[发明专利]一种试题推荐方法和系统

说明书

本发明公开了一种试题推荐方法和系统。试题推荐方法包括：获取一个待推荐对象类中所有待推荐对象的历史答题数据；计算每道试题的试题区分度和平均得分率；在待推荐对象中选取一个作为中心对象，其余待推荐对象作为待聚类对象；计算待聚类对象与中心对象共同作答过的试题，记为重合试题；根据重合试题的试题区分度计算加权重合分值；将加权重合分值大于第一阈值的待聚类对象记为疑似对象；针对疑似对象和中心对象的重合试题的平均得分率，计算Pearson相关系数得到相似度；当相似度大于第二阈值时将疑似对象与中心对象归为同一个推荐组；对属于同一个推荐组的所有待推荐对象推送相同的试题。本发明能够对相似的待推荐用户进行统一的推荐。

技术领域

本发明涉及教育技术领域，更具体地，涉及一种试题推荐方法和系统。

背景技术

随着互联网技术的发展和智能设备的普及，网上学习已经成为学生群体、工作群体等的一种重要学习方式，其中，网上学习不仅包括网上课堂视频，还有各种搜题软件和做题软件。这些搜题软件和做题软件，一方面为用户提供齐全的试题资源，另一方面为用户提供了做题的便利，用户随时随地都可以进行搜题和做题。然而，搜题软件和做题软件在为用户提供试题时，主要根据用户将要参加的考试进行推荐往年的试题，这些试题推荐方式较为缺乏针对性，用户需要在试卷中进行多次筛选才能获取到适合自己的试题。而目前仍然没有具体的解决方案，来针对相似的待推荐用户进行统一的个性化推荐。

因此，提供一种试题推荐方法和系统，能够实现对相似的待推荐用户进行统一的推荐，是本领域亟待解决的技术问题。

发明内容

有鉴于此，本发明提供了一种试题推荐方法和系统，解决了上述技术问题。

第一方面，本发明提供一种试题推荐方法，包括：

获取一个待推荐对象类中所有待推荐对象的历史答题数据；

计算所述历史答题数据中每道试题的试题区分度和平均得分率；

在所述待推荐对象中随机选取一个待推荐对象作为中心对象，其余所述待推荐对象作为待聚类对象；

在所述历史答题数据中计算所述待聚类对象与所述中心对象共同作答过的试题，记为重合试题；

根据所述重合试题的试题区分度计算加权重合分值；

将所述加权重合分值大于第一阈值的所述待聚类对象记为疑似对象；

针对所述疑似对象和所述中心对象的所述重合试题的平均得分率，计算Pearson相关系数得到相似度；

当所述相似度大于第二阈值时，将所述疑似对象与所述中心对象归为同一个推荐组；

对属于同一个所述推荐组的所有待推荐对象推送相同的试题。

可选的，还包括：统计同一个所述推荐组中所有待推荐对象的历史答题数据中的出错题目比例和/或出错知识点比例；

根据所述出错题目比例确定所述推荐组中所有待推荐对象的薄弱试题，根据所述出错知识点比例确定所述推荐组中所有待推荐对象的薄弱知识点；

对属于同一个所述推荐组的所有待推荐对象推送相同的试题，还包括：

对属于同一个所述推荐组的所有待推荐对象推送与所述薄弱试题类似的试题；

对属于同一个所述推荐组的所有待推荐对象推送包括所述薄弱知识点的试题。

可选的，根据所述重合试题的试题区分度计算加权重合分值，具体包括：

以每个所述重合试题的试题区分度为权重，计算加权重合分值，其中，所述加权重合分值为所有所述重合试题的试题区分度的相加值。