个性化练习题推荐方法、系统、计算机设备以及存储介质技术方案

本申请公开了一种个性化练习题推荐方法、系统、计算机设备和存储介质。该个性化练习题推荐方法包括：针对预定的知识点簇确定用户所属的具有相同发展水平的学生集合；根据学生集合中的其他学生对知识点簇下的每道试题的实际得分率预测用户对每道试题的预测得分率；计算用户对每道试题的实际得分率与预测得分率的差值；根据差值对试题进行优先级排序，其中实际得分率越小于预测得分率，则试题的优先级越高；按照优先级排序后的试题进行练习题推荐。本申请使用大数据和人工智能技术，根据学生与同等水平人群之间的差异判断学生对当前知识点簇下的各种试题的掌握情况，进而有针对性地推荐练习内容，真正实现因材施教，有效帮助学生提升学习效率。

Recommended method, system, computer equipment and storage medium of personalized exercises

【技术实现步骤摘要】
个性化练习题推荐方法、系统、计算机设备以及存储介质
本申请属于互联网教育
，更具体地说，是涉及一种采用人工智能和大数据进行辅助教育的练习推荐方法。
技术介绍
现在的人工智能在教育领域的运用还处于初级阶段,通常是根据学习知识点或者学生的考试错题推荐相对固定的学习资料,未能真正结合学生的发展水平的达到因材施教的目的。例如,当前人工智能教育领域常用的基于知识图谱的组合错题推荐方法,其特征是将学生的错题映射到知识图谱中,通过计算得到相应的知识点推荐,再获取该知识点下的推荐试题。这种推荐方法在选取知识点和学习路线的过程中使用相对固定的算法,很难真正寻找到最适合使用者的知识图谱掌握路线。另外，这种方法没有完全根据学生对知识点的掌握率区分试题的难度,无法真正做到个性化学习。
技术实现思路
本专利技术所要解决的技术问题是提供一种个性化练习推荐方法，以有效帮助学生提升学习效率。为实现上述目的，本申请采用的技术方案是：本申请提供一种个性化练习推荐方法，包括：针对预定的知识点簇确定用户所属的具有相同发展水平的学生集合；根据学生集合中的其他学生对知识点簇下的每道试题的实际得分率预测用户对每道试题的预测得分率；计算用户对每道试题的实际得分率与预测得分率的差值；根据差值对试题进行优先级排序，其中实际得分率越小于预测得分率，则试题的优先级越高；按照优先级排序后的试题进行练习题推荐。为实现上述目的，本申请采用的另一技术方案是：提供一种个性化练习题推荐系统，该系统包括：识别模块，用于针对预定的知识点簇确定用户所属的具有相同发展水平的学生集合；预测模块，用于根据学生集合中的其他学生对知识点簇下的每道试题的实际得分率预测用户对每道试题的预测得分率；处理模块，用于计算用户对每道试题的实际得分率与预测得分率的差值；排序模块，用于根据差值对试题进行优先级排序，其中实际得分率越小于预测得分率，则试题的优先级越高；推荐模块，用于按照优先级排序后的试题进行练习题推荐。为实现上述目的，本申请采用的又一技术方案是：提供一种用于个性化练习题推荐的计算机设备，该设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述的个性化练习题推荐方法。为实现上述目的，本申请采用的再一技术方案是：本申请提供一种存储介质，存储介质存储有程序数据，程序数据被处理器执行时实现上述的个性化练习题推荐方法。本申请的有益效果是：本申请的个性化练习推荐方法基于学生对知识的掌握情况，将学生划分为不同的发展水平的学生集合。然后，根据用户所属的学生集合中其他学生的对于试题的得分率预测用户对于该试题的得分率，最后将预测得分率与用户实际得分率比较，根据比较结果对试题进行优先级排序，并根据排序结果为用户推荐试题。根据学生与同等水平人群之间的差异判断学生对当前知识点簇下的各种试题的掌握情况，进而有针对性地推荐练习内容，真正实现因材施教，有效帮助学生提升学习效率。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，其中：图1为本申请的提供的个性化练习推荐方法一实施例的流程示意图；图2为本申请的划分具有相同发展水平的学生集合一实施方式的流程示意图；图3为本申请一种个性化练习题推荐系统一实施例的结构示意图；图4为本申请一种用于个性化练习题推荐的计算机设备一实施例的结构示意图。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。为了方便本领域技术人员理解，在介绍本专利技术的技术方案之前，首先对以下名词进行解释：知识点：考试大纲中存在多个知识点，知识点为考试要考察的。考试过程中会对考试大纲中列出的知识点定制测试题以进行考察。学习能力项：学习能力项对应考试大纲明确要求的学科能力体系的二级要求。例如，学习能力项可以包括观察力、记忆力、思维力、逻辑能力，想象力、创造力、理解力、语言表达力、操作能力、运算能力数据、听力、视觉力等。参阅图1，图1是本申请提供的一种个性化练习题推荐方法一实施例的流程示意图。具体可包括以下步骤：S11：针对预定的知识点簇确定用户所属的具有相同发展水平的学生集合。知识点簇即一个或多个知识点的集合，可通过对考试大纲中所有知识点进行分类实现。可选地，根据用户所处的年级、文理科和学科对知识点进行分类。例如用户现就读高一年级并且该用户为理科生，可将高一年级理科的所有知识点划分为六类，分别为高一理科语文、高一理科数学、高一理科英语、高一理科物理、高一理科化学以及高一理科生物。当然，可以将考试大纲中的知识点分得更细，从而获取更多的知识点簇。比如将高一理科数学这一类别下的所有知识点进行再分类。在此需要说明，本实施例对知识点簇的形成依据以及数目不做限定。所谓具有相同发展水平的学生集合是指：针对某一知识点簇具有相同或相近掌握水平的学生组成的集合。例如，学生针对某一知识点簇的发展水平可根据历史考试成绩或者学生课堂表现确定，比如按照某次考试的考试排名依次取十个学生作为一具有相同发展水平的学生集合。在一具体实施方式中，针对某一知识点簇，为每一个学生设置一个发展水平表征向量，进而利用不同学生之间的发展水平表征向量的相似度来表示不同学生之间对该知识点簇的掌握水平之间的差异。发展水平表征向量可以通过计算机算法根据学生的历史考试成绩生成，也可以根据老师对学生的日常观察进而人工设定。例如，可以为发展水平表征向量设置多个向量元素，每个向量元素的向量元素值可以是预定的知识点簇下的各知识点的历史得分率和/或该知识点簇下的各学习能力项的历史得分率。进一步地，具有相同发展水平的学生集合是指：在该学生集合中的任意两个学生的发展水平表征向量之间的相似度大于或等于预设的相似度阈值。下文将结合具体实施例对发展水平表征向量的生成以及学生集合的划分进行详细描述。S12：根据学生集合中的其他学生对知识点簇下的每道试题的实际得分率预测用户对每道试题的预测得分率。在本步骤中，每道试题的实际得分率可以采用每道试题的单题得分与每道试题的单题总分之间的比值。也可以通过对多个试题的单题总分进行归一化处理，以获取归一化系数，并将每道试题的单题得分与对应的归一化系数的乘积作为每道试题的实际得分率。当然，当每道试题的单题总分相同时，也可以直接用每道试题的单题得分进行表述。通过设置实际得分率，可以避免每道试题的单题得分不同而造成后续的排序误差。在一具体实施方式中，可以直接将其他学生的实际得分率进行平均而获得预测本文档来自技高网...

【技术保护点】
1.一种个性化练习题推荐方法，其特征在于，所述个性化练习题推荐方法包括：/n针对预定的知识点簇确定用户所属的具有相同发展水平的学生集合；/n根据所述学生集合中的其他学生对所述知识点簇下的每道试题的实际得分率预测所述用户对每道试题的预测得分率；/n计算所述用户对每道试题的实际得分率与所述预测得分率的差值；/n根据所述差值对所述试题进行优先级排序，其中所述实际得分率越小于所述预测得分率，则所述试题的优先级越高；/n按照优先级排序后的所述试题进行练习题推荐。/n

【技术特征摘要】
1.一种个性化练习题推荐方法，其特征在于，所述个性化练习题推荐方法包括：
针对预定的知识点簇确定用户所属的具有相同发展水平的学生集合；
根据所述学生集合中的其他学生对所述知识点簇下的每道试题的实际得分率预测所述用户对每道试题的预测得分率；
计算所述用户对每道试题的实际得分率与所述预测得分率的差值；
根据所述差值对所述试题进行优先级排序，其中所述实际得分率越小于所述预测得分率，则所述试题的优先级越高；
按照优先级排序后的所述试题进行练习题推荐。


2.如权利要求1所述的个性化练习题推荐方法，其特征在于，所述具有相同发展水平的学生集合是指在所述学生集合中的任意两个学生的发展水平表征向量之间的相似度大于或等于预设的相似度阈值；
所述根据所述学生集合中的其他学生对所述知识点簇下的每道试题的实际得分率预测所述用户对每道试题的预测得分率的步骤包括：
以所述用户与所述其他学生之间的所述相似度为权重系数对所述其他同学的所述实际得分率进行加权平均。


3.如权利要求2所述的个性化练习题推荐方法，其特征在于，所述发展水平表征向量的向量元素值包括所述知识点簇下的各知识点的历史得分率和/或所述知识点簇下的各学习能力项的历史得分率。


4.如权利要求2所述的个性化练习题推荐方法，其特征在于，所述针对预定的知识点簇确定用户所属的具有相同发展水平的学生集合的步骤之前，进一步包括：
根据多个所述学生针对所述知识点簇的历史得分率为每个所述学生生成所述发展水平表征向量；
根据所述学生之间的所述发展水平表征向量的相似度与所述相似度阈值将所述多个学生划分到不同的所述学生集合。


5.如权利要求4所述的个性化练习题推荐方法，其特征在于，所述根据多个所述学生针对所述知识点簇的历史得分率为每个所述学生生成所述发展水平表征向量的步骤包括：
将所述知识点簇下的每个知识点作为所述发展水平表征向量的一个向量元素；
针对每个所述知识点，利用多次考试中的属于所述知识点的历史得分率进行加权平均，以获得与所述知识点对应的向量元素值。


6.如权利要求5所述的个性化练习题推荐方法，其特征...

【专利技术属性】
技术研发人员：彭玥，沙玲，
申请(专利权)人：安徽知学科技有限公司，
类型：发明
国别省市：安徽;34