技术摘要：
本发明提供了用于人工智能学习模式的数据存储系统与方法，该用于人工智能学习模式的数据存储系统与方法通过对人工智能学习场景的运行进行实时跟踪记录，以提高获得的人工智能学习运行数据的时效性和真实性，并且还通过对数据进行筛选来提高筛选后的数据与人工智能学习  全部
背景技术：
目前，人工智能学习技术广泛应用于教学和科研等不同领域中，而人工智能学习 技术通常是基于大数据来实现，在教学和科研等相关领域中，相应的教学大数据和科研大 数据的数据量巨大并且数据结构复杂多变，为了保证在教学和科研等相关领域中人工智能 学习技术的正常应用，需要有相当数量和更新度的数据进行支撑，这就对用于人工智能学 习模式的数据存储提出了较高的要求。而现有的数据存储系统只是通过单一的方式对数据 进行无任何预处理的存储，这种存储方式虽然能够最大限度地保证数据的真实性，但是并 不能提高数据的存储效率，也不能最大限度地对优化对数据的计算转换。可见，现有的数据 存储方式并不能满足人工智能学习模式对大数据的存储和利用需求。
技术实现要素：
针对现有技术存在的缺陷，本发明提供用于人工智能学习模式的数据存储系统与 方法，该用于人工智能学习模式的数据存储系统与方法通过对人工智能学习场景运行状态 的跟踪记录结果，获得相应的人工智能学习运行数据，并根据当前人工智能学习模式对应 的学习需求内容，对该人工智能学习运行数据进行筛选，以及将该筛选得到的人工智能学 习运行数据按照所述跟踪记录的时序进行排列，并存储到相应的云端数据库和对存储其中 的人工智能学习运行数据进行更新；可见，该用于人工智能学习模式的数据存储系统与方 法通过对人工智能学习场景的运行进行实时跟踪记录，以提高获得的人工智能学习运行数 据的时效性和真实性，并且还通过对数据进行筛选来提高筛选后的数据与人工智能学习模 式的学习需求内容的匹配性，以及通过对筛选后的数据进行关于跟踪记录时序的排列和云 端存储，从而提高对相关数据的存储效率和后续数据利用的便捷性。 本发明提供用于人工智能学习模式的数据存储系统，其特征在于： 所述用于人工智能学习模式的数据存储系统包括数据获取模块、数据筛选模块、 数据排列与存储模块和数据更新模块；其中， 所述数据获取模块用于根据对人工智能学习场景运行状态的跟踪记录结果，获得 相应的人工智能学习运行数据； 所述数据筛选模块用于根据当前人工智能学习模式对应的学习需求内容，对所述 人工智能学习运行数据进行筛选； 所述数据排列与存储模块用于将所述筛选得到的人工智能学习运行数据按照所 述跟踪记录的时序进行排列，并存储到相应的云端数据库； 所述数据更新模块用于对所述云端数据库中的人工智能学习运行数据进行更新； 进一步，所述数据获取模块包括学习场景区块划分子模块、学习内容/学习进度跟 6 CN 111611406 A 说　明　书 2/10 页 踪记录子模块和坏点数据剔除子模块；其中， 所述学习场景区块划分子模块用于根据所述人工智能学习的知识学习图谱层次， 对所述人工智能学习场景进行关于若干学习场景区块的划分； 所述学习内容/学习进度跟踪记录子模块用于对所述划分得到的每一个学习场景 区块，进行关于人工智能学习内容和/或人工智能学习进度的跟踪记录，以此获得相应得到 人工智能学习内容数据集合和/或人工智能学习进度数据集合； 所述坏点数据剔除子模块用于对所述人工智能学习内容数据集合和/或所述人工 智能学习进度数据集合进行坏点数据剔除处理，以此得到所述人工智能学习运行数据； 进一步，所述数据筛选模块包括筛选标准确定子模块和定向筛选子模块；其中， 所述筛选标准确定子模块用于根据当前人工智能学习模式在学习文理科目内容 和/或学习内容难度级别上的需求信息，生成相应的学习需求吻合度评判标准； 所述定向筛选子模块用于根据所述学习需求吻合度评判标准，对所述人工智能学 习运行数据进行定向筛选处理，以此获得匹配于当前人工智能学习模式关于学习文理科目 内容和/或学习内容难度级别需求的目标人工智能学习运行数据； 进一步，所述数据排列与存储模块包括映射关系构建子模块、排列操作子模块和 存储操作子模块；其中， 所述映射关系构建子模块用于构建关于所述跟踪记录对应的完整记录时序序列 信息与所述筛选得到的目标人工智能学习数据之间的映射关系； 所述排列操作子模块用于根据所述映射关系，对所述目标人工智能学习数据按照 跟踪记录的先后时序顺序进行排列； 所述存储操作子模块用于将排列后的所述目标人工智能学习数据存储到所述云 端数据库； 进一步，所述数据更新模块包括数据获取时刻确定子模块和更新操作子模块；其 中， 所述数据获取时刻确定子模块用于获取所述云端数据库中最早存储的人工智能 学习运行数据对应的数据获取时刻； 所述更新操作子模块用于在所述数据获取时间与当前时刻之间的时间差超出预 定时间差阈值时，触发所述数据获取模块、所述数据筛选模块、所述数据排列与存储模块依 次运行，以实现对所述云端数据库的数据更新； 进一步，所述数据排列与存储模块用于将所述筛选得到的人工智能学习运行数据 按照所述跟踪记录的时序进行排列，并存储到相应的云端数据库，其具体实现步骤如下： 步骤A1，根据所述数据获取模块所述学习场景区的具体授课课程信息，并对科目 与课程章节进行初步分类处理，以获取初步知识学习图谱层次信息； 步骤A2，根据所述获取的初步知识学习图谱层次信息，通过关键参数组合以及下 面公式(1)，以划分若干学习场景区块 在上述公式(1)，ln为以自然常数e为底的对数函数，M所述人工智能学习场景中各 7 CN 111611406 A 说　明　书 3/10 页 科目的类别编号，N为所述人工智能学习场景中各数据节点的数量，s为人工智能学习场景 中各数据节点的序号，ts为人工智能学习场景中各数据节点的序号为s所对应的学习时长， t0为人工智能学习场景开展学习所对应的初始数据节点，r为人工智能学习场景各数据节 点的难度系数，其取值范围为[1，22]，w为数据学习权限等级，wr为人工智能学习场景各数 据节点的难度系数为r所对应的数据学习权限等级，w1为人工智能学习场景数据节点难度 系数为1所对应的初级数据学习权限等级，Q(ts,wr)为划分若干学习场景区块； 步骤A3、根据所述映射关系构建子模块，构建所述跟踪记录对应的完整记录时序 序列信息，通过下面公式(2)对应的线性变化处理，获取目标人工智能学习数据之间的映射 关系 在上述公式(2)中，exp为以自然常数e为底的指数函数，K为所述各区块学习场景 的完整记录时序序列信息，i为所述各区块学习场景的序列编号，xi为所述各区块学习场景 的序列编号为i所对应的数据节点总数，ar为所述各区块学习场景中不同难度系数的数据 节点学习完成率，j为所述各区块学习场景中各数据节点的时间坐标，yj为所述各区块学习 场景中各数据节点的时间坐标为j所对应的数据节点学习进度信息，br为所述各区块学习 场景中不同难度系数的数据节点的测试通过率，Q(xi(ar,1))为所述各区块学习场景中已完 成的数据节点总数，Q(yj(br,0))为所述各区块学习场景中未通过测试的数据节点总数，P (xi(ar) ,yj(br))为根据所述各数据节点学习顺序，根据学习进度及测试通过率，获取目标 人工智能学习数据之间的映射关系； 步骤A4、通过下面公式(3)，将所述步骤A3获取的目标人工智能学习数据之间的映 射关系与云端数据库进行比对，根据比对结果，执行将按照所述跟踪记录的时序进行排列 的人工智能学习运行数据存储到相应的云端数据库的操作 在上述公式(3)中，l为所述云端数据库中运行数据的预设排序编号，zl为所述云 端数据库中运行数据的预设排序编号为l所对应的运行数据信息，u为所述云端数据库中运 行数据的数据学习权限等级，ou为所述云端数据库中运行数据的数据学习权限等级为u所 对应的各课程进度信息，D(zl,ou)为所述云端数据库预设运行数据及对应的数据学习权限 等级信息，C(k)为将根据跟踪记录的时序进行排列的人工智能学习运行数据与云端数据库 进行比对，若C(k)不为1，表示人工智能学习运行数据存在变动，执行将按照所述跟踪记录 的时序进行排列的人工智能学习运行数据存储到相应的云端数据库的操作。 本发明还提供用于人工智能学习模式的数据存储方法，其特征在于，所述用于人 工智能学习模式的数据存储方法包括如下步骤： 步骤S1，对人工智能学习场景运行状态进行跟踪记录，以获得相应的人工智能学 习运行数据； 8 CN 111611406 A 说　明　书 4/10 页 步骤S2，根据当前人工智能学习模式对应的学习需求内容，对所述人工智能学习 运行数据进行筛选； 步骤S3，将所述筛选得到的人工智能学习运行数据按照所述跟踪记录的时序进行 排列，并存储到相应的云端数据库； 步骤S4，对所述云端数据库中的人工智能学习运行数据进行更新； 进一步，在所述步骤S1中，对人工智能学习场景运行状态进行跟踪记录，以获得相 应的人工智能学习运行数据具体包括， 步骤S101，根据所述人工智能学习的知识学习图谱层次，对所述人工智能学习场 景进行关于若干学习场景区块的划分； 步骤S102，对所述划分得到的每一个学习场景区块，进行关于人工智能学习内容 和/或人工智能学习进度的跟踪记录，以此获得相应得到人工智能学习内容数据集合和/或 人工智能学习进度数据集合； 步骤S103，对所述人工智能学习内容数据集合和/或所述人工智能学习进度数据 集合进行坏点数据剔除处理，以此得到所述人工智能学习运行数据； 或者， 在所述步骤S2中，根据当前人工智能学习模式对应的学习需求内容，对所述人工 智能学习运行数据进行筛选具体包括， 步骤S201，获取当前人工智能学习模式在学习文理科目内容和/或学习内容难度 级别上的需求信息，并根据所述需求信息生成相应的学习需求吻合度评判标准； 步骤S202，根据所述学习需求吻合度评判标准，对所述人工智能学习运行数据进 行定向筛选处理，以此获得匹配于当前人工智能学习模式关于学习文理科目内容和/或学 习内容难度级别需求的目标人工智能学习运行数据； 进一步，在所述步骤S3中，将所述筛选得到的人工智能学习运行数据按照所述跟 踪记录的时序进行排列，并存储到相应的云端数据库具体包括， 步骤S301，获取对人工智能学习场景运行状态进行跟踪记录的完整记录时序序列 信息； 步骤S302，构建关于所述完整记录时序序列信息与所述筛选得到的目标人工智能 学习数据之间的映射关系； 步骤S303，根据所述映射关系，对所述目标人工智能学习数据按照跟踪记录的先 后时序顺序进行排列，并将排列后的所述目标人工智能学习数据存储到所述云端数据库； 进一步，在所述步骤S4中，对所述云端数据库中的人工智能学习运行数据进行更 新具体包括， 步骤S401，获取所述云端数据库中最早存储的人工智能学习运行数据对应的数据 获取时刻； 步骤S402，判断所述数据获取时间与当前时刻之间的时间差是否超出预定时间差 阈值，若是，则再一次执行所述步骤S1-S3，以实现对所述云端数据库的数据更新，若否，则 维持所述云端数据当前的数据存储状态不变。 相比于现有技术，该用于人工智能学习模式的数据存储系统与方法通过对人工智 能学习场景运行状态的跟踪记录结果，获得相应的人工智能学习运行数据，并根据当前人 9 CN 111611406 A 说　明　书 5/10 页 工智能学习模式对应的学习需求内容，对所述人工智能学习运行数据进行筛选，以及将所 述筛选得到的人工智能学习运行数据按照所述跟踪记录的时序进行排列，并存储到相应的 云端数据库和对存储其中的人工智能学习运行数据进行更新；可见，该用于人工智能学习 模式的数据存储系统与方法通过对人工智能学习场景的运行进行实时跟踪记录，以提高获 得的人工智能学习运行数据的时效性和真实性，并且还通过对数据进行筛选来提高筛选后 的数据与人工智能学习模式的学习需求内容的匹配性，以及通过对筛选后的数据进行关于 跟踪记录时序的排列和云端存储，从而提高对相关数据的存储效率和后续数据利用的便捷 性。 本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变 得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明 书、权利要求书、以及附图中所特别指出的结构来实现和获得。 下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。 附图说明 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本 发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以 根据这些附图获得其他的附图。 图1为本发明提供的用于人工智能学习模式的数据存储系统的结构示意图。 图2为本发明提供的用于人工智能学习模式的数据存储方法的流程示意图。