[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

说明书

本发明公开了一种基于知识图谱的学习者画像的生成方法及装置，所述方法包括如下步骤：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，匹配情感字典确定情感极性，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生成对应的学习者画像知识图谱。

技术领域

本发明涉及图像处理技术领域，特别是涉及一种基于知识图谱的学习者画像的生成方法与装置。

背景技术

信息化时代发展对人才培养提出了更加新的要求。为应对这种发展，培养新时代人才的需要体现在了教育的变革当中。与传统的教学模式相比，信息化技术支持下的教学模式如翻转课堂、STEAM教育(集科学，技术，工程，艺术，数学多领域融合的综合教育)等都对学生的思维能力与总体素质的要求非常看重。于此同时，如何为学生提供个性化和差异化的教育信息服务和促进该服务的发展，表征学习者的学习情况，也成为当前亟待改善的问题。在众多方法中，使用个性化的学习者画像描绘学习者的各方面信息对于针对性的教育非常有效。

目前，学习者画像的应用已经涉及教育领域的多个方面，如直播课堂、评估工具、高职智造类工匠人才用户画像库等。直播课堂的研究中，通过学生的学习目的、学习习惯、学习者参与直播课堂情况、直播课堂效果评价以及课堂总体满意度而得出学习者画像的基本要素；评估工具构建的学习者画像对学习者“学会学习”能力的评估；通过构建高职智造类工匠人才用户画像来对人才的个性化培养，实现个性化教育等。

对于每一个学习者，应该存在与其学习过程相匹配的学习画像且用户可以直观的看到所构建的学习者画像信息。但目前大部分的应用对学生信息进行构建的画像的自动构建功能上、直观层面上还未有突破。目前所应用到的学习者画像内容主要是为了给后台工作者对学习者的信息进行联系，缺少直观反馈学习者画像内容给学习者的重要功能。大部分个性化系统的用户模型，如ELM-ART、AHAM模型，也主要考虑到学习者学习风格的推理，忽略了对学习者学习路线的跟踪，忽视了学习者偏向的多样性以及构建学习画像的必要性。

发明内容

为克服上述现有技术存在的不足，本发明之目的在于提供一种基于知识图谱的学习者画像的生成方法与装置，以根据用户信息自动构建转变成学习者画像并把所构建的画像以可视化的形式展示给用户，弥补自适应学习系统在用户画像可视化方面的不足，能够让教师充分掌握学生的先前知识结构、学习偏向等的信息，也能让学生更加直观地了解自己先前的学习结构。

为达上述及其它目的，本发明提出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。

优选地，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。

优选地，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。

优选地，步骤S3进一步包括：