[发明专利]一种基于学生知识画像的中文智能教学题库生成方法

权利要求书

1.一种基于学生知识画像的中文智能教学题库生成方法，其特征在于，包括以下步骤：

S1：输入目标学生的错题记录集合L_w＝{t₁,t₂,…,t_w},其中w₁表示错题的数量，基于L_w构建任一道题t_k,k＝1,2,…,w₁的知识点向量S_k1、S_k2……S_kn1，其中S_kj,j＝1,2,…,n₁为基于知识点独热法的一维0/1向量，其长度为知识点数量规模n₁，基于知识点向量相似度从题目数据库中筛选与错题记录集合L_w相似度大于阈值γ的题目，生成相似题目集L_s＝{t'₁,t'₂,…,t'_s},其中s表示相似题目的数量；

S2：通过协同过滤算法找到与目标学生相似度最高的相关学生，获取相关学生做过的所有习题集合L_p，以L_p和L_s取交集得到协同推荐题目集合L_c＝{t”₁,t”₂,…,t”_p}，其中p表示L_c的习题总数；

S3：构建目标学生的学习进度表示向量P＝(x₁，x₂，x₃，x₄，x₅，x₆)，其中x₁、x₂、x₃、x₄、x₅、x₆分别指学期、学科、教材、册、单元和课程；再根据协同推荐题目集合L_c给其中每道习题t”₁,t”₂,…,t”_p构建学习进度向量S_ti＝(x'₁，x'₂，x'₃，x'₄，x'₅，x'₆)，其中S_ti表示t_i的学习进度向量，i＝1,2,3……p，计算S_i＝S_t-P，若向量S_i＝(s₁，s₂，s₃，s₄，s₅，s₆)满足s₁＝0、s₂＝0……s₆＝0，则将t_i加入集合L_m中，得到进度匹配题目集合L_m＝{t”'₁,t”'₂,…,t”'_n2}，其中n₂表示L_m的习题总数；

S4：获取学生的学习能力值，根据能力值计算各难度题目数量理论配比，根据不同的配比从L_m中抽取习题汇总成推荐题目集合R＝{t””₁,t””₂,…,t””_n3}，其中n₃表示R的习题总数；

步骤S2具体包括：

S21：首先构建两个m*n的矩阵M₁和矩阵M₂，其中m为学生数，n₁为知识点数；分别记录每个学生在每个知识点上做过的次数和做错的次数，以此计算出知识点正确率矩阵M₃，将M₃进行知识点准确率求平均得到每个学生的准确率向量，根据各个学生的准确率向量计算得到每两个学生之间的皮尔森相关系数得到m*m的学生相关性矩阵M_s，通过判断数值大小在M_s中找到与目标学生相关性最高的相关学生；

S22：获取相关学生做过的所有习题集合L_o，计算L_o和L_s的交集，得到协同推荐题目集合L_c＝L_s∩L_o；

步骤S4具体包括：

S41：构建目标学生的学习能力值A＝(a-w₂)/a，其中a为目标学生做过的题目数，w₂为做错的题目数，获取进度匹配题目集合L_m中每道题的难度，将L_m根据难度分为L_easy＝{t”'_e1,t”'_e2,…,t”'_ei}、L_normal＝{t”'_n1,t”'_n2,…,t”'_nj}、L_hard＝{t”'_h1,t”'_h2,…,t”'_hk}三个集合，其中i+j+k＝n₂，n₂为L_m题目总数，根据A计算出需要从各个难度集合抽取的题目数量，其中简单难度集合中抽取数量为N_easy＝(1-A)/3*i；中等难度结合中抽取数量为N_normal＝(1-A)*2/3*j；困难难度集合中抽取数量为N_hard＝A*k；

S42：在L_easy、L_middle、L_hard三个集合中依次抽取N_easy、N_normal、N_hard个习题，最终汇总得到推荐题目集合R＝{t””₁,t””₂,…,t””_n3}，其中n₃表示R的习题总数。

2.根据权利要求1所述的基于学生知识画像的中文智能教学题库生成方法，其特征在于：步骤S1具体包括：

S11：将L_w中的任一道题t_k,k＝1,2,…,w₁映射到一个n₁维的0/1向量S_k＝[S_k1、S_k2……S_kn1]，其中S_kj,j＝1,2,…,n₁指的是各个知识点，若S_kj为1，表示绑定了第j个知识点，若为0则表示未绑定此知识点；

S12：基于L_w知识点向量S_k对L_w中的每道题目构建题目相似度矩阵找到相似度大于阈值γ的题目，并过滤掉目标学生已做过的题目，得到相似题目集合L_s＝{t'₁,t'₂,…,t'_s}，其中s表示相似题目的数量，其中A_iB_i分别代表知识点向量A和B的各分量。