[发明专利]一种基于答题统计特征的题目推荐系统

说明书

本发明公开了一种基于答题统计特征的题目推荐系统，属于计算机辅助教学领域与数据挖掘领域，包括题目获取模块、预处理模块、查询特征配置模块、用户界面、特征处理模块、聚类计算模块和题目推荐模块。本推荐系统利用二次聚类的方式对从教学平台后台上任意给定的获取的题目集中高效筛选出与最能针对性解决用户需求的试题，采用多种评估方式相结合方法，基于答题统计特征能够较强的代表某一时间段内的用户对每一道题的掌握情况，且会随着掌握程度的提升以及教育质量的提升动态更新特征值的数值。在推荐中结合了聚类结果中类内信息及类间信息，保证了所推荐试题具有较强的代表性。弥补了辅助教学平台上相似题目过多，没有典型题目筛选机制的缺陷。

技术领域

本发明涉及计算机辅助教学领域与数据挖掘领域，尤其涉及一种基于答题统计特征的题目推荐系统。

背景技术

随着计算机和互联网技术的普及与流行，在线辅助教学平台的重要性与必要性日益显现。当今有许多平台，例如作业帮、拼题A、中国大学MOOC等，致力于研究数据驱动的数字教学个性化服务、个性化智能导学等，一般提供填空题、选择题、判断题等多种题型的自动判题功能。

一些在线辅助教学平台经过长期的运营，拥有大量的原创题库和学生练习记录，累积了海量的结构化教学评测数据，这些评测数据蕴藏着不同层次的学习者在不同阶段的学习表现，也反映了全国各地上千位教师贡献的数万题的质量信息。

然而，当前题库较大的在线教育平台大多存在着如下问题：

(1)同一知识点大量题目内容相近。在共享开放平台中，每门课程的每个知识点下都有来自不同层次高校的众多教师贡献的题目，这些题目对知识点的考察角度不同，题目难易层次也有差别；但同一个知识点下存在许多题目，其内容间互相交叉，难易程度相近。这些题目的存在使得学习者要花费较多时间做相似的题，难以提高学习效率。

(2)缺乏具有针对性题目的推送功能。现有的推送功能只是推送出一些与所属知识点相关的题目，而老师在考试或作业出题，学生在自主练习做题时都常常面临题目选择的问题，而选择一道题时不仅要考虑这道题包含的知识点和难度，还要考虑其在同类题目中的典型程度，这使得学习者无法快速找到高质量、有代表性的题目。

现有技术中还存在一些通过决策树等方式进行个性化作业推送的报道，针对不同学生的薄弱知识点进行个性化题目推荐，通过强化作业训练提高学生对薄弱知识点的掌握程度，但其推荐的试题评价准则单一，忽略了同一知识点下不同试题之间的关系，同样存在所推荐试题缺乏代表性的缺陷。

研究一种能够针对用户提出的需求对题目进行高效筛选和推送的系统，有助于学习者在制定个性化的训练方案时提高训练的针对性和效率，避免重复训练。

发明内容

为了解决当前辅助教学平台中大量题目内容相近，无法根据用户需求推荐更具有典型性的题目的缺陷，本发明提出了一种基于答题统计特征的题目推荐系统。利用二次聚类的方式对从教学平台后台获取的题目集中高效筛选出与最能针对性解决用户需求的试题，采用了多种评估方式相结合的方法，在特征选择上，基于答题统计特征能够较强的代表某一时间段内的用户对每一道题的掌握情况，且会随着掌握程度的提升以及教育质量的提升动态更新特征值的数值。在推荐标准上，结合了聚类结果中类内信息及类间信息，保证了所推荐试题具有较强的代表性。

为了实现上述目的，本发明采用如下技术方案：

一种基于答题统计特征的题目推荐系统，包括：

题目获取模块：用于实时获取一段时间内的教学平台后台题目数据和用户练习记录数据，题目数据包括题目ID、总分、引用次数、用户ID、得分、提交时间和答题分布；同时建立题目ID、题目内容与所属知识点之间的题目ID-题目内容-知识点映射关系，所述题目内容包括试题和答案；

预处理模块：用于将题目获取模块采集到的题目数据和用户练习记录数据进行数据清洗，将清洗后的题目数据生成题目知识库；