申请/专利权人：山东省计算中心(国家超级计算济南中心);齐鲁工业大学(山东省科学院)

申请日：2024-02-20

公开（公告）日：2024-03-22

公开（公告）号：CN117743699A

主分类号：G06F16/9536

分类号：G06F16/9536;G06Q50/20

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明涉及一种基于DKT与汤普森采样算法的习题推荐方法及系统，属于新一代信息技术和在线教育技术领域；本发明将汤普森采样算法与基于用户的协同过滤算法相结合，特别为新用户设计了一种基于用户的协同过滤算法，解决深度知识追踪模型面临的冷启动问题。而且考虑了用户的个人背景和需求进行相关习题的推荐。本发明采用了基于多头注意力机制的知识追踪模型，加入习题类型特征，通过对用户的答题数据和答题结果进行深入分析，准确预测用户对未尝试习题的答题表现以及知识掌握情况。使推荐系统能够动态地调整习题难度和类型，以匹配用户的实际学习进度和能力。

主权项：1.基于DKT与汤普森采样算法的习题推荐方法，其特征在于，包括：获取学校编程学习平台的习题的信息和专家标注的知识点信息，建立知识点关系表和习题知识点关系表；获取学校编程学习平台的用户的信息，包括新用户和历史用户的学习特征信息，建立新用户的相似用户集；利用汤普森用户采样模型，在新用户的相似用户集中抽取相似用户所做过的习题，建立习题推荐列表并推荐给新用户进行作答；更新汤普森用户采样模型的参数；循环执行该步骤直至循环结束条件；根据输入的新用户做题记录数据，深度知识追踪模型输出预测的新用户在未作答习题上的答题正确率向量；将深度知识追踪模型输出的新用户在未作答习题上的答题正确率向量，输入汤普森知识点采样模型，得到为新用户进行习题推荐的汤普森知识点采样模型；通过汤普森知识点采样模型，抽取习题建立习题推荐列表推荐给新用户，并采集用户本次的做题结果信息；将用户历史做题结果和用户本次做题结果再次输入深度知识追踪模型，更新用户未作答习题的答题正确率向量；根据用户本次做题结果和更新后的用户未作答习题的答题正确率向量，结合知识点关系表更新汤普森知识点采样模型的贝塔分布参数；在用户做题过程中，持续根据用户做题情况更新模型参数和预测结果，动态的为用户提供个性化的习题推荐。

全文数据：

权利要求：

百度查询： 山东省计算中心(国家超级计算济南中心);齐鲁工业大学(山东省科学院) 一种基于DKT与汤普森采样算法的习题推荐方法及系统

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD