[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

本發明公開了一種利用機器學習模型的個性化題目推薦方法及系統，該方法包括：采集學生的相關題目，建立題庫，利用機器學習模型對所述題庫中每個題目進行多目標預估，根據預估的目標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，根據評分選取第一數量的題目，建立第一題目集合，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；本發明能夠為學生提供個性化的題目，實現最大化的做題效率，為提高成績提供有力的支持。

技術領域

本發明涉及互聯網教育技術領域，尤指一種利用機器學習模型的個性化題目推薦方法及系統。

背景技術

為提高考試成績，常采用“題海戰術”；學生通過多做題的方式，可以提高自己對知識點的掌握程度和題目的熟練程度。但是，有相當多的題目學生其實是沒必要做的。比如學生已經非常熟練三角函數的題目，那么就可以節省這類題目的做題數量，節省下時間去做其他更不熟悉的題目。

在現有技術中，針對學生做題的題目優化，往往是根據學生當前的總的知識水平化題目，或者是根據知識點對學生推薦題目，這類做法需要老師對每個待推薦的題目都有定義，而且只能人為區分幾類學生，沒法針對每個學生自己的不同情況進行題目篩選，即無法做到真正個性化為學生量身定制最適合自己的題庫。

綜上來看，亟需一種可以克服現有技術不足，可以為學生提供個性化題目推薦的技術方案。

發明內容

為克服現有技術存在的不足，本發明提出了一種利用機器學習模型的個性化題目推薦方法及系統，該方法及系統通過機器學習能夠找出題目之間的相似度，針對每個學生生成量身定制的題庫進行練習，避免出現只針對總成績劃分等級去做題的情況，同時避免只針對知識點去強化學生對該知識點的學習能力，而忽略了題目本身難度及題目有可能涵蓋多個知識點的情況，本發明能夠根據學生做題的情況定向為提供個性化的題目，提高學生的做題效率。

在本發明實施例的第一方面，提出了一種利用機器學習模型的個性化題目推薦方法，該方法包括：

采集學生的相關題目，建立題庫；

利用機器學習模型對所述題庫中每個題目進行多目標預估；

根據預估的目標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，根據評分選取第一數量的題目，建立第一題目集合；

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。

進一步的，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。

進一步的，采集學生的相關題目，建立題庫，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。

進一步的，利用機器學習模型對所述題庫中每個題目進行多目標預估，包括：

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；