[发明专利]一种试题资源推荐方法及系统

权利要求书

1.一种试题资源推荐方法，其特征在于，包括：

对多项课程中以往试题的答题表现数据和以往试题的考核知识点，采用训练后的知识水平预测模型进行知识水平预测，得到考核知识点的知识掌握水平；

对多项课程的学习任务构建集成式的知识水平预测模型，知识水平预测模型基于时序神经网络构建，基于多任务学习对学生在多项课程学习任务上的知识掌握水平进行建模评估；通过学习学生对每项课程中考核知识点的知识掌握水平以及粗心和猜测的隐状态变量，且对粗心和猜测的隐状态变量进行共享，达到多任务联合建模的目的；

知识水平预测模型的训练过程为：

（1）初始化知识掌握水平h₀以及待学习的参数W_x、W_h、w_y、b_h、b_y；其中，W_x为时序神经网络输入向量x_t的权重矩阵，W_h为时序神经网络参数矩阵，w_y为权重向量；b_h、b_y分别为隐单元和输出单元对应的偏置；

h_t=tanh(W_xx_t+W_hh_t-1+b_h)

其中，x_t为学生在t时刻作答试题的特征表示向量；h_t为学生在t时刻的知识掌握水平；h_t-1为学生在t-1时刻的知识掌握水平；y_t为根据学生在t时刻的知识掌握水平正确作答的概率；为sigmoid函数；

（2）结合粗心和猜测的隐状态变量，以及元认知能力评估结果，得到t时刻在对应考核知识点上答题表现的预测结果，所述预测结果为对应考核知识点的知识掌握水平：

其中，表示学生i的元认知能力；p(G)表示随机猜测的概率，p(S)表示粗心的概率；

对待推荐试题进行考核知识点的标注和考核难度的标注，得到试题资源库；

对试题资源库进行考核知识点的聚类，得到不同考核知识点的试题簇；

对不同考核知识点的试题簇根据考核难度进行聚类，得到试题资源库的分层聚类结果；

根据考核知识点的知识掌握水平和试题资源库的分层聚类结果，进行试题资源的推荐，得到试题集合；

根据试题集合中考核知识点间的关系构建试题图，对试题图进行最优路径的选择，得到最优做题路径。