一种核心知识点的提炼方法及系统与流程

1.本发明涉及机器学习技术领域，具体涉及一种核心知识点的提炼方法及系统。


背景技术：

2.近几年，随着大数据技术和在线教育的快速发展，教育数据挖掘、学习分析与评测、自适应学习系统等已经成为了新兴的研究领域。
3.自适应学习系统是一种根据学生特征或学情提供适应性学习内容的教育技术或产品，能够满足学生的个性化需求，被认为是提高学习质量的有效方式。自适应学习系统通常包括领域模型、学生模型和自适应模型三个核心组件。领域模型是对课程或领域知识的结构化描述，一般采用概念地图、知识地图、知识图谱等方式对概念、知识单元等内容及其关系进行表征。学生模型用于描述学生的个体特征，包括基本信息、学习风格和知识水平等，需要基于领域模型和学习分析与评测获得。
4.在另一方面，教育行业正在积极推进从知识导向到能力导向的教学变革，而现有的领域模型，如知识图谱、知识地图等都是知识导向的，缺少对学生能力输出的定义或描述方法。本发明提出了一种结构化能力模型构建方法，能够基于能力描述领域知识的学习或教学目标，有助于学生能力的定量评价。
5.现有的核心知识点提炼的方法存在如下问题：
6.1.人工标注提炼的方法，需要人员数量多，工作量大；
7.2.人工标注存在一定的不确定性，同一个知识点不同的人，存在不同的标注。
8.因此，现有技术存在缺陷，需要进一步改进。


技术实现要素：

9.针对现有技术存在的一个以上问题，本发明提供一种核心知识点的提炼方法。
10.为实现上述目的，本发明的具体方案如下：
11.本发明提供一种核心知识点的提炼方法，包括如下步骤：
12.s1，对相应章节内容，设定若干关键词，每一个关键词对应一个重要值；
13.s2，初始化每一关键词的重要值(比如将初始值设定为：0.5)；
14.s3，根据重要值计算模块的计算结果，对每一关键词进行重要值动态赋值；
15.s4，将关键词及重要值进行组合配对，形成相应章节内容的若干个知识点的集合；
16.s5，通过重要值(i)得出重要值权重(w)，将知识点按照重要值权重(w)从大到小排序，将排在前十五的知识点设定为核心知识点。
17.优选地，在步骤s5中，得出知识点的重要值权重(w)具体包括如下步骤：
18.s51，获取相应章节内容的知识点；
19.s52，获取所述知识点的重要值(i1，i2，i3…in
)；
20.s53，通过每个知识点的重要值(i)计算出其重要值权重(w)，
21.其中，重要值权重
22.重要值ij＝tf*idf，其中ij数值越大越重要
23.tf表示词频，具体公式如下：
[0024][0025]
idf表示逆向文档频率，具体公式如下：
[0026][0027]
一种核心知识点的提炼系统，包括：关键词提炼模块，重要值计算模块，重要值权重计算模块；
[0028]
所述关键词提炼模块，用于从对应的章节内容提炼若干关键词；
[0029]
所述重要值计算模块，用于计算关键词的重要值的大小；
[0030]
所述重要值权重计算模块，用于根据关键词的重要值计算重要值权重。
[0031]
优选地，所述重要值计算模块，还用于对关键词设定初始值。
[0032]
优选地，所述关键词提炼模块包含数据库，所述数据库包含对应教材的知识点数据，所述关键词提炼模块将所述数据库中与相关章节内容相对应的知识点提取出来。
[0033]
采用本发明的技术方案，具有以下有益效果：
[0034]
1.自动对章节内容进行核心知识点提炼；
[0035]
2.节约人力成本，减少人为误判造成的错误。
附图说明
[0036]
图1是本发明具体实施方式的整体流程图；
[0037]
图2是本发明具体实施方式的系统模块示意图。
具体实施方式
[0038]
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部。
[0039]
在本发明的描述中，除非另有明确的规定和限定，术语“相连”、“连接”、“固定”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
[0040]
在本发明中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方，或仅仅表示
第一特征水平高度小于第二特征。
[0041]
在本实施例的描述中，术语“上”、“下”、“前”、“后”、“左”、“右”等方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述和简化操作，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅仅用于在描述上加以区分，并没有特殊的含义。
[0042]
结合图1-图2所示，本发明提供一种核心知识点的提炼方法，包括如下步骤：
[0043]
s1，对相应章节内容，设定若干关键词，每一个关键词对应一个重要值；
[0044]
s2，初始化每一关键词的重要值(比如将初始值设定为：0.5)；
[0045]
s3，根据重要值计算模块的计算结果，对每一关键词进行重要值动态赋值；
[0046]
s4，将关键词及重要值进行组合配对，形成相应章节内容的若干个知识点的集合；
[0047]
s5，通过重要值(i)得出重要值权重(w)，将知识点按照重要值权重(w)从大到小排序，将排在前十五的知识点设定为核心知识点。
[0048]
在步骤s5中，得出知识点的重要值权重(w)具体包括如下步骤：
[0049]
s51，获取相应章节内容的知识点；
[0050]
s52，获取所述知识点的重要值(i1，i2，i3…in
)；
[0051]
s53，通过每个知识点的重要值(i)计算出其重要值权重(w)，
[0052]
其中，重要值权重
[0053]
重要值ij＝tf*idf，其中ij数值越大越重要
[0054]
tf表示词频，具体公式如下：
[0055][0056]
idf表示逆向文档频率，具体公式如下：
[0057][0058]
本发明还一种核心知识点的提炼系统，包括：关键词提炼模块，重要值计算模块，重要值权重计算模块；
[0059]
所述关键词提炼模块，用于从对应的章节内容提炼若干关键词；
[0060]
所述重要值计算模块，用于计算关键词的重要值的大小；
[0061]
所述重要值权重计算模块，用于根据关键词的重要值计算重要值权重。
[0062]
所述重要值计算模块，还用于对关键词设定初始值。
[0063]
所述关键词提炼模块包含数据库，所述数据库包含对应教材的知识点数据，所述关键词提炼模块将所述数据库中与相关章节内容相对应的知识点提取出来。
[0064]
比如：如果一个关键词在文章中出现的次数为15，这个关键词所在文章的总字数为100，整本教材文章的总数量为80，整本教材中出现该关键词的文章的数量为30，则ij＝tf*idf＝(15/100)*log(80/31)＝0.062，
[0065]
计算出ij就可以计算出wj，然后根据wj排序得出核心知识点。
[0066]
相对于现有的技术，采用本发明的技术方案，具有以下有益效果：
[0067]
1.自动对章节内容进行核心知识点提炼；
[0068]
2.节约人力成本，减少人为误判造成的错误。
[0069]
以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是在本发明的发明构思下，利用本发明说明书及附图内容所作的等效结构变换，或直接/间接运用在其他相关的技术领域均包括在本发明的保护范围内。