[發明專利]一種基于知識圖譜的個性化試題推薦方法

在審

• 申請號: 202110283054.3
• 申請日: 2021-03-16
• 公開（公告）號: CN113127731A
• 公開（公告）日: 2021-07-16
• 發明（設計）人: 王磊;黨小春
• 申請（專利權）人: 西安理工大學
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/36;G06N5/02;G06Q50/20
• 代理公司: 西安弘理專利事務所 61214
• 代理人: 寧文濤

本發明公開了一種基于知識圖譜的個性化試題推薦方法，具體為：知識圖譜構建，然后爬取網絡中對應領域的試題作為試題庫，并對試題庫中的試題通過人工分析試題所考察的知識點，將試題對應到知識圖譜中，從而將考查知識點與試題對應起來；根據學習者的學習目標和知識圖譜，映射出每一個學習者的個性化知識子圖；獲取學習者知識點的當前認知水平；計算知識點的親密度；基于學習者對目標知識點的認知水平與知識點的親密度實現個性化試題推薦。本發明的一種基于知識圖譜的個性化試題推薦方法，解決了現有技術中存在的無法考慮到推薦試題對應知識點間的關系的問題。

技術領域

本發明屬于智慧教育推薦方法技術領域，涉及一種基于知識圖譜的個性化試題推薦方法。

背景技術

隨著互聯網大數據的不斷發展，在線教育和智慧教育得到了迅速的發展，推薦系統也如雨后春筍般發展起來。在線教育打破時間和空間的限制，有效提高了學生的學習效率。這些推薦系統為學生提供了海量的練習試題來幫助學生對知識的檢驗和鞏固。在數據爆炸的時代，面對浩如煙海的試題資源，學生在有限的時間內練習完所有相關的試題是不可能的。如何讓學生在有限時間內練習適合個體認知水平和發展的試題是一個重要的研究課題。

推薦系統這一思想是在1994年被Resnick等人引入的，推薦算法是推薦系統的核心，目前的推薦算法主要被分為基于內容的推薦算法、基于協同過濾的推薦算法和混合推薦算法。協同過濾算法是這三類推薦算法中最簡單易懂且應用最廣泛的推薦算法，尤其在電子商務領域的應用效果特別顯著。近些年，有學者將學生對象看作電子商務中的用戶，試題看作商品，學生在測試試題后的得分看作用戶對商品的評分，使用協同過濾推薦算法進行學生的得分預測。還有學者使用基于近鄰和模型的協同過濾來預測學生在試題上的得分。雖然協同過濾算法普適性高，但是其旨在通過學生答題的共性來預測學生的得分，忽略了學生的個性特征，同時協同過濾算法會遇到矩陣數據稀疏、冷啟動等問題。

在認知心理學中，認知診斷模型從知識層面對學生的認知狀態進行了很好的建模，因此基于認知診斷的計算機自適應測試為個性化試題推薦提供了新的思路。系統根據受試者當前題目作答情況自適應地動態調整下一道試題，實施的反饋受試者的認知信息。朱天宇等提出了一種基于學生知識點掌握程度的協同過濾試題推薦方法，利用答題情況和知識點的關聯對學生實際知識水平進行建模，并將掌握水平用于概率矩陣以分解預測作答狀況，從而進行相應的試題推薦，一定程度上提高了解釋性和可靠性。齊斌等人提出基于協同過濾和認知診斷的試題推薦方法，設計了基于多級屬性評分的認知診斷模型，并利用該模型對被試者的答題情況進行建模；然后，將被試者的知識屬性掌握模式用于概率矩陣分解，預測被試者的潛在答題情況。上述提出兩種方案分別從個性和共性考慮完善推薦模型，但是卻沒有考慮到推薦試題對應知識點間的關系。

發明內容

本發明的目的是提供一種基于知識圖譜的個性化試題推薦方法，解決了現有技術中存在的無法考慮到推薦試題對應知識點間的關系的問題。

本發明所采用的技術方案是，一種基于知識圖譜的個性化試題推薦方法，具體按照如下步驟實施：

步驟1，構建對應領域的知識圖譜

根據推薦對象選擇對應的知識領域的電子課本構建知識點的本體結構，然后人工抽取本體結構中的實體、關系和屬性，實現知識圖譜初步構建，然后自頂向下人工構建對應領域的知識圖譜；

步驟2，爬取網絡中對應領域的試題作為試題庫，并對試題庫中的試題通過人工分析試題所考察的知識點，將試題對應到知識圖譜中，從而將考查知識點與試題對應起來；

步驟3，根據學習者的學習目標和知識圖譜，映射出每一個學習者的個性化知識子圖；

步驟4，獲取學習者知識點的當前認知水平；

步驟5，計算知識點的親密度；

步驟6，基于學習者對目標知識點的認知水平與知識點的親密度實現個性化試題推薦。