本发明涉及学习路径推荐，尤其是涉及一种基于知识图谱的学习路径推荐算法与系统。
背景技术：
1、随着互联网技术的飞速发展以及大众学习观念的不断进步，以网络作为媒介进行在线学习活动已经成为一种非常普遍的社会活动。然而伴随而来的海量知识和数据同样给在线教育领域带来了严重的“信息过载”和“学习迷航”问题。随着知识图谱技术在智能搜索、智能翻译、个性化推荐等领域的广泛发展，以知识图谱技术为基础，生成智能解决方案和个性化推荐结果，是解决在线学习领域的“信息过载”问题的有效措施。知识图谱用结点表示实体，这个实体可以是项目、用户、数据等，用边来表示结点实体间的任意关系。基于知识图谱构建特征模型，是以知识图谱为起点到最终生成智能解决方案和得到个性化推荐结果的关键步骤。关于特征建模的研究，由于学习者和知识内容的复杂多变性，不同的学习者采用同一学习路径学习某一知识时的学习效率往往是不同的。
2、现有技术中，学习路径推荐方法无法对学习者的信息数据以及学习影响因素数据进行全面采集分析，从而导致降低了学习路径推荐的准确性，影响学习者的学习效率，为此我们提出了一种基于知识图谱的学习路径推荐算法与系统用于解决上述问题。
技术实现思路
1、本发明的目的是为了解决现有技术中存在学习路径推荐方法无法对学习者的信息数据以及学习影响因素数据进行全面采集分析，且推荐方法较为单一，从而导致降低了学习路径推荐的准确性，影响学习者的学习效率的缺点，而提出的一种基于知识图谱的学习路径推荐算法与系统。
2、本申请提供的一种基于知识图谱的学习路径推荐算法与系统采用如下的技术方案：
3、一种基于知识图谱的学习路径推荐算法，包括以下步骤：
4、s1：先进行学生的学习数据以及因素影响数据采集，对采集的数据进行整理分析；
5、s2：根据采集的数据构建学生的学习兴趣以及知识水平模型；
6、s3：根据学生的学习行为和学习历史进行深度学习建模，并根据建立的模型预测学生对不同学习资源的偏好及适应度；
7、s4：对学习兴趣以及知识水平模型进行提取，根据提取的模型匹配学习资源，并生成学习路径推荐；
8、s5：收集用户的反馈信息数据，对反馈信息数据进行分析，根据分析结果对模型进行调整。
9、本发明还提出了一种基于知识图谱的学习路径推荐系统，包括：
10、模型构建模块；
11、学习数据采集模块，所述学习数据采集模块连接有影响因素采集模块，所述影响因素采集模块连接有数据分析模块，所述数据分析模块与模型构建模块连接；
12、预测模块，所述预测模块连接有深度学习模块，所述深度学习模块连接有协同过滤模块，所述协同过滤模块连接有社交网络分析模块，所述协同过滤模块与数据分析模块连接，预测模块用于根据深度学习模型预测学生对不同学习资源的偏好和适应度；
13、提取模块，所述提取模块连接有知识库模块和匹配模块，所述知识库模块连接有知识图谱模块和资源上传模块，所述匹配模块连接有生成模块，所述生成模块与预测模块连接；
14、推荐模块，所述推荐模块与生成模块连接，所述推荐模块连接有反馈信息收集模块，所述反馈信息收集模块连接有信息分析模块，所述信息分析模块连接有调整模块。
15、进一步地，所述影响因素采集模块包括学科特性采集单元、学习目标采集单元和学习环境采集单元，所述学科特性采集单元与学习目标采集单元连接，所述学习目标采集单元与学习环境采集单元连接，影响因素采集模块用于采集学生的学科特性、学习目标和学习环境数据。
16、进一步地，所述深度学习模块包括深度学习算法单元、建模单元和第二传输单元，所述深度学习算法单元与建模单元连接，所述建模单元与第二传输单元连接，深度学习模块用于根据学生的学习行为和学习历史进行深度学习建模，并将建立的模型传输至预测模块。
17、进一步地，所述反馈信息采集模块用于对用户的反馈信息进行采集，并通过信息分析模块对采集的信息数据进行处理分析，根据分析结果，调整模块可以对建立的模型进行适应调整。
18、进一步地，所述社交网络分析模块采用社交网络分析的方法，挖掘学生之间的社交关系和影响，根据挖掘的数据推测学生的行为和偏好，完善学习推荐路径。
19、进一步地，所述知识图谱模块用于将知识组织在图形结构中，并将教育资源和学习内容进行语义化的整合和表示，资源上传模块用于将更新的学习资源上传至知识库模块。
20、进一步地，所述提取模块用于提取模型构建模块中建立的相应模块，并通过匹配模块匹配知识库模块中相应的学习资源，通过生成模块生成学习路径。
21、进一步地，所述协同过滤模块包括协同过滤算法单元、匹配单元和第一传输单元，所述协同过滤算法单元与匹配单元连接，所述匹配单元与第一传输单元连接，协同过滤模块用于分析学生的学习行为和学习历史，找到与其兴趣能力相符的同类学生，根据这类学生的学习资源和学习路径匹配相应的学习推荐路径。
22、进一步地，所述学习数据采集模块包括学习者信息采集单元、学习行为采集单元和学习历史采集单元，所述学习者信息采集单元与学习行为采集单元连接，所述学习行为采集单元与学习历史采集单元连接，学习数据采集模块用于对学生的信息、学习行为和学习历史数据进行采集。
23、综上所述，本申请包括以下至少一种有益技术效果：
24、1.本方案通过学习数据采集模块和影响因素采集模块的设置，可以对学生的学习数据以及因素影响数据进行采集，从而保证数据采集的全面性；
25、2.本方案通过协同过滤模块和深度学习模块的设置，分析学生的学习行为和学习历史，找到与其兴趣能力相符的同类学生，根据这类学生的学习资源和学习路径匹配相应的学习推荐路径，拓展推荐方法，提高了学习路径推荐的准确性；
26、3.本方案通过馈信息收集模块的设置，可以对用户的反馈信息进行采集，并通过信息分析模块对采集的信息数据进行处理分析，根据分析结果，调整模块可以对建立的模型进行适应调整。
27、本发明能够在使用过程中，对学习者的信息数据以及学习影响因素数据进行全面采集分析，并具备多种推荐方法，从而提高了学习路径推荐的准确性，保证学习者的学习效率。
1.一种基于知识图谱的学习路径推荐算法，其特征在于：包括以下步骤：
2.一种基于知识图谱的学习路径推荐系统，其特征在于：包括：
3.根据权利要求2所述的一种基于知识图谱的学习路径推荐系统，其特征在于：所述学习数据采集模块包括学习者信息采集单元、学习行为采集单元和学习历史采集单元，所述学习者信息采集单元与学习行为采集单元连接，所述学习行为采集单元与学习历史采集单元连接，学习数据采集模块用于对学生的信息、学习行为和学习历史数据进行采集。
4.根据权利要求3所述的一种基于知识图谱的学习路径推荐系统，其特征在于：所述影响因素采集模块包括学科特性采集单元、学习目标采集单元和学习环境采集单元，所述学科特性采集单元与学习目标采集单元连接，所述学习目标采集单元与学习环境采集单元连接，影响因素采集模块用于采集学生的学科特性、学习目标和学习环境数据。
5.根据权利要求4所述的一种基于知识图谱的学习路径推荐系统，其特征在于：所述协同过滤模块包括协同过滤算法单元、匹配单元和第一传输单元，所述协同过滤算法单元与匹配单元连接，所述匹配单元与第一传输单元连接，协同过滤模块用于分析学生的学习行为和学习历史，找到与其兴趣能力相符的同类学生，根据这类学生的学习资源和学习路径匹配相应的学习推荐路径。
6.根据权利要求5所述的一种基于知识图谱的学习路径推荐系统，其特征在于：所述深度学习模块包括深度学习算法单元、建模单元和第二传输单元，所述深度学习算法单元与建模单元连接，所述建模单元与第二传输单元连接，深度学习模块用于根据学生的学习行为和学习历史进行深度学习建模，并将建立的模型传输至预测模块。
7.根据权利要求6所述的一种基于知识图谱的学习路径推荐系统，其特征在于：所述提取模块用于提取模型构建模块中建立的相应模块，并通过匹配模块匹配知识库模块中相应的学习资源，通过生成模块生成学习路径。
8.根据权利要求7所述的一种基于知识图谱的学习路径推荐系统，其特征在于：所述反馈信息采集模块用于对用户的反馈信息进行采集，并通过信息分析模块对采集的信息数据进行处理分析，根据分析结果，调整模块可以对建立的模型进行适应调整。
9.根据权利要求8所述的一种基于知识图谱的学习路径推荐系统，其特征在于：所述知识图谱模块用于将知识组织在图形结构中，并将教育资源和学习内容进行语义化的整合和表示，资源上传模块用于将更新的学习资源上传至知识库模块。
10.根据权利要求9所述的一种基于知识图谱的学习路径推荐系统，其特征在于：所述社交网络分析模块采用社交网络分析的方法，挖掘学生之间的社交关系和影响，根据挖掘的数据推测学生的行为和偏好，完善学习推荐路径。
