【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...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。