[发明专利]答题行为推荐方法

权利要求书

1.一种答题行为推荐方法，其特征在于，包括：

获取目标对象在不同时刻作答与目标知识点相关联的习题的对应的得分；

将所述得分输入至认知跟踪模型中，得到所述目标对象在所述不同时刻对所述目标知识点的目标认知状态值；

将当前决策时间对应的目标认知状态值输入至所述目标知识点对应的目标模型中，得到推荐所述目标对象继续作答目标试题的次数，其中，所述当前决策时间为答题的开始时刻，所述目标模型包括：答题行为强化学习EBQ模型，所述EBQ模型用于表示至少一个认知状态值，以及推荐继续作答与所述目标知识点相关习题的次数值的关系，所述目标试题为与目标知识点相关的多个不同的试题；

其中，所述EBQ模型包括：强化学习算法中的Q矩阵，其中，所述认知状态值个数与所述Q矩阵行元素的个数对应，所述推荐继续作答与所述目标知识点相关习题的次数值的个数与所述Q矩阵列的个数对应，得到推荐所述目标对象继续作答与所述目标知识点相关试题的次数，包括：根据所述认知跟踪模型确定当前决策时间对应的当前认知状态值；确定所述当前认知状态值对应的所述Q矩阵的行，并获取该行中的最大状态值；确定所述最大状态值对应的所述Q矩阵的列，将该列对应的所述推荐继续作答与所述目标知识点相关习题的次数作为所述目标对象继续作答与所述目标知识点相关试题的次数。

2.根据权利要求1所述的方法，其特征在于，所述Q矩阵通过以下方式确定：

获取零矩阵，其中，所述零矩阵为矩阵所有元素均为零的矩阵；

至少基于所述认知跟踪模型、所述EBQ模型对应的奖励模型更新所述零矩阵得到所述Q矩阵。

3.根据权利要求2所述的方法，其特征在于，获取零矩阵，包括：

确定动态认知状态集合，以及动作空间集合，其中，所述动态认知状态集合包括：多个初始认知状态值；所述动作空间集合包括：多个不同初始动作次数值，其中，所述初始动作次数值用于指示目标对象继续作答与目标知识点相关试题的次数；

确定所述多个初始认知状态值的个数为所述零矩阵行的个数，确定所述多个动作次数值的个数为所述零矩阵列的个数构建零矩阵。

4.根据权利要求2所述的方法，其特征在于，至少基于所述认知跟踪模型、所述EBQ模型对应的奖励模型更新所述零矩阵得到所述Q矩阵：

将多个样本对象对应的样本分数输入至所述认知跟踪模型，确定多个样本对象在不同时刻对应的样本认知状态值，其中，所述样本认知状态值包括：第一决策时间对应的第一认知状态值以及第二决策时间对应的第二认知状态值，其中，所述第一决策时间为与所述第二决策时间相邻，且为在所述第二决策时间之前的决策时刻；

确定所述EBQ模型对应的奖励模型，获取所述奖励模型对应的势能差，基于所述势能差和所述第一认知状态值与所述第二认知状态值更新所述零矩阵得到所述Q矩阵。

5.根据权利要求4所述的方法，其特征在于，获取所述奖励模型对应的势能差，基于所述势能差和所述第一认知状态值与所述第二认知状态值更新所述零矩阵得到所述Q矩阵，包括：

确定第一认知状态值在所述零矩阵中对应的目标行；

从目标行中任意选择一个目标数值，确定所述目标数值所在列对应的目标动作次数值；

确定目标动作次数值对应的列为目标列；

确定预定折扣因子与第二认知状态值的乘积，将所述乘积与所述第一认知状态值的差值作为所述势能差；

将所述零矩阵中的目标行中的目标列对应的元素替换为所述势能差得到初始Q矩阵；

确定使得所述奖励模型对应的函数表达式取得最大值时，所对应的势能差集合，将所述初始Q矩阵中的所述势能差，替换为所述势能差集合中对应的势能差，将完成替换后的初始Q矩阵作为所述Q矩阵。

6.根据权利要求5所述的方法，其特征在于，确定所述多个初始认知状态值的个数为所述零矩阵行的个数，确定所述多个动作次数值的个数为所述零矩阵列的个数构建零矩阵之后，所述方法还包括：

将所述零矩阵的同一行元素组成数组，将所述初始认知状态值作为所述数组中任意一个元素的参考值，其中，所述参考值与所述数组一一对应；其中，所述初始动作次数值根据所述零矩阵的列确定。