[發明專利]一種試題資源推薦方法及系統

有效

• 申請號: 202210115429.X
• 申請日: 2022-02-07
• 公開（公告）號: CN114155124B
• 公開（公告）日: 2022-07-12
• 發明（設計）人: 馬玉玲;郭杰;李振
• 申請（專利權）人: 山東建筑大學
• 主分類號: G06F17/00
• 分類號: G06F17/00;G06Q50/20
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 閆圣娟

本發明公開一種試題資源推薦方法及系統，涉及數據處理技術領域，包括對多項課程中以往試題的答題表現數據和以往試題的考核知識點，采用訓練后的知識水平預測模型得到考核知識點的知識掌握水平；對待推薦試題進行考核知識點的標注和考核難度的標注，得到試題資源庫；對試題資源庫進行考核知識點的聚類，得到不同考核知識點的試題簇；對不同考核知識點的試題簇根據考核難度進行聚類，得到試題資源庫的分層聚類結果；根據考核知識點的知識掌握水平和試題資源庫的分層聚類結果，進行試題資源的推薦，得到試題集合；根據試題集合中考核知識點間的關系構建試題圖，對試題圖進行最優路徑的選擇，得到最優做題路徑。提高推薦的精準度，提高學習效率。

技術領域

本發明涉及數據處理技術領域，特別是涉及一種試題資源推薦方法及系統。

背景技術

傳統的試題統一練習、布置作業難以滿足學生的個性化學習需求。目前針對個性化教學的研究，部分研究采用電子商務中推薦系統的方法，把學生當作客戶，試題當作商品，利用學生相似度或試題相似度的方法給學生推薦試題。部分研究基于學生以往答題軌跡信息，利用知識追蹤技術（深度神經網絡，貝葉斯方法等）建模其知識狀態，并進一步推薦學習資源。部分研究根據學生的學習情況記錄進行認知診斷分析，以便了解學生的學習狀態、知識點掌握情況和粗心程度等，從而可以有針對性地開展個性化教學與輔導。部分研究同時考慮了被推薦學生學習的個性和群組學生學習的共性，在保證試題推薦解釋性的同時提高了試題推薦的可靠性。部分研究改進了協同過濾方法，將認知診斷結果與用戶相似度結合，基于習題的知識點、難度等為學習者提供個性化推薦。

但是，現有研究仍在所用數據上、建模方法上、資源推薦技術上存在一定的局限性。首先，在所用數據上，多數研究工作僅依賴于學生知識掌握水平進行個性化教學和學習資源推薦等工作，數據較為單一、固定且多為靜態數據。其次，建模方法上，多數研究往往對學生在多個方面的知識水平單獨建模，例如對語文、數學兩個科目單獨建立評估預測模型，這在一定程度上影響了模型準確性的進一步提升。最后，在資源推薦技術上，多數研究未對推薦資源作進一步的優化，影響所推薦的學習資源在真實教育場景中發揮作用。

發明內容

為了解決上述問題，本發明提出了一種試題資源推薦方法及系統，將多項課程的知識掌握水平在統一的框架下進行建模評測，且對待推薦試題，從考核知識點和考核難度兩方面進行分層聚類，最后基于試題推薦結果，定制最優的學習路徑，提高推薦的精準度，提高學習效率。

為了實現上述目的，本發明采用如下技術方案：

第一方面，本發明提供一種試題資源推薦方法，包括：

對多項課程中以往試題的答題表現數據和以往試題的考核知識點，采用訓練后的知識水平預測模型進行知識水平預測，得到考核知識點的知識掌握水平；

對待推薦試題進行考核知識點的標注和考核難度的標注，得到試題資源庫；

對試題資源庫進行考核知識點的聚類，得到不同考核知識點的試題簇；

對不同考核知識點的試題簇根據考核難度進行聚類，得到試題資源庫的分層聚類結果；

根據考核知識點的知識掌握水平和試題資源庫的分層聚類結果，進行試題資源的推薦，得到試題集合；

根據試題集合中考核知識點間的關系構建試題圖，對試題圖進行最優路徑的選擇，得到最優做題路徑。

作為可選擇的實施方式，所述答題表現數據包括考核知識點和得分信息。

作為可選擇的實施方式，對答題表現數據進行數據預處理，所述數據預處理包括：噪聲數據的刪除、空缺項的補全和稀疏數據的剔除。

作為可選擇的實施方式，所述知識水平預測模型基于時序神經網絡構建，對所述知識水平預測模型進行訓練時，學習兩方面的信息，包括對每項課程中考核知識點的知識掌握水平以及粗心和猜測的隱狀態變量。