[发明专利]克服“偏食挑食”的人工智能自主学习教育机器人

权利要求书

1.一种人工智能方法，其特征在于，所述方法包括：

课程知识图谱建立步骤：建立课程知识图谱；

学习知识图谱建立步骤：复制课程的知识图谱作为学习知识图谱；获取学生在线学习的资料或/和通过摄像头获取学生离线学习的资料，然后将该资料输入资料知识点预测模型，计算得到的输出作为学生自主学习的知识点；判断学习知识图谱中每个节点是否属于学生已经学习过的知识点，若是，则在该节点的属性中增加“学生已经学习过的知识点”，否则增加“学生尚未学习过的知识点”；

偏食挑食程度计算步骤：计算学习知识图谱中每一级中属性为“学生已经学习过的知识点”的每两个节点之间的相似相关度的均值，得到每一级的已学知识相似相关度均值，计算所有级的已学知识相似相关度均值的均值，作为第一均值；计算学习知识图谱中每一级中每两个节点之间的相似相关度的均值，得到每一级的知识相似相关度均值，计算所有级的知识相似相关度均值的均值，作为第二均值；将第一均值除以第二均值得到所述学习知识图谱的偏食挑食程度；

克服“偏食挑食”治疗步骤：获取预设的至少一个级别及每一级别的属性包括“学生尚未学习过的知识点”的节点数量，或获取预设的至少一个级别及属性包括“学生尚未学习过的知识点”的节点数量，或获取预设的属性包括“学生尚未学习过的知识点”的节点数量，作为预设条件；根据预设条件从学习知识图谱中选择节点集合，得到符合预设条件的每一节点集合，复制学习知识图谱为临时学习知识图谱；将临时学习知识图谱中属于每一节点集合中的节点的属性包括的“学生尚未学习过的知识点”更改为“学生已经学习过的知识点”，计算所述临时学习知识图谱的偏食挑食程度；选出偏食挑食程度最小的所述临时学习知识图谱对应的所述每一节点集合中节点所对应的知识点集合，作为可以克服“偏食挑食”的知识点集合，将该知识点集合推荐给相关的老师和学生。

2.根据权利要求1所述的人工智能方法，其特征在于，所述方法还包括：

知识点相似相关度预测模型构建步骤：初始化深度学习模型或神经网络或机器学习模型或量子计算模型作为知识点相似相关度预测模型；将训练和测试样本中每一有共同父节点的两个知识点和该两个知识点的相似相关度作为知识点相似相关度预测模型的输入和预期输出，对知识点相似相关度预测模型进行训练和测试；

知识点相似相关度预测模型使用步骤：将待预测的有共同父节点的两个知识点作为知识点相似相关度预测模型的输入进行计算，得到的输出作为该两个知识点的相似相关度。

3.根据权利要求1所述的人工智能方法，其特征在于，所述方法还包括：

偏食挑食的预警步骤：当某一学生的学习知识图谱的偏食挑食程度超过预警阈值时，向该一学生的老师和该一学生发送偏食挑食的预警；将某一课堂中每一学生的学习知识图谱的偏食挑食程度的均值超过预警阈值时，向该一课堂的老师发送偏食挑食的预警；将某一课程中每一学生的学习知识图谱的偏食挑食程度的均值超过预警阈值时，向该一课程的老师发送偏食挑食的预警；

偏食挑食预警后的提醒步骤：提醒相关老师根据克服“偏食挑食”治疗步骤推荐的知识点来进行辅导，提醒学生根据克服“偏食挑食”治疗步骤推荐的知识点来进行复习；

偏食挑食预警后的推荐步骤：从搜索引擎中以克服“偏食挑食”治疗步骤推荐的知识点作为关键词搜索，得到学习资料推荐给相关的老师和学生；从资料大数据中根据资料的知识点标签进行搜索克服“偏食挑食”治疗步骤推荐的知识点，得到克服“偏食挑食”治疗步骤推荐的知识点对应的资料，推荐给相关的老师和学生。