[发明专利]一种基于多标签分类卷积神经网络的题目推荐方法

摘要

本发明涉及教育领域，更具体的，涉及一种基于多标签分类卷积神经网络的题目推荐方法，本发明突出训练集中的高相关标签间的相关性，将相关性高于一定阈值的标签对都视为高相关标签对，能够调整每个标签的不平衡率以及让模型更好的学习高相关性以提高分类的准确度，并且本发明的卷积神经网络可以自动提取题目关键词的特征，能够更好的帮助卷积神经网络对考点特征标签的分类，此外，本发明在卷积神经网络中的第一层全连接层中加入标签间的相关性信息，让模型在训练中考虑标签间的相关性，以提高效率、网络识别分类的准确度。

主权项

1.一种基于多标签分类卷积神经网络的题目推荐方法，其特征在于，包括以下步骤：步骤S1：获取若干题目以及考点集合作为样本实例，对每个题目的考点标签进行标注，将标注好的题目保存作为题库；步骤S2：获取题库中各个题目的一组关键词，训练出所有关键词的词向量；步骤S3：计算关于标签的局部相关性矩阵求得标签间的局部相关性，根据标签间的局部相关性，用寻找与匹配高相关标签对的方法增加训练集；步骤S4：构建一维卷积神经网络，一维卷积神经网络的输入层为一道题目的关键词的词向量，一维卷积神经网络的输出层为考点标签的预测值，将标签间的局部先关矩阵的有效元素作为神经元加入至一维卷积神经网络中的第一个全连接层，对一维卷积神经网络进行训练并选出最优模型；步骤S5：将新题目输入到最优模型的一维卷积神经网络中，输入考点标签的预测值，根据考点特征用聚类方法将所有题目进行分类，获得与该题目考点相似的其他题目，将其作为推荐题目。