(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210028249.8 (22)申请日 2022.01.11 (71)申请人 湖南科技职业学院 地址 410000 湖南省长 沙市雨花区井湾路 784号湖南科技职业学院 (72)发明人 张群慧　 (74)专利代理 机构 温州市品创专利商标代理事 务所(普通 合伙) 33247 代理人 程春生 (51)Int.Cl. G06F 16/36(2019.01) G06F 16/335(2019.01) G06F 16/951(2019.01) (54)发明名称 一种基于自扩展知识库和多模态画像的个 性化学习平台 (57)摘要 本发明涉及教学平台领域， 具体涉及一种基 于自扩展知识库和多模态画像的个性化学习平 台， 该个性化学习平台包括自扩展知识库 构建模 块、 学习者画 像模型构建模块和个性化学习任务 规划模块。 本发 明可以实现互联网中各平台知识 数据的统一汇总管理， 共享， 同时可以依据学习 者自身的基本情况、 学习目标、 性格特征、 情绪、 心理状态、 兴趣特点以及学习过程等数据， 实时 动态地构建多维度的学习者画 像， 能够为学习者 提供更加个性化、 更加有针对性的学习内容推荐 和学习过程规划等服务， 大大的提高了高职教育 质量和效率。 权利要求书2页 说明书6页 附图3页 CN 114372155 A 2022.04.19 CN 114372155 A 1.一种基于自扩展知识库和多模态 画像的个性 化学习平台， 其特 征在于： 包括： 自扩展知识库构建模块， 用于基于网络爬虫模块在预设的网络基站上爬取对应的知识 数据， 并基于异构数据知识图谱实现这些知识数据的加工、 处理、 融合， 构建形成问答形式 关联的自扩展的动态知识库； 学习者画像模型构建模块， 用于通过实证研究和用户调查， 挖掘学习者在学习过程中 产生的数据类型并建立学习者画像模型， 然后， 考虑时间维度下， 用户各模态下关联属性的 变化情况及属性关联程度， 从各项数据中提取 特征值， 生成学习者画像实例； 个性化学习任务规划模块， 用于通过对学习者画像模型和知识库资源的双向关联分 析， 识别学生的学习关注点、 学习状态以及候选资源集， 并利用智能学习引擎为学习者自动 化地生成学习任务 规划， 以及 在必要时机进行 过程引导。 2.如权利要求1所述的一种基于自扩展知识库和多模态画像的个性化学习平台， 其特 征在于： 还 包括： 动态知识库完善模块， 用于通过挖掘问题与回答之间的关联属性， 利用机器学习、 深度 学习的方法构建自动化 答案生成模型， 形成对专 家知识库的自主扩充和完 善。 3.如权利要求1所述的一种基于自扩展知识库和多模态画像的个性化学习平台， 其特 征在于： 所述学习者画像模型通过以下 方法构建： 首先， 首先需通过实证研究和用户调查的方式建立画像模型， 探索模型中应该包含的 主要特征集合， 使特征多元化； 其次， 获取画像特征集合， 具体的： 收集学习者的个人信息， 包括学习者的年龄、 性别、 学习背景； 学习数据， 包括学习者历史上曾经学习 过的知识点集合； 测试数据， 包括学习者 曾经接受过的测试内容以及测试结果； 交互数据， 包括学习者在学习、 测试、 讨论的过程中 与平台、 工具以及其它学习者所发生的文字、 语音、 视频 交互历史； 现场数据， 包括学习者各 项参与行为中所实时记录的响应、 反馈； 基于这些异构数据， 通过文本分析技术、 语义分析 技术、 情感分析技 术以及机器学习算法提取 出关于学习者的多模态特 征值； 再次， 使用结构化、 层次化的形式对画像特征集合进行组织， 实现画像特征集合的深度 操作和挖掘， 采用数值型数据、 标签文本型数据形式对画像特征进行表示， 完成后， 基于这 些画像特 征建立学习者画像模型； 最后， 采用多因子 融合的手段以实现学习者画像的动态演化， 具体的， 首先通过弹性控 制的手段以不同的粒度设置时间窗口， 以限制画像的数据口径； 其次， 我们通过设置衰减尺 寸参数对不同时期的数据设置不同累积效果； 另外， 基于迭代效果探测并优化各特征 的融 合权重， 实现动态、 更精准的特征刻画， 以判断学习者是否适合继续学习， 定位学习阶段和 规划学习路径等； 最终， 我们通过可视化的形式对 学习者的画像进 行展示， 并提供基于场景 的交互式互操作。 4.如权利要求1所述的一种基于自扩展知识库和多模态画像的个性化学习平台， 其特 征在于： 所述个性 化学习任务 规划模块的工作流 程如下： a)基于数据驱动和事 件触发的学习场景感知 当学习者开启新一轮的学习任务后， 首先对学习者的场景进行主动感知， 通过读取并 解析学习者的画像， 确定学习者的个性特征； 其次通过实时监测学习者的各项参与行为， 利 用模式识别等技术判断其参与状态和行为走向； 另一方面， 检索知识库中的知识点体系和权　利　要　求　书 1/2 页 2 CN 114372155 A 2知识点分布情况， 利用数据挖掘等技术评估学习者的学习进度并推荐本次学习内容的广义 范围； 综合以上信息， 为学习者确定 本次的学习场景； b)基于路径的学习任务 规划与过程引导 对于选定的学习场景， 从广泛的学习内容中按照学习路径为学习者进行任务规划与过 程引导。 首先， 依据知识点的复杂度和难度， 把本次的学习内容划分为难度递增的不同的学 习阶段； 其次， 按照知识的依赖性和关联性， 把同一个知识体系下 的不同知识点进行关联； 在学习者的学习过程中， 要根据学习者的实际学习情况适时调整学习内容。 c)面向可持续 参与的学习效果评估与建议 对于学习者的每一次具体学习， 以可持续参与为目标驱动给出具体评估和建议， 首先， 我们以层级化、 结构化的形式输出可解释型 的评估结果， 每一个细粒度的衡量指标以及总 的评估结果都有对应的评估值以及一段解释性的文字说明， 以便于学习者理解评估结果； 其次， 我们针对实际的学习情况， 参考其他学习者的学习历史， 利用大数据分析、 关联匹配 等技术对学习者提出针对性的改进与提升 建议， 以易于接受的形式建议学习者需要查漏补 缺以及需要继续保持的各个方面。 5.如权利要求1所述的一种基于自扩展知识库和多模态画像的个性化学习平台， 其特 征在于： 还包括： 系统更新模块， 用于通过用户行为数据和测试数据的搜集， 分析学习者的 学习效果， 迭代调整个性 化学习任务 规划模块内载的个性 化智能学习引擎。权　利　要　求　书 2/2 页 3 CN 114372155 A 3