[發明專利]作業定制方法及系統

在審

• 申請號: 201910577875.0
• 申請日: 2019-06-28
• 公開（公告）號: CN110309201A
• 公開（公告）日: 2019-10-08
• 發明（設計）人: 田雪松;吳麗蘇;丁國柱
• 申請（專利權）人: 廣州云蝶科技有限公司
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06F16/28;G06Q50/20
• 代理公司: 北京慧誠智道知識產權代理事務所(特殊普通合伙) 11539
• 代理人: 李楠

1.一種作業定制方法，其特征在于，所述方法包括：

接收多個課堂智能交互器發送的原始課堂答題數據，所述課堂智能交互器的ID與用戶賬號綁定；所述原始課堂答題數據包括從題庫數據庫中選取的多個題目、每個題目的答案、每個題目的答題對錯和每個題目的答題時間；

對所述原始課堂答題數據進行預處理，得到課堂答題數據；

對所述課堂答題數據進行降維處理，得到關鍵特征數據；

對所述關鍵特征數據進行分類和聚類，得到第一分類結果的第一聚類結果；

根據第一聚類結果，確定各個用戶的知識點掌握程度；

根據各個用戶的知識點掌握程度，向用戶賬號對應的終端推送個性化的作業。

2.根據權利要求1所述的方法，其特征在于，所述關鍵特征數據包括用戶做題數量、做題時間、答題的準確率、相近或重復內容的出錯率、用戶預備知識水平。

3.根據權利要求1所述的方法，其特征在于，所述對所述原始課堂答題數據進行預處理，得到課堂答題數據具體包括：

將所述原始課堂答題數據中，清除答案缺省、題目重復的題目，得到課堂答題數據。

4.根據權利要求1所述的方法，其特征在于，所述對所述課堂答題數據進行降維處理，得到關鍵特征數據具體包括：

用多維矩陣表示所述課堂答題數據；

通過奇異值分解SVD算法，將所述多維矩陣壓縮，提取關鍵特征數據。

5.根據權利要求1所述的方法，其特征在于，所述對所述關鍵特征數據進行分類和聚類，得到用戶對不同知識點的掌握程度，具體包括：

根據決策樹模型，對所述關鍵特征數據進行分類，得到第一分類結果；

根據K均值算法，將所述第一分類結果中相近的類別進行聚類，得到第一聚類結果。

6.根據權利要求1所述的方法，其特征在于，所述對所述課堂答題數據進行特征提取，得到所述課堂答題數據的原始特征數據之后，還包括：

將所述原始特征數據作為輸入點，形成高斯分布的多個樣本；

利用累計分布函數，計算所述多個樣本中每個樣本的分數均值，從而得到每個樣本的輸出結果；

根據每個樣本的輸出結果，調整所述課堂智能交互器中題目的難度系數。

7.根據權利要求6所述的方法，其特征在于，所述根據第一聚類結果，確定各個用戶的知識點掌握程度之后，所述方法還包括：

根據調整后的課堂智能交互器中題目的難度系數，對用戶的知識點掌握程度進行評價；

將所述評價結果生成可視化界面并展示。

8.根據權利要求1所述的方法，其特征在于，得到題庫數據庫的步驟如下：

在教輔材料中，收集習題庫，建立基礎的數據資源庫；

對所述基礎的數據資源庫通過分詞算法進行細分，得到多個知識點下的題目；

提取與教學內容相關的知識點的題目；

根據當前之前所述課堂智能交互器的原始課堂答題數據以及網絡答題數據，進行加權，得到所述知識點的題目的難度系數；

根據難度系數，對所述知識點的題目進行分類。

9.一種作業定制系統，其特征在于，所述作業定制系統包括：

接收單元，所述接收單元用于接收多個課堂智能交互器發送的原始課堂答題數據，所述課堂智能交互器的ID與用戶賬號綁定；所述原始課堂答題數據包括從題庫數據庫中選取的多個題目、每個題目的答案、每個題目的答題對錯和每個題目的答題時間；

處理單元，所述處理單元用于對所述原始課堂答題數據進行預處理，得到課堂答題數據；

特征提取單元，所述特征提取單元用于對所述課堂答題特征數據進行降維處理，得到關鍵特征數據；

分類聚類單元，所述分類聚類單元用于對所述關鍵特征數據進行分類和聚類，得到第一分類結果的第一聚類結果；

確定單元，所述確定單元用于根據第一聚類結果，確定各個用戶的知識點掌握程度；

推送單元，所述推送單元用于根據各個用戶的知識點掌握程度，向用戶賬號對應的終端推送個性化的作業。