[发明专利]一种基于用户记录的习题相似度计算推荐方法

摘要

本发明公开了一种基于用户记录的习题相似度计算推荐方法，本发明通过利用item2vec思想和卷积神经网络各自优点，将两者有效的结合起来，解决目前习题推荐中由于题目包含大量公式符号内容结构复杂，语义曲折从而难以匹配类似题型的问题，并能够在自然语言处理的角度，将习题进行分词，学习习题具体的语法含义，在词义上匹配类似题型。最终让习题推荐系统更好的推荐更匹配的相似题型，提升习题推荐质。

主权项

1.一种基于用户记录的习题相似度计算推荐方法，其特征在于，包括以下步骤：步骤一、将每一个习题作为一个语句进行分词处理，得到习题中分词的词嵌入向量，再将每个习题所有词的词嵌入向量按照习题中词语出现的先后语序连接为一个矩阵，得到代表习题信息的习题矩阵，使用卷积神经网络模型对习题矩阵进行处理：卷积神经网络模型采用不同尺寸的过滤器进行卷积，得到多个输出特征，将输出特征的结果进行池化处理，拼接为一个向量vector1；步骤二、将习题作为一个整体，计算习题之间的相似度：将习题本身作为一个词，将各个用户一次做过的习题的集合作为一个句子；计算两个习题在同一习题的集合中同时出现的概率作为两个习题的相似度；最终得到每个习题本身的嵌入向量，即向量vector2；步骤三、将vector1和vector2拼接得到最终的向量vector，通过向量vector进行训练得到训练好的模型；步骤四、向训练好的模型输入用户所做的最近一个习题，输出结果为题库中所有习题对应用户所做的习题是同一类别的概率即为推荐概率，对结果中所有的习题的概率进行排序处理，选取推荐概率最大的a个用户还未做过的习题展示给用户完成推荐任务；a为设定的习题推荐数。