[發明專利]一種基于用戶學習行為的個性化試題推薦方法

在審

• 申請號: 201811302272.1
• 申請日: 2018-11-02
• 公開（公告）號: CN109509126A
• 公開（公告）日: 2019-03-22
• 發明（設計）人: 吳迪;楊敏
• 申請（專利權）人: 中山大學
• 主分類號: G06Q50/20
• 分類號: G06Q50/20;G06Q10/06;G06Q10/04
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 林麗明

1.一種基于用戶學習行為的個性化試題推薦方法，其特征在于：所述該個性化試題推薦方法步驟如下：

步驟1：從在線教育平臺獲取用戶歷史做題數據、試題與知識點信息；

步驟2：根據用戶歷史做題數據構造用戶-試題得分矩陣R，根據試題與知識點之間的關聯構造試題-知識點關聯矩陣Q；基于矩陣R、矩陣Q構建用戶認知診斷模型，也即用戶知識點掌握矩陣A；

步驟3：基于矩陣A得到用戶-相鄰試題集，用戶-相鄰試題集表示從矩陣A中得出的相鄰用戶已做試題而目標用戶未做的試題集合；根據矩陣Q得到試題-相鄰試題集，試題-相鄰試題集表示利用皮爾遜相關系數從矩陣Q得到的相鄰試題集合；結合用戶-相鄰試題集和試題-相鄰試題集構建備選試題集；

步驟4：對矩陣R進行非負矩陣分解，將R矩陣分解為用戶和試題的隱含特征矩陣W、H，其中W∈R^U×D，H∈R^D×V，R＝WH，利用梯度下降法求出W和H矩陣的估計值；其中：U表示總的用戶數目；V為總的試題數目；D為某個小于U和V的整數；

步驟5：結合矩陣A，計算用戶在備選試題集的最終潛在作答情況：

η_uv＝ω₁μ_u+ω₂μ_v+ω₃R_uv

其中：

ω₁+ω₂+ω₃＝1

μ_u表示根據認知診斷情況對用戶p_u在試題t_v上的得分的預測結果；μ_v表示試題t_v的整體平均分；ω₁、ω₂、ω₃為計算潛在作答情況時的權值，分別表示μ_u、μ_v、R_uv在最終的潛在作答情況中所占的比重；q_vk表示試題t_v對知識點c_k的考察情況，即知識點c_k在試題t_v中所占的權重值；R_uv表示用戶p_u在試題t_v上的作答情況；α_uk表示用戶p_u對知識點c_k的掌握情況，α_uk＝1表示用戶p_u掌握了知識點c_k，α_uk＝0表示用戶p_u尚未掌握了知識點c_k；

步驟6：結合上一步得到的用戶潛在作答情況，從備選試題集當中推薦目標用戶自己選擇難度范圍(d1,d2)的試題給用戶。