[发明专利]一种利用机器学习模型的个性化题目推荐方法及系统

权利要求书

1.一种利用机器学习模型的个性化题目推荐方法，其特征在于，该方法包括：

根据学生的生疏知识点、学生的错题本及与学生具有一定相似性的其他学生的错题本，采集学生的相关题目；

对相关题目进行过滤，其中，过滤掉知识点超纲、学生近期已经做过及难度系数大于设定阈值的题目；

根据过滤后的剩余题目，建立题库；

以学生特征、题目特征及学生和题目的交叉特征作为输入样本对模型进行训练，得到DNN模型；其中，学生特征至少包括：每个知识点的掌握情况、学生自控力及学生本科目历史上的成绩；题目特征至少包括：题目的embedding向量特征、题目的类别、题目的难易程度及题目所属的知识点在考试中出现的概率；

利用DNN模型对所述题库中每个题目进行多目标预估；其中，预估的目标至少包括：每个题目对应的做错的概率及需要花费的时间；

根据做错的概率、需要花费的时间及每个题目对学生总分的贡献值，对题库中的题目进行评分，选取评分由高到低排序中的第一数量的题目，建立第一题目集合；所述评分的计算式为：

S=(W×P_err×E）/T；

其中，S为题目的评分；P_err为做错的概率；T为需要花费的时间；W为题目的重要程度，由老师标注，或通过题目包含的知识点标签及知识点在高考中的重要程度计算出来；E为每个题目对学生总分的贡献值，由题目对应的知识点在历史上的考试中出现的频次得到；

分别在每项预估的目标下对所述第一题目集合中的题目进行排序，将对应的排名转换为分值进行融合排序；

在融合排序结果中按照设置的选题因素选取第二数量的题目推荐给学生。

2.根据权利要求1所述的利用机器学习模型的个性化题目推荐方法，其特征在于，该方法还包括：

获取学生对所述第二数量的题目的解答情况，更新所述题库。

3.根据权利要求1所述的利用机器学习模型的个性化题目推荐方法，其特征在于，分别在每项预估的目标下对所述第一题目集合中的题目进行排序，将对应的排名转换为分值进行融合排序，包括：

在学生选择去做的概率、做错的概率、需要花费的时间及学生求助老师的概率的目标下，分别对所述第一题目集合中的题目进行排序，获得每个题目在目标排序中的排名；

将排名转换为分值，计算式为：

S_rank=∑1/(rank_smooth +rank_i)；

其中，S_rank为排名转换的分值；rank_smooth为平滑参数，为预设的固定值；rank_i为题目在目标排序中的排名；

将题目的全部目标对应的分值进行求和，得到总得分，并将总得分由高到低进行排序。

4.根据权利要求3所述的利用机器学习模型的个性化题目推荐方法，其特征在于，在融合排序结果中按照设置的选题因素选取第二数量的题目推荐给学生，包括：

在总得分由高到低的排序中，按照题目类型相同、题目对应的知识点一致及与学生未做过在内的一个选题因素或多个选题因素的组合，选取第二数量的题目并将题目推荐给学生。