[发明专利]题目推送方法、装置、服务器以及存储介质有效

专利信息
申请号: 201910300896.8 申请日: 2019-04-15
公开(公告)号: CN110110070B 公开(公告)日: 2021-11-16
发明(设计)人: 梁广民 申请(专利权)人: 深圳职业技术学院
主分类号: G06F16/335 分类号: G06F16/335;G06F16/35
代理公司: 深圳市智圈知识产权代理事务所(普通合伙) 44351 代理人: 苗燕
地址: 518000 广东*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 题目 推送 方法 装置 服务器 以及 存储 介质
【权利要求书】:

1.一种题目推送方法,其特征在于,所述方法包括:

推送默认训练题目给训练人员;

获取所述训练人员对所述默认训练题目的完成度,所述完成度包括所述训练人员完成所述默认训练题目的开发时间、所述训练人员编写算法的运行时间以及所述算法运行完成所达到的运行结果;

基于所述完成度获取所述训练人员的技能集,所述技能集至少包括所述训练人员掌握的第一知识点;

将所述第一知识点转换成第一独热编码,生成第一向量;

获取多个训练题目中的每个训练题目包括的第二知识点,分别将每个训练题目包括的第二知识点转换成第二独热编码,生成多个第二向量;

将所述第一向量以及所述多个第二向量首尾相接以形成预测长向量,并将所述预测长向量输入已训练的自编码器模型,以通过所述已训练的自编码器模型输出所述多个训练题目中的每个训练题目的完成度;

将所述多个训练题目中的完成度最高的训练题目作为目标训练题目;以及

将所述目标训练题目推送给所述训练人员。

2.根据权利要求1所述的方法,其特征在于,所述获取所述训练人员的技能集之前,还包括:

获取多个训练题目,将所述多个训练题目输入已训练的知识点识别模型;

获取所述已训练的知识点识别模型输出的所述多个训练题目中的每个训练题目的第二知识点。

3.根据权利要求2所述的方法,其特征在于,所述获取多个训练题目,将所述多个训练题目输入已训练的知识点识别模型,包括:

获取多个训练题目,分别对所述多个训练题目进行预处理获得多个待处理训练题目,其中,所述预处理至少分词和去除停用词;

将所述多个待处理训练题目输入所述已训练的知识点识别模型。

4.根据权利要求1-3任一项所述的方法,其特征在于,所述技能集还包括所述训练人员对所述第一知识点的熟练度,所述将所述目标训练题目推送给所述训练人员之后,还包括:

获取所述训练人员对所述目标训练题目的完成度;

基于所述完成度更新所述训练人员掌握的第一知识点,并调整所述训练人员对所述第一知识点的熟练度。

5.一种题目推送装置,其特征在于,所述装置包括:

技能集获取模块,包括推送子模块、完成度获取子模块以及技能集获取子模块,其中,推送子模块用于推送默认训练题目给训练人员;完成度获取子模块用于获取所述训练人员对所述默认训练题目的完成度,所述完成度包括所述训练人员完成所述默认训练题目的开发时间、所述训练人员编写算法的运行时间以及所述算法运行完成所达到的运行结果;以及技能集获取子模块用于基于所述完成度获取所述训练人员的技能集,所述技能集至少包括所述训练人员掌握的第一知识点;

题目获取模块,包括第一向量生成子模块、第二向量生成子模块、输入子模块、获取子模块以及第二确定子模块,其中,第一向量生成子模块用于将第一知识点转换成第一独热编码,生成第一向量;第二向量生成子模块用于获取多个训练题目中的每个训练题目包括的第二知识点,分别将每个训练题目包括的第二知识点转换成第二独热编码,生成多个第二向量;输入子模块用于将所述第一向量以及所述多个第二向量首尾相接以形成预测长向量,并将所述预测长向量输入已训练的自编码器模型;所述获取子模块用于获取所述已训练的自编码器模型输出的所述多个训练题目中的每个训练题目的完成度;以及所述第二确定子模块用于将所述多个训练题目中的完成度最高的训练题目作为目标训练题目;以及

推送模块,用于将所述目标训练题目推送给所述训练人员。

6.一种服务器,其特征在于,包括:

一个或多个处理器;

存储器;

一个或多个程序,其中所述一个或多个程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序配置用于执行如权利要求1-4任一项所述的方法。

7.一种计算机可读取存储介质,其特征在于,所述计算机可读取存储介质中存储有程序代码,所述程序代码可被处理器调用执行如权利要求1-4任一项所述的方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳职业技术学院,未经深圳职业技术学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910300896.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top