公开(公告)号：CN108614865A

公开(公告)日：2018-10-02

申请号：CN201810307140.1

申请日：2018-04-08

Applicant: 暨南大学

Inventor： 汤胤 ,  黄书强 ,  王雯

IPC: G06F17/30 ,  G06Q50/20

CPC classification number: G06Q50/205

Abstract: 本发明公开了一种基于深度强化学习的个性化学习推荐方法，包括以下步骤：定义知识点及题目的难度属性，根据知识点之间的关系构建知识点网络图；根据知识点之间的关系确定知识点下题目之间的关系，构建题目网络图；根据用户行为数据，在题目网络图中得到针对指定用户当前状态下的子图，作为学习边界；进而使用深度强化学习算法，利用用户历史记录建模，训练得到在用户当前状态下的子图中如何选取割集策略。本发明方法可智能化地为用户推荐最佳题目，节省用户学习时间，使其学习效率提高，学习体验提升。

公开(公告)号：CN108614865B

公开(公告)日：2020-12-11

申请号：CN201810307140.1

申请日：2018-04-08

Applicant: 暨南大学

Inventor： 汤胤 ,  黄书强 ,  王雯

IPC: G06F16/9535 ,  G06F16/901 ,  G06Q50/20

Abstract: 本发明公开了一种基于深度强化学习的个性化学习推荐方法，包括以下步骤：定义知识点及题目的难度属性，根据知识点之间的关系构建知识点网络图；根据知识点之间的关系确定知识点下题目之间的关系，构建题目网络图；根据用户行为数据，在题目网络图中得到针对指定用户当前状态下的子图，作为学习边界；进而使用深度强化学习算法，利用用户历史记录建模，训练得到在用户当前状态下的子图中如何选取割集策略。本发明方法可智能化地为用户推荐最佳题目，节省用户学习时间，使其学习效率提高，学习体验提升。