[发明专利]基于深度学习的题目推荐方法、装置及存储介质

说明书

本发明涉及深度学习技术领域，提出一种基于深度学习和机器学习的题目推荐方法、装置及存储介质，其中的方法包括：获取用户历史做题数据，并将历史做题数据输入深度知识追踪模型，以获取用户对各知识点的掌握程度数据；根据用户对各知识点的掌握程度数据及各知识点的权重对各知识点进行排序，并根据排序结果获取目标知识点；基于用户对目标知识点的掌握程度数据，通过一参数对数模型获取用户对目标知识点下的各题目的正确作答几率；基于正确作答几率，对用户进行题目推荐。本发明通过学生做题的历史纪录计算学生对知识点的真正掌握度并对学生提供个性化题目推荐。

技术领域

本发明涉及深度学习技术领域，尤其涉及一种基于深度学习的题目推荐方法、装置及计算机可读存储介质。

背景技术

按照学习内容和学习方式的不同，人的学习过程可分为三种不同的类型，包括机器学习、示教学习和自适应学习，其中自适应学习通常是指给学习中提供相应的学习的环境、实例或场域，通过学习者自身在学习中发现总结，最终形成理论并能自主解决问题的学习方式。

其中，自适应学习的核心在于如何通过计算机有效的评估学生的解题信息并安排相应的学习路径，自适应学习的工具主要包括自适应内容、自适应评估和自适应序列，而自适应内容通过分析学生对问题具体的回答，为学生提供独一无二的内容反馈、线索和学习资源。该工具可以根据每个学生不同的学习情况，当即提供合适的反馈，包括提示和学习材料等。

目前，市面上大多的自适应学习工具的题目推荐产品只收集学生做错的题目集合成册，并标注考试权重和知识点重要性。基于这种习题本对学生进行题目推荐存在以下问题：1.题目做错未必代表学生没有掌握知识点。2.题目作对也未必代表学生掌握了知识点。项目反应理论里提到学生有可能意外(或粗心)把已经掌握了的知识点做错了(slip)；或者靠猜把题目作对了(guess)(Baker and Corbett,2008)。3.错题收集后让学生反复练习会增加学生的厌烦感。4.如果重复练习同样的题目，会导致学生只能掌握单一题型，如果考试时或之后遇到相似题目，并涉及到其他的知识点，学生有可能不能作出延伸。

可知，目前的题目推荐产品个性化较低，不能针对学生对题目的真正掌握程度进行题目推荐，容易影响学生学习的积极性以及对知识点的有效掌握。

发明内容

本发明提供一种基于深度学习的题目推荐方法、电子装置及计算机可读存储介质，其主要目的在于通过根据学生做题的历史纪录计算出学生对知识点的真正掌握度并对学生提供个性化的题目推荐，能够让学生对已掌握的知识点提高信心，同时提高对未掌握的知识点学习和复习的效率。

为实现上述目的，本发明提供一种基于深度学习的题目推荐方法，应用于电子装置，所述方法包括：

S110：获取用户历史做题数据，并将所述历史做题数据输入深度知识追踪模型，以获取用户对各知识点的掌握程度数据；

S120：根据所述用户对各知识点的掌握程度数据及所述各知识点的权重对各知识点进行排序，并根据排序结果获取目标知识点；

S130：基于用户对所述目标知识点的掌握程度数据，通过一参数对数模型获取所述用户对所述目标知识点下的各题目的正确作答几率；

S140：基于所述正确作答几率，对所述用户进行题目推荐。

优选地，所述将所述历史做题数据输入深度知识追踪模型，以获取用户对各知识点的掌握程度数据的过程包括：

设定长短期记忆网络模型作为所述深度知识追踪模型的基础模型；

基于所述长短期记忆网络模型对所述各知识点下的历史做题数据进行分析计算，获取所述各知识点下的历史做题记录；

对所述各知识点下的历史做题记录按照时间进行排序，确保所有历史做题记录均是带有时间标记的；