[发明专利]一种学情数据处理方法、装置、计算机设备及存储介质

权利要求书

1.一种学情数据处理方法，其特征在于，包括：

确定待诊断目标和待诊断知识点；

对待诊断目标在所述待诊断知识点进行冷启动诊断；

对待诊断目标在所述待诊断知识点进行非冷启动诊断；

根据待诊断知识点的作答数据，以及待诊断目标的作答数据确定启动参数，所述启动参数用于调整冷启动诊断的输出的权重和非冷启动诊断的输出的权重；

基于所述启动参数、所述冷启动诊断的输出和非冷启动诊断的输出，确定所述待诊断目标在待诊断知识点的诊断结果；

所述冷启动诊断包括以下至少一种诊断方式：

基于知识点之间掌握程度的相互关系以及待诊断目标对待诊断知识点以外的作答数据，确定待诊断目标对待诊断知识点的掌握程度数据；

基于地域和知识点掌握程度的相互关系以及待诊断目标的地域，确定待诊断目标对待诊断知识点的掌握程度数据；

基于地域、知识点属性和掌握程度之间关系以及待诊断目标的地域和知识点属性，确定待诊断目标对待诊断知识点的掌握程度数据；

基于待诊断目标的知识点属性与掌握程度之间关系以及知识点属性，确定待诊断目标对待诊断知识点的掌握程度数据。

2.根据权利要求1所述的学情数据处理方法，其特征在于，所述冷启动诊断包括：

结合知识点之间的关系和全量样本数据构建知识点之间的概率图网络，所述全量样本数据为对知识点的作答数据的集合，所述概率图网络描述不同知识点之间掌握程度的依赖关系；

结合待诊断目标对待诊断知识点以外的作答数据以及所述概率图网络，得到待诊断目标在待诊断知识点的掌握程度数据作为所述冷启动诊断的输出，所述掌握程度数据用于指示待诊断目标在待诊断知识点的掌握程度。

3.根据权利要求2所述的学情数据处理方法，其特征在于，所述构建知识点之间的概率图网络包括构建贝叶斯网络；结合知识点之间的关系和全量样本数据构建知识点之间的贝叶斯网络：

根据知识点之间的前后置关系构建知识点网络，所述前后置关系为知识点之间的前后依赖关系；

基于所述全量样本数据，采用吉布斯采样方法学习所述知识点网络上知识点之间的概率，得到所述贝叶斯网络。

4.根据权利要求1所述的学情数据处理方法，其特征在于，所述冷启动诊断包括：

基于全量样本数据确定地域与知识点掌握程度之间的贝叶斯关系，所述全量样本数据为对知识点的作答数据的集合；

结合待诊断目标的地域以及所述地域与知识点掌握程度之间的贝叶斯关系，确定待诊断目标在待诊断知识点的掌握程度数据作为所述冷启动诊断的输出，所述掌握程度数据用于指示待诊断目标在待诊断知识点的掌握程度。

5.根据权利要求4所述的学情数据处理方法，其特征在于，所述冷启动诊断包括：

计算全量样本数据中各地域出现的概率，所述全量样本数据为对知识点的作答数据的集合；

计算所述全量样本数据中各地域与各知识点的各掌握程度共同出现的联合概率；

确定在所述待诊断目标的地域条件下，在待诊断知识点上各个掌握程度的条件概率。

6.根据权利要求1所述的学情数据处理方法，其特征在于，所述冷启动诊断包括：

基于全量样本数据确定地域、知识点属性以及掌握程度之间的贝叶斯关系，所述全量样本数据为对知识点的作答数据的集合；

结合待诊断目标的地域、待诊断知识点的属性，以及所述地域、知识点属性以及掌握程度之间的贝叶斯关系，确定待诊断目标在待诊断知识点的掌握程度数据作为所述冷启动诊断的输出，所述掌握程度数据用于指示待诊断目标在待诊断知识点的掌握程度。

7.根据权利要求6所述的学情数据处理方法，其特征在于，所述冷启动诊断包括：

计算全量样本数据中各地域和各知识点属性共同出现的联合概率，所述全量样本数据为对知识点的作答数据的集合；

计算所述全量样本数据中各地域、各知识点属性和各掌握程度共同出现的联合概率；

确定待诊断目标的地域以及待诊断知识点的属性的条件下，不同掌握程度的条件概率。