多维关联之间的影响进行量化可计算。

因此，研究如何以动态场景认知可计算的方式进行学习者动态模型的预测来支持智能个性化知识服务，并且描述和解释在此过程中学习者认知行为和过程，是目前亟待解决的课题。

发明内容

针对以上问题，本发明提出一种基于场景认知计算的在线学习者动态模型预测方法。

为实现本发明的目的，提供一种基于场景认知计算的在线学习者动态模型预测方法，包括如下步骤：

S10，基于在线学习关联的大数据空间，对动态场景携带的信息进行可计算表示，得到所述动态场景的可计算表示数据；

S20，根据所述可计算表示数据快速提取所述动态场景中稀疏数据的重要特征，采用自注意力模型建模动态情境下多维度的认知预期水平与目标期望的关系问题，以获取所述动态场景的多种映射器，根据所述重要特征和所述多种映射器确定所述动态场景的认知预期量化预测；

S30，对所述认知预期量化预测的多个方面进行综合，以建立整体性预测模型，将图卷积神经网络技术运用到整体性预测模型，得到动态学习者认知可预测模型，采用所述动态学习者认知可预测模型预测待预测的动态场景。

在一个实施例中，所述基于在线学习关联的大数据空间，对动态场景携带的信息进行可计算表示，得到所述动态场景的可计算表示数据包括：

基于在线学习关联的大数据空间，采用主题模型的网络局部动态性感知策略，融合动态主题模型和网络结构分析的动态情境提取方法，在动态场景的每个基于主题的子网络中，进行动态概率主题模型分析，以将基于场景认知的特征结点语义功能映射到主题空间，对映射到主题空间的信息进行计算表示，得到所述动态场景的可计算表示数据。

作为一个实施例，所述融合动态主题模型和网络结构分析的动态情境提取方法包括：