[发明专利]一种知识地图上导航学习路径的生成方法

摘要

本发明公开了一种知识地图上导航学习路径的生成方法，其特征在于，包括下述步骤：(1)判断存储知识地图的广义表Gen_T是否为：如果非空，则转向(4)进行用户已学知识挖掘；(2)总路径t-nlr生成：计算知识单元的层级水平和学习中心度并以的升序和的降序对知识单元二次排序得到总路径t-nlr；(3)广义表Gen_T的生成；(4)用户已学知识挖掘：根据用户登录帐号识别用户类型，并按照不同类型用户的已学知识挖掘策略生成学习者U当前的已学知识向量pre-k_U；(5)根据学习者U的pre-k_U和输入的学习目标O_U，参照总路径t-nlr和广义表Gen_T生成用户导航学习路径nlr_U。该方法生成的用户导航学习路径对学习理解学习目标具有充分性、必要性和高效性。

主权项

1.一种知识地图上导航学习路径的生成方法，其特征在于，包含以下步骤：(1)用户登入后，判断知识地图的结构存储表Gen_T是否为空；知识地图是一个有向无环图(V，E)，记作KM；V＝V₁∪V₂是KM所描述的学科领域包含的知识单元的集合，E是V中知识单元之间学习依赖关系的集合；这里的知识单元是指具有完备表达能力的基本知识单位，包括定义、定理、算法；学习依赖关系是V上的一种二元关系，形式化描述为：(∃<Oi,Oj>∈E)⇔(∃Oi∈V)(∃Oj∈V)((Un(Oj)=1)⇒(L(Oi)=1))---(1.1)]]>其中，O_i被称为O_j的认知前件，O_j是O_i的认知后件；L(O_i)是V上知识单元已被学习理解的状态函数，如果学习理解了O_i，则L(O_i)＝1，反之L(O_i)＝O；Un(O_i)是V上知识单元可以被学习理解的状态函数，如果可以学习理解O_i，则Un(O_i)＝1，反之Un(O_i)＝O；任意知识单元O_i∈V的认知前件集合记为被称为O_i的入度；任意知识单元O_i∈V的认知后件集合记为被称为O_i的出度；被称为O_i的度；是有认知后件的知识单元的集合，即成立；是没有认知后件的知识单元的集合，即成立；Gen_T是KM的结构存储表，并以广义表为元素；是知识单元O_i的存储结构，其中ID_i是O_i的标示符，具有“X的Y”的形式，是O_i在总路径t-nlr中的顺序号；是O_i的层级水平，表示在KM上学习O_i的难度等级；是O_i的学习中心度，表示理解O_i对学习KM上其他O_j的重要程度；是以O_i的认知前件为元素的广义表；是以O_i的认知后件为元素的广义表；总路径t-nlr是由KM中所有知识单元构成的一个序列：t-nlr(1)，t-nlr(2)，...，t-nlr(i)，t-nlr(i)，t-nlr(i+1)，...，t-nlr(|V|)(1.2)且，序列(1.2)同时满足以下5个条件：1)(∀O′∈V)⇒∃i(1≤i≤|V|)(t-nlr(i)=O′);]]>2)(|C_t-nlr(1)|＝0).and.(|F_t-nlr(|V|)|＝0))；3)∀i(1≤i<|V|)(L(t-nlr(i))=1)⇒(Un(t-nlr(i+1))=1);]]>4)(L(t-nlr(|V|))=1)⇒(Un(KM)=1);]]>5)(∀i∀k)((1≤i<k≤|V|)(lIDi=lIDk))⇒(dIDk≤dIDi);]]>(2)如果Gen_T为空，则生成总路径t-nlr；否则，直接挖掘pre-k_U；生成t-nlr是指分别按照的升序和的降序对V中所有O_i进行二次排序；pre-k_U是一个|V|维布尔向量，用于描述U对t-nlr中知识单元已经学习理解的状态，其第i分量取值应满足条件：((pre-kU(i)=1)⇔(L(t-nlr(i))=1)).or.((pre-kU(i)=0)⇔(L(t-nlr(i)=0))---(1.3)]]>(3)生成Gen_T是将KM中知识单元O_i的存储结构按照的升序依次添加到Gen_T中；(4)挖掘pre-k_U是指从用户U的访问日志中挖掘出用户已学知识L_U，生成用户已学知识向量pre-k_U；用户已学知识L_U是一个知识单元集合，其中条件成立；生成pre-k_U就是根据L_U中知识单元应满足条件和条件(1.3)确定pre-k_U的每个分量的值，即，如果且O′＝t-nlr(i)，则pre-k_U(i)＝1；否则，pre-k_U(i)＝0；(5)生成用户导航学习路径nlr_U；nlr_U是一个满足学习充分必要性和学习优化性的知识单元序列O₁O₂...O_iO_i+1...O_mO_U；O_U是U当前准备学习的学习目标，是一个知识单元；所谓学习充分性，表现为用户U当前满足条件(1.4)：∀i(1≤i≤m)((Un(O1)=1).and.((L(Oi)=1)⇒(Un(Oi+1)=1))(Om+1=OU))---(1.4)]]>学习必要性，表现为用户U在学习过程中满足条件(1.2)：(Un(OU)=1)⇒∀Oi(L(Oi)=1)(1≤i≤m)---(1.5)]]>学习优化性，表现为nlr_U中知识单元之间的学习顺序满足条件(1.3)：(∀i∀j)((1≤i<j≤|V|).and.(lIDi=lIDj).)⇒(dIDj≤dIDi)---(1.6)]]>生成nlr_U是指从O_U开始，沿着学习依赖关系的逆序逐级在KM中找到不在L_U中的知识单元集合并生成nlr_U的可以学习理解状态向量r_U；r_U是一个|V|维布尔向量，用于描述U为了学习理解O_U而应该对t-nlr中知识单元可以学习理解的状态，即，如果且O″＝t-nlr(i)，则r_U(i)＝1；否则，r_U(i)＝0。