申请/专利权人:上海师范大学
申请日:2023-12-05
公开(公告)日:2024-03-08
公开(公告)号:CN117668360A
主分类号:G06F16/9535
分类号:G06F16/9535;G06F16/9536;G06F16/951;G06N5/022;G06F18/23213;G06N3/042;G06N3/0464;G06N3/045;G06Q50/20
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.03.26#实质审查的生效;2024.03.08#公开
摘要:本发明涉及教育大数据分析和习题推荐技术领域,具体是涉及一种基于学习者在线学习行为分析的个性化习题推荐方法。该方法包括以下步骤:提取学习者的行为日志和成绩数据;构建知识图谱,清理并筛选有效的在线学习行为数据,并确定测量指标;将处理好的学习者的在线学习行为特征指标存入特征库;通过K‑means聚类算法对学习者进行分组;使用结合注意力机制、KGCN和CF推荐算法的模型进行数据训练;根据学生的在线学习行为特征及知识掌握程度,结合知识图谱,实现个性化习题推荐。该方法能深入分析学习者的在线学习行为,挖掘知识结构和学习特征,提高习题推荐的准确性和个性化程度,从而提高学习效率。
主权项:1.一种基于学习者在线学习行为分析的个性化习题推荐方法,其特征在于,包括以下步骤:步骤1、从人工智能教育线上学习平台中提取学习者的行为日志和成绩数据;步骤2、根据数据结构和已爬取的Python语言学习课程习题属性构建知识图谱;步骤3、对在线学习平台中的学习者在线学习行为数据库进行数据清理,并筛选出有效的学习者在线学习行为数据,确定在线学习行为分析的测量指标,对测量指标量化,进行标准化和归一化处理;最后,将所有处理好的学习者的在线学习行为特征指标存入在线学习行为特征库;步骤4、依据已构建的在线学习行为特征库,通过K-means聚类算法将具有相似在线学习行为特征的学习者划入同一类簇;步骤5、使用包含注意力机制和KGCN结合CF推荐算法的模型进行数据训练;步骤6、根据学生的在线学习行为特征及知识掌握程度,结合知识图谱,对学生进行个性化习题推荐。
全文数据:
权利要求:
百度查询: 上海师范大学 一种基于学习者在线学习行为分析的个性化习题推荐方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。