[发明专利]前置知识点的标注、题目推送方法、装置、设备及介质

说明书

本申请提供一种前置知识点的标注、题目推送方法、装置、设备及介质。前置知识点的标注方法包括：将采集的若干学生用户对各知识点的答题数据输入贝叶斯网络模型；基于答题数据对贝叶斯网络模型进行结构学习，获取第二知识点体系结构；其中，第二知识点体系结构标注有至少一个知识点和对应的前置知识点的关系。这样，可以自动完成各知识点的前置知识点的标注，一方面可以减少老师手动标注的时间成本和审核成本；另一方面，相比于相关技术中基于知识点本身的文本信息进行相似度计算来获得前置知识点的方法，本技术方案利用学生的答题数据反推知识点之间可能存在的前置关系，避免文本相似、实际没有直接关系的错标情况，提高标注的准确度。

技术领域

本申请涉及数据处理技术领域，尤其涉及一种前置知识点的标注、题目推送方法、装置、设备及介质。

背景技术

知识点是学科学习中的基本单位，如全等三角形的判定、全等三角形的性质等，都是一个知识点。学生在对知识点进行学习时，往往是按照书本的章节顺序进行学习的。然而，知识点之间实际上是存在着错综复杂的关系的，具体地，某些知识点是学习其他知识点的基础，这些作为其他知识点的学习基础的知识点被称为前置知识点，但是许多知识点和其对应的前置知识点往往存在不同的课本、不同的年级，甚至不同的学段。如果能够构建各个知识点之间的内在关联，尤其是跨书本、跨学段的关联关系，对于帮助学生更好的掌握知识点，了解知识点间的内在关联具有重要的意义。

相关技术中，会邀请具有相关丰富教学背景的老师人为标注知识点之间的关系，然而，某个学科下可能有几百个，甚至更多的知识点，每两个知识点之间都可能存在着关系，这就意味着老师需要花费大量的时间来判断这些知识点之间是否存在关系，由于数量过大，在耗费时间的同时更有可能有错标、漏标等情况出现；另一种相关技术中，利用识别知识点的文本的相似度来实现自动化标注，但是其只考虑了文本之间的相似性，并不代表他们就一定有关系。如历史学科中的“辛亥革命的历史意义”和“法国大革命的历史意义”，这两个知识点有共同的文本“革命的历史意义”，因此无论用什么方法计算相似度，都会得到他们相似度很高的结论，但是这两个知识点之间其实并没有直接的联系。因此，运用这种方法来进行知识点关系的自动标注所引起的误差较大。

发明内容

为克服相关技术中存在的问题，本申请提供了一种前置知识点的标注、题目推送方法、装置、设备及介质。

根据本申请实施例的第一方面，提供一种前置知识点的标注方法，所述方法包括：

将采集的若干学生用户对各知识点的答题数据输入贝叶斯网络模型，其中，所述贝叶斯网络模型包括第一知识点体系结构，所述第一知识点体系结构包括各知识点之间的上下级关系；

基于所述答题数据对所述贝叶斯网络模型进行结构学习，获取第二知识点体系结构；其中，所述第二知识点体系结构标注有至少一个知识点和对应的前置知识点的关系，所述至少一个知识点与所述前置知识点为所述第一知识点体系结构中级别最低的知识点。

根据本申请实施例的第二方面，提供一种题目推送方法，所述方法包括：

获取学生用户对各知识点的答题数据；

基于所述答题数据以及指定的知识点体系结构获取所述学生用户对各知识点的掌握程度；

基于所述学生用户对各知识点的掌握程度向所述学生用户推送相对应的题目；

其中，所述指定的知识点体系结构基于采集的若干学生用户针对各知识点的答题数据对贝叶斯网络模型进行结构学习所得到的第二知识点体系结构；所述贝叶斯网络模型包括第一知识点体系结构，所述第一知识点体系结构包括各知识点之间的上下级关系，所述第二知识点体系结构标注有至少一个知识点和对应的前置知识点的关系，所述至少一个知识点与所述前置知识点为所述第一知识点体系结构中级别最低的知识点。

根据本申请实施例的第三方面，提供一种前置知识点的标注装置，所述装置包括：