[发明专利]一种结合覆盖启发式的数量感知练习推荐方法

权利要求书

1.一种结合覆盖启发式的数量感知练习推荐方法，应用于电子装置，其特征在于：包括知识追踪步骤和练习推荐步骤；

其中，所述知识追踪步骤包括：

收集学生信息及知识概念数据；

根据知识概念数据和学生信息得到对应学生的练习记录数据；

采用带有嵌入层的长短时记忆网络模型，输入练习记录数据得到学生的知识水平数据；

所述练习推荐步骤包括：

设定学习目标阈值并结合所述知识水平数据和知识概念数据将练习推荐问题编码为最小非线性加权集合覆盖问题；

构建混合启发式局部搜索框架解决所述最小非线性加权集合覆盖问题，得到最优练习集；

所述最优练习集为数量最少且能达到学习目标阈值的练习。

2.根据权利要求1所述的一种结合覆盖启发式的数量感知练习推荐方法，其特征在于：所述学生集合为U，所述知识概念数据包括练习集E和知识点集K，所述练习记录数据定义为：

其中，表示学生u在t时刻做过的练习，表示学生答题的正误，表示一个练习所包含的知识点，n为该练习包含的知识点数量，由于每个练习对应的知识点数量不同，所以针对不同练习，n的值不同。

3.根据权利要求2所述的一种结合覆盖启发式的数量感知练习推荐方法，其特征在于：将所述练习记录数据输入带有嵌入层的长短时记忆网络模型前，需要先进行表征，转换为向量的形式，包括：

矢量转换公式为是嵌入层参数；

将所述练习记录通过one-hot编码进行表征得到；将表征后的所述练习记录所述矢量转换公式转换从而得到低维度向量。

4.根据权利要求3所述的一种结合覆盖启发式的数量感知练习推荐方法，其特征在于，获取知识水平数据的步骤包括：

将所述低维度向量输入带有嵌入层的长短时记忆网络模型中，按公式(1)-(5)进行训练；

最后从公式（6）得到对应时刻的知识水平，R为实数；

其中，为输入门，为遗忘门， 为记忆单元，为输出门，和 为权值矩阵和偏差；

通过所述对应时刻的知识水平得到学生的初始知识水平，所述学生的初始知识水平为知识水平数据。

5.根据权利要求4所述的一种结合覆盖启发式的数量感知练习推荐方法，其特征在于，所述最小非线性加权集合覆盖问题的编码步骤包括：

从知识概念数据中选定练习集和知识点集，设提升的知识水平为设定学习目标为阈值β；

将学生的初始知识水平定义为初始权重，将练习集定义为列集，将知识点集 定义为行集；

然后按公式（7）-（12）的公式进行编码；

其中，F(x)为得到最终推荐习题的数量，表示一个知识点，表示一个练习，每一列代表一个练习中包含的知识概念，每一行代表一个知识概念中包含的练习；

公式（10）为基于教育学中项目反应理论（IRT），其中， 表示教育学常数，表示猜测系数， 表示知识点的区分度， 表示所有学生对该知识点的错误频率；

表示布尔型变量，如果，表示的是知识点在练习中，如果，则表示的是知识点不在练习中；

表示决策变量，如果，表示选择练习，如果，表示不选择练习。

6.根据权利要求5所述的一种结合覆盖启发式的数量感知练习推荐方法，其特征在于，混合启发式局部搜索的步骤包括：

定义算法输入，包括所述初始知识水平、练习集、知识点集和学习目标，算法输出为所述最优练习集；

首先使用混合启发式搜索找到初始练习集；

将最优练习集赋值为初始练习集；

然后使用加入禁忌列表的局部搜索，设定局部搜索的时间阈值，找到局部最优练习集；

比较最优练习集和局部最优练习集的长度，如果最优练习集的长度大于局部最优练习集的长度，则将最优练习集赋值为局部最优练习集；

在时间阈值内不断进行局部搜索，更新局部最优练习集的长度，达到时间阈值为止，得到其中长度最短的局部最优练习集；

将最优练习集赋值为长度最短的局部最优练习集；

输出最优练习集。