[发明专利]一种基于知识图谱的学习者画像的生成方法与装置在审

专利信息
申请号: 202011388997.4 申请日: 2020-12-02
公开(公告)号: CN112488887A 公开(公告)日: 2021-03-12
发明(设计)人: 高鹰;翁金塔;李松涛 申请(专利权)人: 广州大学
主分类号: G06Q50/20 分类号: G06Q50/20;G06F16/36
代理公司: 广州三环专利商标代理有限公司 44202 代理人: 颜希文;郝传鑫
地址: 510006 广东省广*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 知识 图谱 学习者 画像 生成 方法 装置
【权利要求书】:

1.一种基于知识图谱的学习者画像的生成方法,包括如下步骤:

步骤S1,收集学习者学习信息;

步骤S2,对学习者的交互信息内容进行拆解,按照文本的粒度,将情感分析任务归纳为词、短语、属性、句子、篇章等多个级别,匹配预先构建的情感对照字典确定情感极性,根据情感极性的权值计算出情感得分,根据情感值输出学习者的情感倾向性;

步骤S3,根据步骤S1收集的学习信息及步骤S2的情感分析结果构建学习者学习知识结构和学习知识偏好;

步骤S4,根据步骤S3中构建得到的学习者的知识偏好和认知结构,利用知识图谱生成学习者画像知识图谱。

2.如权利要求1所述的一种基于知识图谱的学习者画像的生成方法,其特征在于:所述学习信息包括但不限于学习者在网上对课程的点击量、上过的课程的进度、对课程的评价建议、对任课老师的评价和建议、参与的课程总数等的互动行为。

3.如权利要求2所述的一种基于知识图谱的学习者画像的生成方法,其特征在于,于步骤S2之前,还包括如下步骤:

步骤S2-1,依据中文本体情感词典构建所述情感对照字典,设置观点的情感极性并对设置的情感极性赋予权值。

4.如权利要求3所述的一种基于知识图谱的学习者画像的生成方法,其特征在于,步骤S3进一步包括:

步骤S300,根据学习者的先前学习过程信息构建出学习者的学习知识结构;

步骤S301,根据得到的学习者情感信息得到学习者的学习内容,根据该内容提取课程信息整理出学习者的知识偏好。

5.如权利要求4所述的一种基于知识图谱的学习者画像的生成方法,其特征在于,步骤S300具体包括:

收集学习者的先前学习过程信息;

构建用户-知识点关系知识图谱;

进行实体提取、关系提取、语义识别;

根据提取结果获得学习者创建的课程和学习者参与的课程,形成学习者课程图谱和学习者认知图谱。

6.如权利要求5所述的一种基于知识图谱的学习者画像的生成方法,其特征在于:于步骤S4中,根据步骤S3中构建得到的学习者的知识偏好和认知结构,通过知识图谱以节点大小进行重要程度的分类,通过节点颜色进行颜色分类具备一定的内容结构,得到学习者创建的课程和学习者参与的课程两个图谱模块,即为学习者画像。

7.一种基于知识图谱的学习者画像的生成装置,包括:

学习信息收集模块,用于收集学习者学习信息;

情感分析模块,用于对学习者的交互信息内容进行拆解,按照文本的粒度,将情感分析任务归纳为词、短语、属性、句子、篇章等多个级别,匹配情感字典确定情感极性,根据情感极性的权值计算出情感值,根据情感值输出学习者的情感倾向性;

学习知识结构和学习知识偏好构建模块,用于根据学习信息收集模块收集的学习信息及情感分析模块的情感分析结果构建学习者学习知识结构和学习知识偏好;

学习者画像生成模块,用于根据学习知识结构和学习知识偏好构建模块中构建得到的学习者的知识偏好和认知结构,利用知识图谱生成学习者画像。

8.如权利要求7所述的一种基于知识图谱的学习者画像的生成装置,其特征在于,所述装置还包括情感字典构建模块,用于依据中文本体情感词典构建所述情感对照字典,设置观点的情感极性并对设置的情感极性赋予权值。

9.如权利要求8所述的一种基于知识图谱的学习者画像的生成装置,其特征在于,所述学习知识结构和学习知识偏好构建模块进一步包括:

学习知识结构构建模块,用于根据学习者的先前学习过程信息构建出学习者的认知结构;

学习知识偏好构建模块,用于根据得到的学习者情感信息得到学习者的学习内容,根据该内容提取课程信息整理出学习者的知识偏好。

10.如权利要求7所述的一种基于知识图谱的学习者画像的生成装置,其特征在于:所述学习者学习信息包括但不限于学习者在网上对课程的点击量、上过的课程的进度、对课程的评价建议、对任课老师的评价和建议、参与的课程总数等的互动行为。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广州大学,未经广州大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011388997.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top