[發明專利]一種基于FP-Growth算法的試題知識點分析方法

在審

• 申請號: 201810465713.3
• 申請日: 2018-05-16
• 公開（公告）號: CN108804543A
• 公開（公告）日: 2018-11-13
• 發明（設計）人: 陸璐;廖飛
• 申請（專利權）人: 華南理工大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 陳宏升

1.一種基于FP-Growth算法的試題知識點分析方法，其特征在于，包括以下步驟：

1)獲取試題作答結果數據，并對其進行預處理，所述預處理包括數據清洗、數據有效性分析以及數據離散化處理；

2)進一步優化FP-Growth算法：通過使用項合并策略，對傳統FP-Growth算法中產生的FP-Tree進行剪枝，得到改進的FP-Growth算法；

3)設置算法最小支持度與最小置信度，運用改進的FP-Growth算法對預處理后的數據集進行迭代，根據運行結果找出試題之間的關聯性，進而對應獲知試題知識點之間的關聯規則；

4)依據所述試題知識點之間的關聯規則，為教師優化教學內容與改善教學策略、學生調整學習側重點提供決策依據，同時為師生提供相關聯試題的推薦功能。

2.根據權利要求1所述基于FP-Growth算法的試題知識點分析方法，其特征在于，步驟1)中，所述數據清洗具體為：對數據進行審查與校驗，填補空缺信息、刪除重復信息、糾正錯誤信息，并調整數據的結構來保證數據的一致性；

所述數據有效性分析具體為：首先計算數據的信度、效度指標，檢測數據的一致性、可靠性以及有效性，然后計算試題的難度系數，剔除一些難度系數超出設定閾值范圍內的試題；

所述數據離散化處理具體為：對所獲取的作答結果數據作離散化處理，將客觀題中正確的作答結果量化為1，錯誤的作答結果量化為0，主觀題中得分超過該題總分60％的作答結果視為作答準確，量化為1，得分低于該題總分60％的作答結果視為作答不準確，量化為0。

3.根據權利要求1所述基于FP-Growth算法的試題知識點分析方法，其特征在于，所述步驟2)，具體包括以下步驟：

2.1)掃描數據庫，找出頻繁項的集合，并得到他們的支持度計數；頻繁項的集合按照支持度計數的遞減序排序；

2.2)創建FP-Tree：首先，創建樹的根結點，標記為“null”；接下來再次掃描數據庫，每個事務中的項都按步驟2.1)中得到的排序依次插入頻繁模式樹，并對每個事務創建一個分枝，插入的同時記錄下每個事務項的頻數，即支持度；增加分枝時，沿共同前綴上的每個階段的計數增加1，為前綴之后的項創建結點和鏈；當所有的事務都插入完畢后，便得到了構建好的FP-Tree；

2.3)通過項合并策略對FP-Tree進行剪枝：自底向上遍歷生成的FP-Tree中每一個項的頭結點，再以該結點為后綴，得到包括該結點自身的所有前綴路徑；如果該路徑是單鏈的，則路徑上每個元素都可與此結點合并，生成頻繁項集，如果不是單鏈的話，則需要通過項合并策略來判斷是否存在可以進行合并的地方，是否能進行剪枝；如果能則剪枝后合并；

2.4)在步驟2.3)完成后得到的路徑中，以包含的所有后綴結點作為新的后綴結點，按照步驟2.2)中FP-Tree樹生成方式重新生成新的FP-Tree樹；

2.5)反復迭代步驟2.2)至步驟2.4)，直到所有項都只存在一條路徑為止，結束迭代。

4.根據權利要求1所述基于FP-Growth算法的試題知識點分析方法，其特征在于，所述步驟4)，具體包括以下步驟：

4.1)教師改良自身教學策略，著重加強規則中幾個知識點的講解與關聯教學，同時進行知識點的擴展講解，使得學生對教學授課內容的理解更透徹更深入，促進學生對授課知識點的掌握；

4.2)學生調整自身學習方針與側重點，根據所推薦相關聯試題加強有關知識點的理解與練習，鞏固在課堂中所學內容。