本發(fā)明涉及平板學習機場景合成，具體涉及平板學習機的場景合成方法、系統(tǒng)、裝置及存儲介質。

背景技術：

1、隨著教育信息化的深度發(fā)展，平板學習機通過整合三維知識圖譜構建合成學習場景，實現(xiàn)了知識呈現(xiàn)從平面化到空間化、學習模式從被動接受到主動建構的重要突破，三維知識圖譜憑借其多維度節(jié)點關聯(lián)（如學科交叉、難度層級、應用場景）、沉浸式交互（如手勢操控三維模型、空間化知識網(wǎng)絡導航）及動態(tài)知識推送機制，為學習者提供了立體化的認知工具，例如，在物理學科中，學生可通過旋轉虛擬齒輪組觀察機械傳動原理，或在化學分子模型中拖拽原子實時模擬化學鍵形成過程，顯著提升抽象概念的理解效率；

2、然而，在使用者實際使用平板學習機的過程中，可能會為使用者推送超出其認知能力，或者超出使用者所處的學習階段，例如，使用者處于小學階段，為其推送的知識圖譜可能涵蓋有中學階段的知識，會增加使用者的學習認知負荷，即低齡用戶在接觸超階段三維知識圖譜時，出現(xiàn)持續(xù)5分鐘以上的操作停滯或隨意點擊行為，學習興趣衰減率達40%，這種錯配不僅導致知識建構出現(xiàn)偏差，且會因操作挫敗感降低學習效率與興趣，形成“認知過載－交互停滯－興趣下降”的惡性循環(huán)。

技術實現(xiàn)思路

1、本發(fā)明的目的在于提供平板學習機的場景合成方法、系統(tǒng)、裝置及存儲介質，以解決上述現(xiàn)有技術問題的至少之一。

2、第一方面，本發(fā)明提供了平板學習機的場景合成方法，包括以下步驟：

3、獲取實時操作序列，通過隱馬爾可夫模型得到預期操作序列，將實時操作序列與預期操作序列內(nèi)所有的操作相對應進行比對，確定異常交互操作，將連續(xù)出現(xiàn)異常交互操作的過程，定義為異常交互操作段；

4、對于異常交互操作段，反向追溯交互操作對應的節(jié)點，提取節(jié)點的特征向量，輸入梯度提升決策樹分類模型進行認知瓶頸分析，輸出認知瓶頸節(jié)點；

5、其中，交互操作對應的節(jié)點為：三維知識圖譜中的知識節(jié)點；

6、對于識別出的認知瓶頸節(jié)點，通過語義等效檢索、歷史交互數(shù)據(jù)篩選得到替換節(jié)點，再通過聚類算法對替換節(jié)點集合中的替換節(jié)點進行排序，生成替換優(yōu)先度排序表，并根據(jù)替換優(yōu)先度排序表中替換節(jié)點的順序對認知瓶頸節(jié)點進行替換，對平板學習機推送的三維知識圖譜進行動態(tài)重構優(yōu)化。

7、第二方面，本發(fā)明提供了平板學習機的場景合成系統(tǒng)，該系統(tǒng)包括：

8、交互效果評估模塊：獲取實時操作序列，通過隱馬爾可夫模型得到預期操作序列，將實時操作序列與預期操作序列內(nèi)所有的操作相對應進行比對，確定異常交互操作，將連續(xù)出現(xiàn)異常交互操作的過程，定義為異常交互操作段；

9、節(jié)點分析模塊：對于異常交互操作段，反向追溯交互操作對應的節(jié)點，提取節(jié)點的特征向量，輸入梯度提升決策樹分類模型進行認知瓶頸分析，輸出認知瓶頸節(jié)點；

10、其中，交互操作對應的節(jié)點為：三維知識圖譜中的知識節(jié)點；

11、重構優(yōu)化模塊：對于識別出的認知瓶頸節(jié)點，通過語義等效檢索、歷史交互數(shù)據(jù)篩選得到替換節(jié)點，再通過聚類算法對替換節(jié)點集合中的替換節(jié)點進行排序，生成替換優(yōu)先度排序表，并根據(jù)替換優(yōu)先度排序表中替換節(jié)點的順序對認知瓶頸節(jié)點進行替換，對平板學習機推送的三維知識圖譜進行動態(tài)重構優(yōu)化。

12、第三方面，本發(fā)明提供了平板學習機的場景合成裝置，該裝置包括：存儲器和處理器及存儲在存儲器上的計算機程序。

13、第四方面，本發(fā)明提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質內(nèi)存儲有計算機程序。

14、本發(fā)明的有益效果：

15、1、本發(fā)明通過隱馬爾可夫模型與梯度提升決策樹結合，識別異常交互操作段并定位認知瓶頸節(jié)點，在一定程度上優(yōu)化了使用者認知狀態(tài)與知識推送錯配的問題，進一步通過?transe?知識圖譜嵌入算法、聚類排序，對三維知識圖譜的動態(tài)重構，確保推送內(nèi)容在語義等效性與用戶認知適配度間達到平衡，有效降低因知識難度不匹配導致的交互停滯率與興趣衰減風險；

16、2、本發(fā)明構建了數(shù)據(jù)驅動的智能教育場景合成體系，通過多模型融合實現(xiàn)從交互行為采集到瓶頸節(jié)點定位的全流程自動化分析，使系統(tǒng)能夠實時感知用戶認知狀態(tài)并動態(tài)調整知識圖譜結構；另一方面，借助語義相似度篩選、歷史交互數(shù)據(jù)淘汰，既保障了知識邏輯的嚴謹性，又貼合學習者個性化需求，為平板學習機在教育信息化場景中精準化、沉浸式學習體驗提供了支撐，提升知識建構效率與用戶學習興趣。

技術特征：

1.平板學習機的場景合成方法，其特征在于，包括以下步驟：

2.根據(jù)權利要求1所述的平板學習機的場景合成方法，其特征在于，還包括以下步驟：

3.根據(jù)權利要求1所述的平板學習機的場景合成方法，其特征在于，所述異常交互操作段的過程為：

4.根據(jù)權利要求1所述的平板學習機的場景合成方法，其特征在于，所述預期操作序列的獲取過程為：

5.根據(jù)權利要求3所述的平板學習機的場景合成方法，其特征在于，通過平板學習機的歷史數(shù)據(jù)中提取所記錄的歷史正常交互操作序列并輸入隱馬爾可夫模型，學習狀態(tài)轉移概率和觀測概率，訓練得到隱馬爾可夫模型。

6.根據(jù)權利要求1所述的平板學習機的場景合成方法，其特征在于，所述認知瓶頸節(jié)點的獲取過程為：

7.根據(jù)權利要求1所述的平板學習機的場景合成方法，其特征在于，所述特征向量包括：停留累計時間值、異常操作頻率、操作轉移偏離度和節(jié)點交叉復雜度；

8.根據(jù)權利要求1所述的平板學習機的場景合成方法，其特征在于，所述替換節(jié)點的獲取過程為：

9.根據(jù)權利要求1所述的平板學習機的場景合成方法，其特征在于，所述初步候選節(jié)點的獲取過程為：

10.根據(jù)權利要求1所述的平板學習機的場景合成方法，其特征在于，通過聚類算法進行替換優(yōu)先度排序，聚類完成后，確定每個聚類對應的適配等級，即高適配等級、中適配等級、高適配等級；進行排序，即高適配等級排序優(yōu)先與中適配等級排序優(yōu)先于低適配等級排序；

11.平板學習機的場景合成系統(tǒng)，其特征在于，該系統(tǒng)用于執(zhí)行上述權利要求1-10任一項所述的方法，該系統(tǒng)包括：

12.平板學習機的場景合成裝置，其特征在于，該裝置用于執(zhí)行上述權利要求1-10任一項所述的方法，該裝置包括：存儲器和處理器及存儲在存儲器上的計算機程序。

13.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質內(nèi)存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)權利要求1-10任一所述的方法步驟。

技術總結
本發(fā)明涉及平板學習機場景合成技術領域，公開了平板學習機的場景合成方法、系統(tǒng)、裝置及存儲介質，包括以下步驟：獲取實時操作序列，通過隱馬爾可夫模型得到預期操作序列，將實時操作序列與預期操作序列內(nèi)所有的操作相對應進行比對，確定異常交互操作，將連續(xù)出現(xiàn)異常交互操作的過程。本發(fā)明通過隱馬爾可夫模型與梯度提升決策樹結合，識別異常交互操作段并定位認知瓶頸節(jié)點，在一定程度上優(yōu)化了使用者認知狀態(tài)與知識推送錯配的問題，進一步通過TransE知識圖譜嵌入算法、聚類排序，對三維知識圖譜的動態(tài)重構，確保推送內(nèi)容在語義等效性與用戶認知適配度間達到平衡，有效降低因知識難度不匹配導致的交互停滯率與興趣衰減風險。

技術研發(fā)人員：唐華
受保護的技術使用者：深圳市易連匯通科技有限公司
技術研發(fā)日：
技術公布日：2025/5/15