[发明专利]一种基于基础教育知识图谱个性化语义推荐方法

说明书

本发明涉及教学领域，具体为一种基于基础教育知识图谱个性化语义推荐方法，先构建初中数学知识图谱，然后依据映射信息的类型及其关系权重，应用word2vec对映射前后的知识点形成语义三元组；再通过OWL工具将语义三元组写成owl文件，利用jena实现owl文件在java中的解析，并形成推理规则，将根据推理规则推理后的数据集持久化存储到数据库中；再将存储到数据库中的数据集载入卷积神经网络模型中进行训练并调优；再对用户输入的知识点数据进行语义相似度计算并排序；并按照语义相似度列表将对应的排序高的数据集所映射的知识点推荐给用户。本发明分析用户的知识点搜索、用户对知识点的学习偏好以及掌握程度来进行个性化推送，实现针对性辅导，教学效果更好。

技术领域

本发明涉及教学领域，具体为一种基于基础教育知识图谱个性化语义推荐方法。

背景技术

推荐是一种把用户相关检索内容、推荐并展现给用户的过程，利于用户主动获取到相关信息。因此，推荐就是连接用户和信息之间桥梁，其应用节省了用户的时间并提高了搜索效率，为用户创造了价值。

近年来，推荐被广泛的应用于互联网的方方面面，如淘宝、今日头条、抖音等生活应用，但是目前在教育行业，推荐的应用还比较少，主要存在以下难点：1)教育领域的具体专业下，由于课程的不同，其知识、知识体系结构与知识关系也不尽相同，知识概念在不同的课程中采样相同或相似的词汇表达，同样的概念在不同课程之间又可能存在不同的表达含义，从而使知识表达变得复杂；2)不同课程在描述知识的深度与知识属性上有所不同，相同概念从不同属性上看其知识表示也存在很大不同；3)教育领域涉及的范围广，涉及到多学科性问题，个人不能完全掌握学科的概念体系，对于相关概念的理解、相关属性的定义、属性关系的表示等方面均有不同。

语义检索是要从语义理解的角度分析用户的检索请求和信息资源，并以此来进行搜索，从而更准确地向用户推荐符合其需求的搜索结果。同样的，由于语义检索的推理机制不完善、语义检索知识库的构建及维护困难等种种原因又限制了其在教育领域的应用。若能提出一种应用于初等教育、并结合知识图谱的个性化深度学习语义推荐方法则能很好地在教学场景下为老师和学生推荐既符合教学逻辑规则，又能满足用户个性化需求的内容。

发明内容

本发明的目的在于提供一种基于基础教育知识图谱个性化语义推荐方法，能够结合用户的知识点搜索、用户的学习偏好或学习掌握程度来进行相关联知识点的个性化推送，教学效果更好。

为实现上述目的，本发明提供如下技术方案：一种基于基础教育知识图谱个性化语义推荐方法，所述的方法包括以下步骤：

S1.对初中教材信息中的知识点构建初中数学知识图谱，其中节点表示知识点，各知识点以实例形式存在；边表示知识点在领域知识本体中构建的映射信息，边上标识的数值为关系权重；

S2.依据映射信息的类型及其关系权重，应用word1vec对映射前后的知识点进行语义关联并形成语义三元组；

S3.通过OWL工具将语义三元组写成owl文件，利用jena实现owl文件在java中的解析，并形成推理规则，然后将根据推理规则推理后的数据集持久化存储到数据库中。

S4.将存储到数据库中的数据集载入卷积神经网络模型中进行训练，确定卷积神经网络模型的参数，并在精度和收敛次数之间进行调优，得到训练好的卷积神经网络模型；

S5.对于用户输入的知识点数据通过训练好的卷积神经网络模型进行部署，计算Jaccard系数J_c(x,y)并作为语义相似度，用来表征用户输入的知识点数据与训练好的卷积神经网络模型对应的数据集之间的相似程度；

S6.根据Jaccard系数J_c(x,y)计算Jaccard距离L_Jaccard；