[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

说明书

本发明公开了一种利用机器学习模型的个性化题目推荐方法及系统，该方法包括：采集学生的相关题目，建立题库，利用机器学习模型对所述题库中每个题目进行多目标预估，根据预估的目标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，根据评分选取第一数量的题目，建立第一题目集合，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；本发明能够为学生提供个性化的题目，实现最大化的做题效率，为提高成绩提供有力的支持。

技术领域

本发明涉及互联网教育技术领域，尤指一种利用机器学习模型的个性化题目推荐方法及系统。

背景技术

为提高考试成绩，常采用“题海战术”；学生通过多做题的方式，可以提高自己对知识点的掌握程度和题目的熟练程度。但是，有相当多的题目学生其实是没必要做的。比如学生已经非常熟练三角函数的题目，那么就可以节省这类题目的做题数量，节省下时间去做其他更不熟悉的题目。

在现有技术中，针对学生做题的题目优化，往往是根据学生当前的总的知识水平化题目，或者是根据知识点对学生推荐题目，这类做法需要老师对每个待推荐的题目都有定义，而且只能人为区分几类学生，没法针对每个学生自己的不同情况进行题目筛选，即无法做到真正个性化为学生量身定制最适合自己的题库。

综上来看，亟需一种可以克服现有技术不足，可以为学生提供个性化题目推荐的技术方案。

发明内容

为克服现有技术存在的不足，本发明提出了一种利用机器学习模型的个性化题目推荐方法及系统，该方法及系统通过机器学习能够找出题目之间的相似度，针对每个学生生成量身定制的题库进行练习，避免出现只针对总成绩划分等级去做题的情况，同时避免只针对知识点去强化学生对该知识点的学习能力，而忽略了题目本身难度及题目有可能涵盖多个知识点的情况，本发明能够根据学生做题的情况定向为提供个性化的题目，提高学生的做题效率。

在本发明实施例的第一方面，提出了一种利用机器学习模型的个性化题目推荐方法，该方法包括：

采集学生的相关题目，建立题库；

利用机器学习模型对所述题库中每个题目进行多目标预估；

根据预估的目标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，根据评分选取第一数量的题目，建立第一题目集合；

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。

进一步的，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。

进一步的，采集学生的相关题目，建立题库，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。

进一步的，利用机器学习模型对所述题库中每个题目进行多目标预估，包括：

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；