[发明专利]习题推荐方法、装置、电子设备和存储介质在审

专利信息
申请号: 202110277534.9 申请日: 2021-03-15
公开(公告)号: CN115080724A 公开(公告)日: 2022-09-20
发明(设计)人: 陈静 申请(专利权)人: 广州视源电子科技股份有限公司;广州视源人工智能创新研究院有限公司
主分类号: G06F16/335 分类号: G06F16/335;G06F16/35;G06F40/194
代理公司: 华进联合专利商标代理有限公司 44224 代理人: 关志琨
地址: 510530 广*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 习题 推荐 方法 装置 电子设备 存储 介质
【权利要求书】:

1.一种习题推荐方法,其特征在于,所述方法包括:

获取习题和做题记录;

确定所述习题之间的关联关系,以及,根据所述做题记录得到学生与所述习题之间的做题关系;

根据所述关联关系和所述做题关系生成异构图,并通过所述异构图确定学生节点的学生向量和习题节点的习题向量;所述异构图包括节点和所述节点之间的节点关系边;所述节点包括所述学生节点和所述习题节点;所述节点关系边用于记录所述关联关系和所述做题关系;

根据所述学生向量和所述习题向量,得到所述学生完成所述习题的正确概率;

若所述正确概率在预设的概率区间内,则向所述学生推荐所述习题。

2.根据权利要求1所述的方法,其特征在于,所述确定所述习题之间的关联关系,包括:

通过预训练的语言模型,得到所述习题的文本向量;

确定所述文本向量之间的向量相似度;

若所述向量相似度超过预设的相似度阈值,则确定所述习题之间存在所述关联关系。

3.根据权利要求1所述的方法,其特征在于,所述根据所述做题记录得到学生与所述习题之间的做题关系,包括:

根据所述做题记录,得到所述学生对于所述习题的作答情况;所述作答情况包括作答正确、作答错误和未作答;

若所述作答情况为所述作答正确,则判定所述学生与所述习题之间存在所述做题关系;

若所述作答情况为所述作答错误或所述未作答,则判定所述学生与所述习题之间不存在所述做题关系。

4.根据权利要求1所述的方法,其特征在于,所述通过所述异构图确定学生节点的学生向量和习题节点的习题向量,包括:

在所述异构图中选取目标节点,并获取所述目标节点的邻居节点;所述目标节点包括所述学生节点和所述习题节点;

确定所述目标节点与所述邻居节点之间的相关程度,并根据所述相关程度得到第一权重;

根据所述第一权重对邻居节点向量进行加权求和,得到所述目标节点的第一向量;

根据所述目标节点与所述邻居节点之间节点关系边的类型,得到第二权重;

根据所述第二权重对所述第一向量进行加权求和,得到所述目标节点的第二向量;所述第二向量包括所述学生向量和所述习题向量。

5.根据权利要求4所述的方法,其特征在于,所述确定所述目标节点与所述邻居节点之间的相关程度,包括:

获取目标节点向量和邻居节点向量;

通过对所述目标节点向量和所述邻居节点向量进行线性映射,得到映射后目标节点向量和映射后邻居节点向量;所述映射后目标节点向量与所述映射后邻居节点向量处于同一特征空间;

根据所述映射后目标节点向量和所述映射后邻居节点向量,得到所述目标节点与所述邻居节点之间的相关程度。

6.根据权利要求1所述的方法,其特征在于,所述根据所述学生向量和所述习题向量,得到所述学生完成所述习题的正确概率,包括:

在所述异构图中获取目标学生对应的目标学生节点;

根据所述目标学生节点,确定候选习题节点;

根据所述目标学生节点对应的学生向量和所述候选习题节点对应的习题向量,得到所述目标学生节点和所述候选习题节点之间的节点相似度;

通过对所述节点相似度进行归一化,得到所述目标学生完成候选习题的正确概率。

7.根据权利要求6所述的方法,其特征在于,所述根据所述目标学生节点,确定候选习题节点,包括:

根据所述目标学生输入的习题标识,在所述异构图的习题节点中确定初始候选习题节点;

将与所述目标学生节点之间存在节点关系边的习题节点确定为第一冗余节点;

将与所述第一冗余节点在同一聚类簇内的习题节点确定为第二冗余节点;

通过从所述初始候选习题节点中去除所述第一冗余节点和所述第二冗余节点,得到所述候选习题节点。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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广州视源电子科技股份有限公司;广州视源人工智能创新研究院有限公司,未经广州视源电子科技股份有限公司;广州视源人工智能创新研究院有限公司许可,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/202110277534.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top