本發(fā)明涉及數(shù)據(jù)處理，具體涉及基于rag的大語言模型學(xué)習(xí)路徑動態(tài)生成優(yōu)化方法。

背景技術(shù)：

1、隨著人工智能和在線教育技術(shù)的快速發(fā)展，個(gè)性化學(xué)習(xí)和自適應(yīng)學(xué)習(xí)路徑生成在教育領(lǐng)域得到了廣泛應(yīng)用。然而，隨著學(xué)習(xí)內(nèi)容復(fù)雜性和規(guī)模的不斷增加，傳統(tǒng)的學(xué)習(xí)路徑設(shè)定方法面臨諸多挑戰(zhàn)。傳統(tǒng)的學(xué)習(xí)路徑往往是靜態(tài)的，無法根據(jù)學(xué)員的實(shí)時(shí)學(xué)習(xí)情況進(jìn)行動態(tài)調(diào)整，導(dǎo)致學(xué)習(xí)效率低下，無法滿足個(gè)性化學(xué)習(xí)需求。

技術(shù)實(shí)現(xiàn)思路

1、本申請?zhí)峁┗趓ag的大語言模型學(xué)習(xí)路徑動態(tài)生成優(yōu)化方法，用于針對解決現(xiàn)有技術(shù)無法根據(jù)學(xué)員的實(shí)時(shí)學(xué)習(xí)情況進(jìn)行后續(xù)學(xué)習(xí)路徑的智能化動態(tài)調(diào)整，導(dǎo)致學(xué)員的學(xué)習(xí)過程針對性不強(qiáng)，學(xué)習(xí)質(zhì)量和效果不理想，效率低下的技術(shù)問題。

2、鑒于上述問題，本申請?zhí)峁┝嘶趓ag的大語言模型學(xué)習(xí)路徑動態(tài)生成優(yōu)化方法。

3、本申請?zhí)峁┝嘶趓ag的大語言模型學(xué)習(xí)路徑動態(tài)生成優(yōu)化方法，所述方法包括：

4、獲取預(yù)定學(xué)習(xí)大綱中的預(yù)定學(xué)習(xí)路徑；獲取rag模型，所述rag模型包括多模態(tài)檢索器和集成融合器；通過所述多模態(tài)檢索器對目標(biāo)學(xué)員的目標(biāo)動態(tài)學(xué)習(xí)畫像進(jìn)行多模態(tài)信息檢索分析，得到目標(biāo)實(shí)時(shí)學(xué)習(xí)狀態(tài)；對所述目標(biāo)實(shí)時(shí)學(xué)習(xí)狀態(tài)與預(yù)定知識庫進(jìn)行相關(guān)性對比分析，得到候選知識序列；通過所述集成融合器對所述預(yù)定學(xué)習(xí)路徑中目標(biāo)周期的目標(biāo)預(yù)定知識與所述候選知識序列進(jìn)行知識融合分析，得到目標(biāo)知識序列；結(jié)合所述目標(biāo)知識序列與所述目標(biāo)周期對所述預(yù)定學(xué)習(xí)路徑進(jìn)行動態(tài)調(diào)整，生成所述目標(biāo)學(xué)員的目標(biāo)動態(tài)學(xué)習(xí)路徑。

5、本申請中提供的一個(gè)或多個(gè)技術(shù)方案，至少具有如下技術(shù)效果或優(yōu)點(diǎn)：

6、本申請獲取預(yù)定學(xué)習(xí)大綱中的預(yù)定學(xué)習(xí)路徑；獲取rag模型，rag模型包括多模態(tài)檢索器和集成融合器；通過多模態(tài)檢索器對目標(biāo)學(xué)員的目標(biāo)動態(tài)學(xué)習(xí)畫像進(jìn)行多模態(tài)信息檢索分析，得到目標(biāo)實(shí)時(shí)學(xué)習(xí)狀態(tài)；對目標(biāo)實(shí)時(shí)學(xué)習(xí)狀態(tài)與預(yù)定知識庫進(jìn)行相關(guān)性對比分析，得到候選知識序列；通過集成融合器對預(yù)定學(xué)習(xí)路徑中目標(biāo)周期的目標(biāo)預(yù)定知識與候選知識序列進(jìn)行知識融合分析，得到目標(biāo)知識序列；結(jié)合目標(biāo)知識序列與目標(biāo)周期對預(yù)定學(xué)習(xí)路徑進(jìn)行動態(tài)調(diào)整，生成目標(biāo)學(xué)員的目標(biāo)動態(tài)學(xué)習(xí)路徑。本發(fā)明解決現(xiàn)有技術(shù)無法根據(jù)學(xué)員的實(shí)時(shí)學(xué)習(xí)情況進(jìn)行后續(xù)學(xué)習(xí)路徑的智能化動態(tài)調(diào)整，導(dǎo)致學(xué)員的學(xué)習(xí)過程針對性不強(qiáng)，學(xué)習(xí)質(zhì)量和效果不理想，效率低下的技術(shù)問題，通過獲取預(yù)定學(xué)習(xí)路徑和rag模型，利用多模態(tài)檢索器分析學(xué)員的動態(tài)學(xué)習(xí)畫像，獲取實(shí)時(shí)學(xué)習(xí)狀態(tài)，然后將學(xué)習(xí)狀態(tài)與預(yù)定知識庫對比，生成候選知識序列，通過集成融合器對預(yù)定學(xué)習(xí)路徑和候選知識進(jìn)行融合，生成目標(biāo)知識序列，并對學(xué)習(xí)路徑進(jìn)行動態(tài)調(diào)整，最終生成個(gè)性化的動態(tài)學(xué)習(xí)路徑，達(dá)到提升學(xué)習(xí)路徑的個(gè)性化和靈活性，提高學(xué)員學(xué)習(xí)整體效果的技術(shù)效果。

技術(shù)特征：

1.基于rag的大語言模型學(xué)習(xí)路徑動態(tài)生成優(yōu)化方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述基于rag的大語言模型學(xué)習(xí)路徑動態(tài)生成優(yōu)化方法，其特征在于，包括：

3.根據(jù)權(quán)利要求2所述基于rag的大語言模型學(xué)習(xí)路徑動態(tài)生成優(yōu)化方法，其特征在于，包括：

4.根據(jù)權(quán)利要求1所述基于rag的大語言模型學(xué)習(xí)路徑動態(tài)生成優(yōu)化方法，其特征在于，包括：

5.根據(jù)權(quán)利要求4所述基于rag的大語言模型學(xué)習(xí)路徑動態(tài)生成優(yōu)化方法，其特征在于，包括：

6.根據(jù)權(quán)利要求1所述基于rag的大語言模型學(xué)習(xí)路徑動態(tài)生成優(yōu)化方法，其特征在于，包括：

7.根據(jù)權(quán)利要求1所述基于rag的大語言模型學(xué)習(xí)路徑動態(tài)生成優(yōu)化方法，其特征在于，還包括：

8.根據(jù)權(quán)利要求7所述基于rag的大語言模型學(xué)習(xí)路徑動態(tài)生成優(yōu)化方法，其特征在于，所述預(yù)定學(xué)習(xí)目標(biāo)包括學(xué)習(xí)感受目標(biāo)、學(xué)習(xí)領(lǐng)域目標(biāo)、學(xué)習(xí)知識量目標(biāo)。

技術(shù)總結(jié)
本發(fā)明公開了基于RAG的大語言模型學(xué)習(xí)路徑動態(tài)生成優(yōu)化方法，涉及數(shù)據(jù)處理技術(shù)領(lǐng)域，包括：獲取預(yù)定學(xué)習(xí)大綱中的預(yù)定學(xué)習(xí)路徑；獲取RAG模型；對目標(biāo)動態(tài)學(xué)習(xí)畫像進(jìn)行信息檢索分析得到目標(biāo)實(shí)時(shí)學(xué)習(xí)狀態(tài)，并與預(yù)定知識庫進(jìn)行相關(guān)性對比分析得到候選知識序列；對目標(biāo)預(yù)定知識與候選知識序列進(jìn)行知識融合分析，得到目標(biāo)知識序列，結(jié)合目標(biāo)周期對預(yù)定學(xué)習(xí)路徑進(jìn)行動態(tài)調(diào)整，生成目標(biāo)學(xué)員的目標(biāo)動態(tài)學(xué)習(xí)路徑。本發(fā)明解決現(xiàn)有技術(shù)無法根據(jù)學(xué)員的實(shí)時(shí)學(xué)習(xí)情況進(jìn)行后續(xù)學(xué)習(xí)路徑的智能化動態(tài)調(diào)整，導(dǎo)致學(xué)員的學(xué)習(xí)過程針對性不強(qiáng)，學(xué)習(xí)質(zhì)量和效果不理想，效率低下的技術(shù)問題，達(dá)到提升學(xué)習(xí)路徑的個(gè)性化和靈活性，提高學(xué)員學(xué)習(xí)整體效果的技術(shù)效果。

技術(shù)研發(fā)人員：王亦晨,毛昭勇,沈鈞戈,譚浩聲,王鑫
受保護(hù)的技術(shù)使用者：西北工業(yè)大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/23