[发明专利]一种学习评估方法及装置

说明书

本申请实施例提供一种及人工智能技术领域，涉及一种学习评估方法及装置。通过学习能力评估模型来确定学习能力评估结果，学习能力评估模型的训练方法中的训练包括：获得训练样本以及上一次迭代训练后更新得到的模型参数，得到知识图谱中各个知识点的学习能力预测结果并通过输出层输出；分别根据每个子模型对应的目标知识点信息、样本题目的答题结果以及上一级子模型针对目标知识点信息、目标知识点在知识图谱中的关联知识点的先验答题结果以及上一级子模型针对关联知识点的预测答题结果确定总体损失函数值，根据总体损失函数值更新各个子模型的模型参数。更加准确的预测的学习能力评估结果。

技术领域

本发明实施例涉及人工智能技术领域，尤其涉及一种学习评估方法及装置。

背景技术

随着信息技术的发展，教育系统越来越趋向于智能化，智能化的教育系统能够对线上或者线下的用户进行个性化辅导，并制定个性化学习路径。

现有技术中，通常是通过收集分析用户的设定时间段内的学习信息，并对设定时间段内的学习信息进行人工方式分析，对用户进行学习路径引导。

但是若存在大规模用户学习信息时，则不能从大规模学生学习信息中挖掘出用户的学习能力，因而无法根据不同用户的学习能力制定符合自身学习情况的个人学习路径。

申请内容

本申请实施例提供一种学习评估方法及装置，用以在确定目标用户学习能力的过程中，加入了各知识点之间的相关性特征，在学习评估性能上有了较大提升，从而能够从大规模学习信息中挖掘出学习用户的学习能力，进一步规划每个学习用户的个人学习路径。

一方面，本申请实施例提供一种学习评估方法，方法包括：

获取目标用户的待评估数据，待评估数据中包括多个答题信息，每个答题信息中包括答题知识点以及答题结果，所有答题知识点属于同一知识图谱；

通过学习能力评估模型以及待评估数据确定目标用户的学习能力评估结果，学习能力评估结果为目标用户针对知识图谱中所有知识点的预测答题结果，其中学习能力评估模型包括输入层和输出层，以及位于输入层和输出层之间的多个串联连接的子模型，每个子模型的模型参数相同，模型参数是经过多次迭代训练获得的，其中每次迭代训练包括：

获得训练样本以及上一次迭代训练后更新得到的模型参数，训练样本中包括由n个样本题目信息按照答题顺序排列组成的样本题目信息序列，每个样本题目信息包括样本题目在知识图谱中对应的目标知识点信息以及样本题目的答题结果，n个样本题目对应的所有目标知识点属于同一属性类别的知识图谱，其中n大于等于1；

通过输入层，分别将n个样本题目信息按照答题顺序输入各子模型中，每个子模型分别根据各自的样本题目信息和上一级子模型传递的前n-1个样本题目的参考信息，得到知识图谱中各个知识点的学习能力预测结果并通过输出层输出；以及将该子模型基于对应的样本题目信息和上一级子模型传递的前n-1个样本题目的参考信息确定的前n个样本题目的参考信息传递给下一级子模型；

分别根据每个子模型对应的目标知识点信息、样本题目的答题结果以及上一级子模型针对目标知识点信息的预测答题结果确定第一损失函数值，根据目标知识点在知识图谱中的关联知识点的先验答题结果以及上一级子模型针对关联知识点的预测答题结果确定第二损失函数值；

根据第一损失函数值以及第二损失函数值，获得本次迭代训练过程的总体损失函数值，根据总体损失函数值更新各个子模型的模型参数。

一方面，本申请实施例还提供一种学习评估装置，包括：

获取单元，用于获取目标用户的待评估数据，所述待评估数据中包括多个答题信息，每个答题信息中包括答题知识点以及答题结果，所有答题知识点属于同一知识图谱；