买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：华中师范大学

摘要：本发明提供一种基于深度学习和符号回归的导学策略生成方法及系统，所述方法包括：获取当前学习者在学习平台上的训练日志数据；将训练日志数据输入至预先建立的深度回归模型中，输出当前学习者的训练日志数据的关键特征和与关键特征对应的知识点掌握度；利用符号回归算法将当前学习者的关键特征和知识点掌握度表示为符号化方程，并将符号化方程进行整合，得到符号化模型，以生成当前学习者的导学策略。本发明利用神经网络模型和符号回归算法从复杂的训练日志数据中提取关键特征并将其转化为符号形式，将导学策略的生成过程进行可视化，不仅可以更好的分析导学策略生成过程，而且可以为学习者生成更合适、更个性化的导学策略。

主权项：1.一种基于深度学习和符号回归的导学策略生成方法，其特征在于，所述方法包括：获取当前学习者在学习平台上的训练日志数据；将所述训练日志数据输入至预先建立的深度回归模型中，输出当前学习者的训练日志数据的关键特征和与所述关键特征对应的知识点掌握度；其中，所述深度回归模型是基于多组学习者的训练日志样本数据，利用神经网络模型训练完成的；所述多组学习者的训练日志样本数据为多个学习者在技能训练学习平台上进行自然训练所生成的数据集；一组学习者的训练日志样本数据的获取包括：基于一个学习者的多次训练对应得到的多个训练样本数据，并对多个训练样本数据进行排序；所述关键特征的得到方法包括：利用所述深度回归模型提取多组学习者的训练日志样本数据中的行为特征，对所述行为特征进行筛选，得到所述关键特征；利用符号回归算法将当前学习者的所述关键特征和所述知识点掌握度表示为符号化方程，并将所述符号化方程进行整合，得到符号化模型，以生成当前学习者的导学策略；所述深度回归模型基于训练日志样本数据建立行为特征、知识点掌握度和训练得分值的关系，具体包括将所述深度回归模型划分为：特征编码模块，用于提取多组学习者的训练日志样本数据中的行为特征，并对所述行为特征进行编码，得到编码序列特征；其中，通过基于神经网络构建的注意力编码器提取特征；从学习者的基本特征、练习特征和调度特征三个维度构造行为特征的编码；知识点掌握度模块，用于基于所述编码序列特征得到学习者的知识点掌握度；其中，将所述编码序列特征输入到由归一化层和神经网络组成的熟练度推理器中，即得到学习者的知识点掌握度；预测模块，用于基于所述知识点掌握度得到对应训练样本数据的得分值；所述符号化方程的得到方法包括：利用符号化蒸馏将所述特征编码模块中注意力编码器以及所述知识点掌握度模块中的熟练度推理器转化为符号化方程；所述符号化蒸馏是利用符号回归算法对所述关键特征进行学习，得到符号回归算法预测的知识点掌握度，并将符号回归算法预测的知识点掌握度和深度回归模型预测的知识点掌握度相比较，当误差小于预设阈值时，则表明成功得到符号化方程。

全文数据：

权利要求：

百度查询： 华中师范大学 基于深度学习和符号回归的导学策略生成方法及系统