[发明专利]一种提升学生解题能力的方法及装置在审
| 申请号: | 202110255607.4 | 申请日: | 2021-03-09 |
| 公开(公告)号: | CN112632233A | 公开(公告)日: | 2021-04-09 |
| 发明(设计)人: | 赵佳福;刘琼琼;丁文彪;刘子韬 | 申请(专利权)人: | 北京世纪好未来教育科技有限公司 |
| 主分类号: | G06F16/33 | 分类号: | G06F16/33;G06F16/35;G06F40/211;G06F40/216;G06F40/284;G06Q50/20 |
| 代理公司: | 北京鼎承知识产权代理有限公司 11551 | 代理人: | 顾可嘉;夏华栋 |
| 地址: | 100872 北京市海淀区中*** | 国省代码: | 北京;11 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 提升 学生 解题 能力 方法 装置 | ||
1.一种提升学生解题能力的方法,其特征在于,包括:
S1,获取学生的历史错题;
S2,基于所述历史错题,获取数个易错类别,每个所述易错类别均包括聚类中心;
S3,选取其中一个易错类别作为推荐类别;
S4,基于所述推荐类别的聚类中心,从题库中获取与该聚类中心最相似的题目,作为推荐题目;
S5,判断学生对所述推荐题目的答题结果,若答题结果为错误,则将所述推荐题目加入到该学生的历史错题,并返回S4步骤,继续执行;
若答题结果为正确,则返回S3步骤,继续执行。
2.如权利要求1所述的方法,其特征在于,
所述基于所述推荐类别的聚类中心,从题库中获取与该聚类中心最相似的题目,作为推荐题目,包括:
将所述题库中的题目,依据所述易错类别进行分类,获得与所述易错类别相对应的数个题库类别;
基于所述推荐类别,选择相对应的题库类别;
将所述推荐类别的聚类中心,与选择的所述题库类别中的每道题目分别拼接,获得每道题目对应的拼接文本;
分别将每个所述拼接文本输入BERT模型,获取每道题目的相似程度;将相似程度最高的题目作为推荐题目。
3.如权利要求1所述的方法,其特征在于,
所述基于所述历史错题,获取数个易错类别的聚类中心,包括:
基于K-means聚类算法,将所述历史错题分为数个易错类别。
4.如权利要求1-3任一项所述的方法,其特征在于,
所述选取其中一个易错类别作为推荐类别,包括:
获取每个所述易错类别的易错概率;基于所述易错概率,选取其中一个易错类别作为推荐类别;
其中,所述易错概率由以下等式获得:
易错概率=易错类别中的错题数量/总错题数量。
5.如权利要求1所述的方法,其特征在于,
所述判断学生对所述推荐题目的答题结果,包括:
获取所述推荐题目的标准答案;
对比所述标准答案与学生的做答是否相同,若相同,则答题结果为正确,若不同,则答题结果为错误;
其中,所述获取所述推荐题目的标准答案,包括:
将所述推荐题目的每个选项的内容填入所述推荐题目的题干中,获取每个选项对应的选项句子;
将所述每个选项句子,分别输入BART模型,计算每个选项句子的表征可接受程度的概率值;
选取概率值最大的所述选项句子所对应的选项为所述推荐题目的标准答案。
6.如权利要求1-3、5任一项所述的方法,其特征在于,
所述判断学生对所述推荐题目的答题结果,若答题结果为错误,还包括:
基于BERT的文本分类算法,对所述推荐题目的知识点进行分类,获取所述推荐题目的知识点类别;
根据所述知识点类别的名称,基于BART模型对所述答题结果的错因进行分析,并生成错因文本。
7.如权利要求6所述的方法,其特征在于,
所述基于BERT的文本分类算法,对所述推荐题目的知识点进行分类,包括:
将所述推荐题目的题干和全部选项拼成一个句子;
将所述句子输入到BERT模型中,经过多层transformer编码器提取特征,获取所述句子涉及的知识点类别。
8.一种用于实现如权利要求1-7任一项所述方法的装置,其特征在于,包括:
自动推题模块,用于基于学生的历史错题,为学生自动推荐题目;
自动批改模块,用于判断学生对所述推荐题目的答题结果,并将所述答题结果返回给所述自动推题模块;
其中,所述自动推题模块包括:
聚类模块,用于基于所述历史错题,根据K-means聚类算法获取数个易错类别,每个所述易错类别均包括聚类中心;
题目匹配模块,用于选取其中一个易错类别作为推荐类别;基于所述推荐类别的聚类中心,从题库中获取与该聚类中心最相似的题目,作为推荐题目。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京世纪好未来教育科技有限公司,未经北京世纪好未来教育科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110255607.4/1.html,转载请声明来源钻瓜专利网。





