(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211110211.1 (22)申请日 2022.09.13 (71)申请人 北京语言大 学 地址 100000 北京市海淀区学院路15号 (72)发明人 刘颖滨　 (74)专利代理 机构 北京智沃 律师事务所 1 1620 专利代理师 梁晨 (51)Int.Cl. G06F 16/35(2019.01) G06K 9/62(2022.01) G06F 40/30(2020.01) G06F 40/20(2020.01) G06Q 50/20(2012.01) (54)发明名称 一种基于聚类方法的语言要素相似度计算 方法 (57)摘要 本发明提供一种基于聚类方法的语言要素 相似度计算方法， 首先对构成语言要素的拼音、 字形、 词义等属性进行聚类运算； 然后根据两个 语言要素的某个属性向量之间的距离来计算相 似度； 之后在聚类运算的类别内部， 通过将学生 学习情况的统计数据进行量化并对相似度进行 修正得出最终结果， 这些统计数据包括但不限于 学生的过往测验成绩等。 权利要求书2页 说明书4页 附图2页 CN 115357717 A 2022.11.18 CN 115357717 A 1.一种基于聚类方法的语言要素相似度计算方法， 包括下列步骤： S1： 对于设定的语言要素集合， 整理包括拼音、 字形、 词义的各语言要素的属性数据并 生成各语言要素的特 征向量， 对特 征分量进行加权平均运 算， 生成嵌入向量； S2： 针对语言要素集合内的各语言要素的嵌入向量， 进行层次聚类运算， 通过计算不同 嵌入向量间的距离来创建一棵有层次的嵌套聚类树； S3： 对于同一簇内部的语言要素生成距离矩阵， 距离计算采用马氏距离以体现不同维 度之间的依存关系， 最终的计算结果形成为设定的语言要素集合的距离矩阵， 其中的某一 行即为相应 语言要素的距离向量； S4： 生成教学场景相关的学情矩阵， 所述学情矩阵的行和列均为当前进行运算语言要 素集合中的所有嵌入向量； S5： 对于给定语言要素的距离向量和学情向量， 计算相似度并按照数值进行排序， 数值 越小表明相似度越高； S6： 应用相似度数值生成练习题目， 统计偏误信息 并修改学情矩阵， 并通过步骤S1～S4 不断迭代。 2.根据权利要求1所述的基于聚类方法的语言要素相似度计算方法， 其特征在于： 步骤 S1中， 所述特 征向量采用PCA算法进行降维操作， 也可从已有教学资源中获取。 3.根据权利要求1所述的基于聚类方法的语言要素相似度计算方法， 其特征在于： 步骤 S1中， 当前语言要 素为词汇， 则将词汇中的单字的嵌入向量顺序拼合， 从而生成表示该词汇 的最终嵌入向量。 4.根据权利要求1所述的基于聚类方法的语言要素相似度计算方法， 其特征在于： 步骤 S2中， 采用凝聚方法先将 每个嵌入向量看成一个簇， 然后找出距离最小的两个簇进 行合并， 不断重复直到所有嵌入向量归 入到某个簇中。 5.根据权利要求1所述的基于聚类方法的语言要素相似度计算方法， 其特征在于： 步骤 S2中， 在聚类过程中， 能够采用最短距离、 均值距离和重心 距离作为度量标准。 6.根据权利要求1所述的基于聚类方法的语言要素相似度计算方法， 其特征在于： 步骤 S3中， 针对聚类后的某个簇， 其距离矩阵的定义 为： 其中， ci 和 分别为两个语言要素的嵌入向量， 二者 之间的距离为欧式距 离。 Aij中的 一行 即为针对 的距离向量。 7.根据权利要求1所述的基于聚类方法的语言要素相似度计算方法， 其特征在于： 步骤 S4中， 学情矩阵的行列设置和维度与距离矩阵相同。 8.根据权利要求1所述的基于聚类方法的语言要素相似度计算方法， 其特征在于： 步骤 S4中， 学情矩阵中的一行 即为针对 的学情向量， 作为缩放因子针对 和 之间的相似 度数值作出调整， 缩放因子的取值根据具体的教学场景进行人工设定或程序运算得出。 最 终的相似度计算公式为： 权　利　要　求　书 1/2 页 2 CN 115357717 A 2其中， 相似度为 后面表示将该语言要素所对应的距离向量aij与学情向量bij作点 积运算， i和j表示自然。权　利　要　求　书 2/2 页 3 CN 115357717 A 3