[發明專利]一種利用機器學習模型的個性化題目推薦方法及系統

有效

• 申請號: 202011505959.2
• 申請日: 2020-12-18
• 公開（公告）號: CN112232610B
• 公開（公告）日: 2021-03-19
• 發明（設計）人: 許利寧
• 申請（專利權）人: 北京幾原科技有限責任公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/20;G06N20/00;G06F16/9535;G09B7/04
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 侯天印;楊丹

1.一種利用機器學習模型的個性化題目推薦方法，其特征在于，該方法包括：

根據學生的生疏知識點、學生的錯題本及與學生具有一定相似性的其他學生的錯題本，采集學生的相關題目；

對相關題目進行過濾，其中，過濾掉知識點超綱、學生近期已經做過及難度系數大于設定閾值的題目；

根據過濾后的剩余題目，建立題庫；

以學生特征、題目特征及學生和題目的交叉特征作為輸入樣本對模型進行訓練，得到DNN模型；其中，學生特征至少包括：每個知識點的掌握情況、學生自控力及學生本科目歷史上的成績；題目特征至少包括：題目的embedding向量特征、題目的類別、題目的難易程度及題目所屬的知識點在考試中出現的概率；

利用DNN模型對所述題庫中每個題目進行多目標預估；其中，預估的目標至少包括：每個題目對應的做錯的概率及需要花費的時間；

根據做錯的概率、需要花費的時間及每個題目對學生總分的貢獻值，對題庫中的題目進行評分，選取評分由高到低排序中的第一數量的題目，建立第一題目集合；所述評分的計算式為：

S=(W×P_err×E）/T；

其中，S為題目的評分；P_err為做錯的概率；T為需要花費的時間；W為題目的重要程度，由老師標注，或通過題目包含的知識點標簽及知識點在高考中的重要程度計算出來；E為每個題目對學生總分的貢獻值，由題目對應的知識點在歷史上的考試中出現的頻次得到；

分別在每項預估的目標下對所述第一題目集合中的題目進行排序，將對應的排名轉換為分值進行融合排序；

在融合排序結果中按照設置的選題因素選取第二數量的題目推薦給學生。

2.根據權利要求1所述的利用機器學習模型的個性化題目推薦方法，其特征在于，該方法還包括：

獲取學生對所述第二數量的題目的解答情況，更新所述題庫。

3.根據權利要求1所述的利用機器學習模型的個性化題目推薦方法，其特征在于，分別在每項預估的目標下對所述第一題目集合中的題目進行排序，將對應的排名轉換為分值進行融合排序，包括：

在學生選擇去做的概率、做錯的概率、需要花費的時間及學生求助老師的概率的目標下，分別對所述第一題目集合中的題目進行排序，獲得每個題目在目標排序中的排名；

將排名轉換為分值，計算式為：

S_rank=∑1/(rank_smooth +rank_i)；

其中，S_rank為排名轉換的分值；rank_smooth為平滑參數，為預設的固定值；rank_i為題目在目標排序中的排名；

將題目的全部目標對應的分值進行求和，得到總得分，并將總得分由高到低進行排序。

4.根據權利要求3所述的利用機器學習模型的個性化題目推薦方法，其特征在于，在融合排序結果中按照設置的選題因素選取第二數量的題目推薦給學生，包括：

在總得分由高到低的排序中，按照題目類型相同、題目對應的知識點一致及與學生未做過在內的一個選題因素或多個選題因素的組合，選取第二數量的題目并將題目推薦給學生。