[发明专利]自适应学习路径推荐中的强化学习方法及系统

权利要求书

1.一种自适应学习路径推荐中的强化学习方法，其特征在于，包括：

利用深度学习进行多层网络的构建，根据处理好的学生的历史学习行为数据，挖掘出学生对每一个知识点的掌握程度；

使用深度学习、集成算法和聚类算法，综合学生历史学习数据和知识点的掌握程度，对学生能力进行评估预测；

根据学生对知识点的掌握程度及学生的能力评估的结果，利用知识图谱和深度学习技术，为学生智能生成并提供最佳的学习路径；

根据学习路径，通过强化学习，选择合适的学习内容让学生去学习。

2.根据权利要求1所述的自适应学习路径推荐中的强化学习方法，其特征在于，在教育领域，知识图谱对课程的不同年级、不同科目、不同单元章节、不同教材版本等信息进行了详细划分。

3.根据权利要求1所述的自适应学习路径推荐中的强化学习方法，其特征在于，利用深度学习进行多层网络的构建，根据处理好的学生的历史学习行为数据，挖掘出学生对每一个知识点的掌握程度，包括：

根据对历史知识点的掌握程度的分析来对未来的知识点的掌握程度进行预测，全方位判断学生的当前的学习状态。

4.根据权利要求1所述的自适应学习路径推荐中的强化学习方法，其特征在于，使用深度学习、集成算法和聚类算法，综合学生历史学习数据和知识点的掌握程度，对学生能力进行评估预测，包括：

对学生能力的评估结果不仅从学生对知识点的掌握程度、课后习题的做题内容，答题情况的维度进行评估。

5.根据权利要求4所述的自适应学习路径推荐中的强化学习方法，其特征在于，使用深度学习、集成算法和聚类算法，综合学生历史学习数据和知识点的掌握程度，对学生能力进行评估预测，还包括：

从学生的偏好、学生的生活习惯以及对某些方面的感兴趣程度的方面进行全方位的评估。

6.根据权利要求1所述的自适应学习路径推荐中的强化学习方法，其特征在于，根据学习路径，通过强化学习，选择合适的学习内容让学生去学习，包括：

每两次考试中间，运用强化学习算法，为学生进行最优学习路径的规划。

7.根据权利要求6所述的自适应学习路径推荐中的强化学习方法，其特征在于，每两次考试中间，运用强化学习算法，为学生进行最优学习路径的规划，包括：

智能体接受环境状态的输入，根据内部的推理机制，输出相应的行为动作；

环境在动作的作用下，变迁到新的状态，同时产生一个瞬时奖赏信号r反馈给使用强化学习的智能体。

8.根据权利要求7所述的自适应学习路径推荐中的强化学习方法，其特征在于，奖赏信号根据如下公式计算：

其中，E_p表示奖励，E_s、E_e分别表示前一次考试和下一次考试的成绩，E_sup表示试卷的总分。

9.一种自适应学习路径推荐中的强化学习系统，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现根据权利要求1至8任意一项所述的自适应学习路径推荐中的强化学习方法。