[發(fā)明專利]一種基于聚類算法的學科題目知識點推薦方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202110039634.8
• 申請日: 2021-01-13
• 公開（公告）號: CN112699308A
• 公開（公告）日: 2021-04-23
• 發(fā)明（設計）人: 張月鮮
• 申請（專利權(quán)）人: 敖客星云（北京）科技發(fā)展有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/958;G06K9/62
• 代理公司: 北京清控智云知識產(chǎn)權(quán)代理事務所(特殊普通合伙) 11919
• 代理人: 管士濤

1.一種基于聚類算法的學科題目知識點推薦方法，其特征在于：所述方法包括：

S1，獲取學科歷史教學信息；

S2，采用聚類算法一對所述學科歷史教學信息進行聚類處理，以提取出對應的學科題目知識點以構(gòu)成學科知識點集合一；

S3，獲取學科實時教學信息，采用聚類算法二對所述學科歷史教學信息進行聚類處理，以提取出對應的學科題目知識點以構(gòu)成學科知識點集合二；

S4，將所述學科知識點集合一和所述學科知識點集合二融合為學科知識點集合。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于：所述學科歷史教學信息為以往學年的學科教學信息。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于：所述學科實時教學信息為當前學年的教學信息。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于：所述將所述學科知識點集合一和所述學科知識點集合二融合為學科知識點集合，包括：

基于章節(jié)對所述學科知識點集合一和所述學科知識點集合二分別進行分組，提取出所述學科知識點集合二與所述學科知識點集合一存在重合的分組知識點的所屬章節(jié)，將所述學科知識點集合一中對應章節(jié)的分組知識點替換為所述學科知識點集合二中相同章節(jié)的分組知識點。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于：還獲取若干年份的考試真題信息，采用聚類算法三提取出知識點集合三，并基于所述知識點集合三繪制各知識點的考評趨勢圖，基于所述考評趨勢圖確定各知識點的重要度標簽；

所述將所述學科知識點集合一中對應章節(jié)的分組知識點替換為所述學科知識點集合二中相同章節(jié)的分組知識點，包括：

基于所述重要度標簽來重新確定所述學科知識點集合二中相同章節(jié)的分組知識點。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于：所述重要度標簽包括：逐漸加強、逐漸減弱、相對穩(wěn)定。

所述基于所述重要度標簽來重新確定所述學科知識點集合二中相同章節(jié)的分組知識點，包括：

若所述重要度標簽為逐漸加強或相對穩(wěn)定，則保留該知識點于該章節(jié)分組中；若所述重要度標簽為逐漸減弱，則將該知識點從該章節(jié)分組中刪除。

7.根據(jù)權(quán)利要求1-6任一項所述的方法，其特征在于：所述聚類算法一、所述聚類算法二、所述聚類算法三為K-means聚類算法、均值漂移聚類算法、DBSCAN聚類算法、凝聚層次聚類算法、混合高斯模型的最大期望聚類算法中的一種或多種。

8.一種學科題目知識點推薦系統(tǒng)，所述系統(tǒng)包括第一獲取模塊、第一提取模塊、第二獲取模塊、第二提取模塊、融合模塊，包括：

第一獲取模塊，用于獲取學科歷史教學信息；

第一提取模塊，用于采用聚類算法一對所述學科歷史教學信息進行聚類處理，以提取出對應的學科題目知識點以構(gòu)成學科知識點集合一；

第二獲取模塊，用于獲取學科實時教學信息；

第二提取模塊，用于采用聚類算法二對所述學科歷史教學信息進行聚類處理，以提取出對應的學科題目知識點以構(gòu)成學科知識點集合二；

融合模塊，用于將所述學科知識點集合一和所述學科知識點集合二融合為學科知識點集合。

9.一種電子設備，其特征在于，所述設備包括：

存儲有可執(zhí)行程序代碼的存儲器；

與所述存儲器耦合的處理器；

所述處理器調(diào)用所述存儲器中存儲的所述可執(zhí)行程序代碼，執(zhí)行如權(quán)利要求1-7任一項所述的方法。

10.一種計算機存儲介質(zhì)，其特征在于，所述存儲介質(zhì)存儲有計算機指令，所述計算機指令被調(diào)用時，用于執(zhí)行如權(quán)利要求1-7任一項所述的方法。