[发明专利]基于知识图谱的大学计算机基础习题推荐方法

说明书

本发明公开了一种基于知识图谱的大学计算机基础习题推荐方法，基于大学计算机基础知识点构建的知识图谱，使用图团体检测算法从知识点之间的关系结构上分析知识点间的关联性，从而推荐与学生错误知识点关联性较高的知识点给学生进行学习；通过中文分词提取习题语义特征构建word2vec模型，使用RWMD方法计算学生的错题与其他习题在内容上的相似度，选取相似度高的习题进行推荐。通过分析学生的错题为学生推荐相应的知识点和习题，可以帮助学生尽快扫除知识盲点，更好地掌握大学计算机基础这门课，同时也减轻了任课教师的压力。

技术领域

本发明属于人工智能领域的一个重要方向，具体涉及一种基于知识图谱的大学计算机基础习题推荐方法。

背景技术

随着信息技术的发展，互联网信息总量呈现爆炸性增长，同时也伴生了信息的组织结构松散等问题。传统的信息检索方式已经难以适应现状，知识图谱以其强大的语义处理能力与开放互连能力为解决这些问题提供了新的思路。大学计算机基础对于当代大学生是一门非常重要的基础课。这门课程包含计算机的起源与发展、硬件组成、操作系统、计算机网络、算法与数据结构、常用的办公软件操作等内容。通过学习大学计算机基础，学生对计算机可以有一个全面清楚的认识。由于大学计算机基础这门课程知识覆盖面广、知识点繁杂，学生在复习的时候短时间内难以入手。同时大学计算机基础作为一门公共基础课，每一个班级的学生数量多，任课教师难以通过分析每一个学生的错题从而对其薄弱的知识点进行梳理，以此制定适合该学生的复习方案。并且大多数学生因为自身对知识的掌握度不高，也难以从做错的习题中分析自己的知识盲区。因此形成一套可以自动从学生的错题中分析该学生的知识盲区，从而给学生推荐需要学习的知识点和相应的习题的方法是十分有必要的。

目前使用的推荐算法大多为基于内容的推荐，通过计算得到与用户偏好相似度高的内容进行推荐。但是在进行大学计算机基础的知识点与习题推荐时，不仅要考虑习题在内容上的相似性，还需要考虑知识点之间的关联性。因为每一个知识点都不是独立的，是具有相互关系的。本发明旨针对此种情况提出了一种新的解决方法。

发明内容

本发明旨在提供一种基于知识图谱的大学计算机基础习题推荐方法。利用以大学计算机基础知识点为节点构建的知识图谱，通过分析学生错误的习题得到该学生可能未掌握的知识点以及与错题内容相似的习题推荐给学生，帮助学生扫除知识盲区，解决了现有技术中存在的无法根据学生知识盲区进行针对性的做题训练的问题。

本发明的关键在于如何衡量两道习题在内容上的相似性以及如何查询与学生未掌握的知识点相关联的知识点。

本发明基于知识图谱的大学计算机基础习题推荐方法，运用大学计算机基础知识点构建的知识图谱，使用图团体检测算法从知识点之间的关系结构上分析关联性，从而推荐与学生错误知识点关联性较高的知识点进行学习；通过中文分词提取习题语义特征构建word2vec模型，使用RWMD方法计算学生的错题与其他习题在内容上的相似度，选取相似度高的习题并进行推荐。

推荐方法具体包括以下步骤：

步骤1，读取学生的某一道错题；

步骤2，对步骤1中读取的学生的错题，在习题数据库中查询其对应的知识点，并在大学计算机基础知识图谱中查询与该知识点对应的节点P₁；

步骤3，对步骤2中得到的节点P₁，在大学计算机基础知识图谱中查询流入P₁并且与其关系为包含关系的节点P₂；

步骤4，对步骤3中得到的节点P₂，在大学计算机基础知识图谱中查询从P₂流出并且与其关系为包含关系的所有节点，定义为集合W₁；

步骤5，对步骤3中得到的节点P₂，在大学计算机基础知识图谱中查询流入P₂并且与其关系为前驱关系的节点P₃；