[发明专利]试题推荐及相关模型的训练方法、电子设备、存储装置

权利要求书

1.一种试题推荐模型的训练方法，其特征在于，包括：

获取属于用户的第一样本试题对；其中，每组所述第一样本试题对包括样本原题和样本选题，所述样本选题是所述用户在所述样本原题的若干推荐题中所选择的试题；

获取所述用户的初始用户表示，并获取所述第一样本试题对的初始试题对表示；

将所述初始用户表示和所述初始试题对表示输入试题推荐模型，得到所述用户的最终用户表示和所述第一样本试题对的最终试题对表示；其中，所述最终用户表示包含：所述用户本身的语义信息以及属于所述用户的第一样本试题对的语义信息；

利用所述最终用户表示和所述最终试题对表示，预测得到所述用户与各组所述第一样本试题对中所述样本选题的样本适配程度；

基于所述样本适配程度，调整所述试题推荐模型的网络参数。

2.根据权利要求1所述的方法，其特征在于，所述试题推荐模型包括图神经网络；所述将所述初始用户表示和所述初始试题对表示输入试题推荐模型，得到所述用户的最终用户表示和所述第一样本试题对的最终试题对表示，包括：

利用所述初始用户表示和所述初始试题对表示，构建用户试题交互图；

将所述用户试题交互图输入所述图神经网络，得到所述最终用户表示和所述最终试题对表示。

3.根据权利要求1所述的方法，其特征在于，所述用户有多个，所述基于所述样本适配程度，调整所述试题推荐模型的网络参数，包括：

获取多个所述用户分别与各组所述第一样本试题对中所述样本选题的实际适配程度；其中，所述用户与属于所述用户的第一样本试题对中所述样本选题的实际适配程度为第一数值，所述用户与不属于所述用户的第一样本试题对中所述样本选题的实际适配程度为第二数值，且所述第一数值大于所述第二数值；

利用所述样本适配程度和所述实际适配程度之间的差异，调整所述试题推荐模型的网络参数。

4.根据权利要求1所述的方法，其特征在于，所述试题推荐模型是经过若干次训练得到的，所述第一样本试题对的初始试题对表示在所述试题推荐模型的若干次训练过程中保持不变；

和/或，所述试题推荐模型是经过若干次训练得到的；所述获取所述用户的初始用户表示，包括：

将上次训练得到的最终用户表示，作为对应所述用户的初始用户表示。

5.根据权利要求1所述的方法，其特征在于，所述获取所述第一样本试题对的初始试题对表示，包括：

提取所述样本原题的第一样本语义表示，并提取所述样本选题的第二样本语义表示；其中，所述第一样本语义表示包含所述样本原题的若干试题属性的语义信息，所述第二样本语义表示包含所述样本选题的若干试题属性的语义信息；

将所述第一样本语义表示和所述第二样本语义表示进行融合，得到所述初始试题对表示。

6.根据权利要求5所述的方法，其特征在于，所述若干试题属性的语义信息是分别利用与所述若干试题属性对应的属性语义提取网络提取得到的，所述若干试题属性对应的属性语义提取网络包含于关系预测模型，所述关系预测模型还包括交互语义提取网络、试题关系预测网络，所述关系预测模型的训练步骤包括：

获取若干组第二样本试题对，并获取标注有实际试题属性的第三样本试题；其中，所述第二样本试题对包括第一样本试题和第二样本试题，且所述第二样本试题对标注有第一样本试题和第二样本试题之间的实际试题关系；

利用所述第三样本试题对所述属性语义提取网络进行若干次训练，直至满足预设条件为止；

利用所述属性语义提取网络提取所述第一样本试题的第一样本试题表示和所述第二样本试题的第二样本试题表示；以及，

利用所述交互语义提取网络提取所述第二样本试题对的样本交互语义表示；其中，所述样本交互语义表示包含：所述第一样本试题中样本词语与所述第二样本试题中样本词语之间的语义相关度；

将所述第一样本试题表示、所述第二样本试题表示和所述样本交互语义表示输入所述试题关系预测网络，得到所述第一样本试题和所述第二样本试题之间的样本试题关系；

基于所述实际试题关系与所述样本试题关系之间的差异，调整所述交互语义提取网络和所述试题关系预测网络的网络参数。