[发明专利]基于深度学习方法的知识点推荐系统

说明书

本发明公开了一种基于深度学习方法的知识点推荐系统，包括数据库、预测引擎、引擎更新模块和推荐模块；所述数据库，用于存储有至少N天的历史学习数据，N＞3；每条所述历史学习数据记载了一个用户在一个知识点上的在第T天的能力值信息、学习时长信息和做题查看解析率信息；所述预测引擎，用于根据数据库中的历史学习数据预测出第N+1天时用户在各个知识点上的推荐等级；所述引擎更新模块，用于当数据库中每新增1天的历史学习数据，对所述预测引擎更新1次；所述推荐模块，用于根据所述各个知识点的推荐等级，对各个所述知识点依次推荐。本发明能够参考多维度对知识点进推荐，且能够对推荐引擎进行经常更新，保持推荐引擎的年轻态。

技术领域

本发明属于人工智能在线教育技术领域，尤其涉及一种基于深度学习方法的知识点推荐系统。

背景技术

根据学生的学习进度和学习情况，合理的知识点推荐，能够有效的提高学习效率，降低学习难度。目前已有的技术中，向学生推荐知识点具有很多的算法，其中机器学习算法占据主流地位。采用以机器学习算法向学生推荐知识点，是通过以学生历史学习中反映在知识点上的平均能力值(基于DKT理论)来推测学生第N天知识点掌握程度的方法。若知识点第N天掌握状态为不掌握，则优先学；掌握状态为掌握则靠后学。能力值是基于DKT理论的对学生在知识点上能力水平的定位，值域为(0，1)，不同的能力值区间对应不同的掌握程度。现有推测掌握程度的方法虽然能够通过近几天学生的学习状态大致推测出当天的掌握状态，但是维度过于单一，也是通过简单的统计方法来得出，说服力较差。而且没有对机器学习模型进行合理的更新，机器学习模型在构建完成后，就一直使用，未考虑数据老化的问题。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于深度学习方法的知识点推荐系统，能够参考多维度对知识点进推荐，且能够对推荐引擎进行经常更新，保持推荐引擎的年轻态。

为解决上述技术问题，本发明采用的技术方案是：一种基于深度学习方法的知识点推荐系统，包括数据库、预测引擎、引擎更新模块和推荐模块；

所述数据库，用于存储有至少N天的历史学习数据，N＞3；每条所述历史学习数据记载了一个用户在一个知识点上的在第T天的能力值信息、学习时长信息和做题查看解析率信息；

所述预测引擎，用于根据数据库中的历史学习数据预测出第N+1天时用户在各个知识点上的推荐等级；

所述引擎更新模块，用于当数据库中每新增1天的历史学习数据，对所述预测引擎更新1次；

所述推荐模块，用于根据所述各个知识点的推荐等级，对各个所述知识点依次推荐。

上述基于深度学习方法的知识点推荐系统，所述预测引擎中写入有用于预测知识点能力值的机器学习模型；所述机器学习模型通过以下步骤构建：

步骤1、构建训练数据集和测试数据集：根据所述数据库中的历史学习数据构建训练数据集和测试数据集，每条训练数据或测试数据均包括X标签和Y标签；所述X标签为第N-3到第N-1天中的一个用户一天中在一个知识点上的能力值、学习时长和查看解析率，以及该用户在一天中的平均能力值、平均学习时长和平均查看解析率，以及该知识点的平均能力值、平均学习时长和平均查看解析率；所述Y标签为第N天的所述用户在该知识点上的能力值；

步骤2、利用训练数据对预置的机器学习模型进行第一次训练；所述X标签为训练时的模型输入数据，所述Y标签为训练时的真实值；

步骤3、利用测试数据对步骤2的所述机器学习模型进行测试；根据测试结果判断所述机器学习模型的精确度是否达到阈值，若是，则进入下一步，若否，则进入步骤2；

步骤4、将所述测试数据和训练数据混合，从混合后的数据中提取新测试数据和新训练数据；

步骤5、利用新训练数据对所述机器学习模型进行第二次训练；