1.一种基于知识图谱的自适应学习资源推荐方法,其特征在于,包括:
对获取的教育信息数据集搭建学生-学习资源-知识概念三层知识图谱;
依据学生-学习资源-知识概念三层知识图谱,获得学生对知识概念的掌握度及包含难度参数的学习资源节点集合;
依据学生对知识概念的掌握度,确定学习路径序列;
结合学生的学习路径序列,依据学习资源的难度参数,获得学生的学习资源推荐列表;
所述依据学生-学习资源-知识概念三层知识图谱,获得学生对知识概念的掌握度及包含难度参数的学习资源节点集合,包括:依据学生-学习资源-知识概念三层知识图谱中各子图,获得加权特征向量、融合特征向量、行为特征向量;其中,子图包括概念关系图、学习资源-知识概念关联图和学生-学习资源交互图;
将加权特征向量、融合特征向量、行为特征向量作为训练好的学生-学习资源-知识概念三层GAT网络的输入,输出融合后的知识概念向量;将融合后的知识概念向量作为词嵌入层输入,输出标准化特征向量;
将标准化特征向量输入至诊断结果输出层,获得学生对知识概念的掌握度及包含难度参数的学习资源节点集合;
所述依据学生对知识概念的掌握度,确定学习路径序列,包括:
依据学生对知识概念的掌握度,获得学生的知识弱点集合;
依据概念关系图中的知识概念间的依赖关系,构建有向无环图;
依据学生的知识弱点集合、有向无环图,计算学生对知识概念的学习风险分数;
依据学生的知识弱点集合、有向无环图、学习风险分数,确定学习路径序列;
所述结合学生的学习路径序列,依据学习资源的难度参数,获得学生的学习资源推荐列表,包括:依据学生对知识概念的掌握度,构建ZPD区间表达式;依据ZPD区间表达式,获得学生的ZPD区间;
结合学生的学习路径序列,依据ZPD区间、学习资源的难度参数,定义综合匹配度得分函数;依据综合匹配度得分函数获得学生与学习资源的综合匹配度得分;
依据学生与各学习资源的综合匹配度得分,获得学生与各学习资源的策略化得分;依据学生与各学习资源的策略化得分,获得学生的学习资源推荐列表。
2.根据权利要求1所述的基于知识图谱的自适应学习资源推荐方法,其特征在于,所述依据学生对知识概念的掌握度,获得学生的知识弱点集合,包括:依据学生对知识概念的掌握度,对概念关系图的知识概念集合中的每一个知识概念,计算知识间隙,将取值不为零的知识间隙作为第一组知识间隙;将第一组知识间隙对应的知识概念构建学生的知识弱点集合。
3.根据权利要求1所述的基于知识图谱的自适应学习资源推荐方法,其特征在于,所述依据学生的知识弱点集合、有向无环图、学习风险分数,确定学习路径序列,包括:将有向无环图中所有入度为0且属于知识弱点集合或与知识弱点集合中知识概念有路径连通的节点,加入候选节点集;对于候选节点集中的每个知识概念,计算优先级参数;依据优先级参数的大小,作为学生对知识概念学习的优先级;从候选节点集中选择当前优先级最高的知识概念,将其从候选节点集中移除,并输出到学习路径序列中;将当前优先级最高的知识概念从有向无环图中移除,并将当前优先级最高的知识概念直接后继知识概念节点中入度变为0的节点加入候选节点集;重复执行,直到知识弱点集合中的所有知识概念均已被输出到学习路径序列中。
4.根据权利要求1所述的基于知识图谱的自适应学习资源推荐方法,其特征在于,所述ZPD区间表达式为:;
其中,表示学生的ZPD区间,表示学生对知识概念的掌握度;为学生的个性化最近发展区半径,其值由基础半径参数与调整系数乘积确定,调整系数根据学生类型进行动态调整,以适配不同认知水平学生的学习需求:。
5.根据权利要求1所述的基于知识图谱的自适应学习资源推荐方法,其特征在于,所述综合匹配度得分函数为:;
其中,表示学习资源的难度参数,表示学生与难度参数对应的学习资源的综合匹配度得分,表示与的ZPD匹配度,表示与的知识覆盖度,表示与的学习路径匹配度;为ZPD匹配度权重系数、为知识覆盖度权重系数、为学习路径匹配度权重系数,且满足。
6.根据权利要求1所述的基于知识图谱的自适应学习资源推荐方法,其特征在于,所述依据学生与各学习资源的综合匹配度得分,获得学生与各学习资源的策略化得分;依据学生与各学习资源的策略化得分,获得学生的学习资源推荐列表,包括:根据学生类型,定义策略优化函数;应用相应的策略优化函数对学生与各学习资源的综合匹配度得分进行调整,获得学生与各学习资源的策略化得分;对每个学生与各学习资源的策略化得分进行降序排序,并选取前个学习资源,形成学生的学习资源推荐列表;其中,表示学生类型的学生选取的学习资源数量。
7.一种基于知识图谱的自适应学习资源推荐系统,其特征在于,包括权利要求1-6中任一项所述方法的模块。