知识点向量获取、推荐题目确定方法及相关装置制造方法及图纸

本发明专利技术实施例提供了一种知识点向量获取、推荐题目确定方法及相关装置，知识点向量获取方法包括：获取已有用户的错题信息矩阵，所述错题信息矩阵的各个元分别为各个所述已有用户在各个知识点的答错题目数量；对所述错题信息矩阵进行矩阵分解获取各个知识点的知识点向量。本发明专利技术实施例所提供的知识点向量获取、推荐题目确定方法及相关装置，可以保证对仅有较少信息的用户的推荐题目确定的实现基础获取，以提高推荐题目确定的准确性。

Knowledge point vector acquisition, recommendation topic determination method and related devices

【技术实现步骤摘要】
知识点向量获取、推荐题目确定方法及相关装置
本专利技术实施例涉及计算机领域，尤其涉及一种知识点向量获取、推荐题目确定方法及相关装置。
技术介绍
随着计算机技术和互联网技术的发展，用户能够方便地得到大量的资源，然而，同时也就面临着信息过载的问题，为此，就需要根据用户的情况为其推荐适当的信息。在教育领域，推荐题目确定是为了提高学生的学习效率而产生的需求，但如果推荐的题目与用户不匹配，可能会造成用户时间的浪费，影响用户的学习效率，因此需要根据用户的学习进行题目的推荐。然而，要了解用户的学习情况就需要有一定数量的题目作答记录，对于仅有较少作答记录的新用户而言，则没办法获取到用户的学习情况，从而难以实现准确地对新用户的推荐题目确定。为此，如何保证对仅有较少信息的用户的推荐题目确定的实现基础获取，以提高推荐题目确定的准确性就成为亟需解决的技术问题。
技术实现思路
本专利技术实施例提供一种知识点向量获取、推荐题目确定方法及相关装置，保证对仅有较少信息的用户的推荐题目确定的实现基础获取，以提高推荐题目确定的准确性。为解决上述问题，本专利技术实施例提供一种知识点向量获取方法，包括获取已有用户的错题信息矩阵，所述错题信息矩阵的各个元分别为各个所述已有用户在各个知识点的答错题目数量；对所述错题信息矩阵进行矩阵分解获取各个知识点的知识点向量。为解决上述问题，本专利技术实施例提供一种推荐题目确定方法，包括：获取目标用户的答错题目的错题信息，所述错题信息包括错题知识点；利用所述错题知识点和提前确定的相似知识点数据，确定与所述错题知识点的相似度满足知识点相似度阈值的相似知识点，其中，所述相似知识点数据包括任意两个知识点之间的相似度，各个所述相似度通过任意两个所述知识点的知识点向量的相似度计算得到，所述知识点向量根据如前述任一项所述的知识点向量获取方法获取；根据所述相似知识点在推荐题库中确定各个初步推荐题目，所述推荐题库中各个题目的题目信息包括题目知识点；获取各个所述初步推荐题目与所述答错题目的题目相似度，根据所述题目相似度确定目标推荐题目。为解决上述问题，本专利技术实施例提供一种知识点向量获取装置，包括：错题信息矩阵获取单元，适于获取已有用户的错题信息矩阵，所述错题信息矩阵的各个元分别为各个所述已有用户在各个知识点的答错题目数量；知识点向量获取单元，适于对所述错题信息矩阵进行矩阵分解获取各个知识点的知识点向量。为解决上述问题，本专利技术实施例提供一种推荐题目确定装置，包括：错题信息获取单元，适于获取目标用户的答错题目的错题信息，所述错题信息包括错题知识点；相似知识点确定单元，适于利用所述错题知识点和提前确定的相似知识点数据，确定与所述错题知识点的相似度满足知识点相似度阈值的相似知识点，其中，所述相似知识点数据包括任意两个知识点之间的相似度，各个所述相似度通过任意两个所述知识点的知识点向量的相似度计算得到，所述知识点向量根据如前述任一项所述的知识点向量获取方法获取；初步推荐题目获取单元，适于根据所述相似知识点在推荐题库中确定各个初步推荐题目，所述推荐题库中各个题目的题目信息包括题目知识点；目标推荐题目确定单元，适于获取各个所述初步推荐题目与所述答错题目的题目相似度，根据所述题目相似度确定目标推荐题目。为解决上述问题，本专利技术实施例提供一种存储介质，所述存储介质存储有适于知识点向量获取的程序，以实现如前述任一项所述的知识点向量获取方法，或者所述存储介质存储有适于推荐题目确定的程序，以实现如前述任一项所述的推荐题目确定方法。为解决上述问题，本专利技术实施例提供一种设备，包括至少一个存储器和至少一个处理器；所述存储器存储有程序，所述处理器调用所述程序，以执行如前述任一项所述的知识点向量获取方法或者如前述任一项所述的推荐题目确定方法。与现有技术相比，本专利技术的技术方案具有以下优点：本专利技术实施例所提供的知识点向量获取、推荐题目确定方法及相关装置，其中，知识点向量获取方法，首先利用已有用户的答错题目的数量信息和知识点信息构建错题信息矩阵，然后通过对错题信息矩阵的分解获取各个知识点向量。这样，通过对错题信息矩阵的分解得到的知识点向量，不同于直接根据知识点构建的向量，不仅包括了知识点的信息，还包括了已有用户的错题信息，因此，通过这种方式得到的知识点向量可以表示在某个知识点上答错的信息，而如果两个用户在同一个知识点上都答错，并且第一个用户在另一个知识点上也答错的话，那么第二个用户在另一个知识点上也有较大可能答错，因此，通过计算通过本专利技术实施例所提供的知识点向量获取方法得到知识点向量的相似度，就可以知道在一个知识点上答错的情况下，在另一个知识点上也答错的可能性，相似度越大，那么答错的可能性越大，这样，后续通过获取目标用户的答错题目的错题知识点以及基于知识点向量所得到的各个知识点之间的相似度，就可以确定目标用户在答错错题知识点的情况下，答错其他各个知识点的可能性的大小，也就可以根据由本专利技术实施例所提供的知识点向量获取方法得到的知识点向量的相似度确定目标用户答错可能性较大的知识点，而不仅仅是关联性较大的知识点，进而可以进一步在答错可能性较大的知识点中确定信息较少的用户的推荐题目，从而提高信息较少的用户的学习效率，并且也不需要获取目标用户过多的行为信息，保证冷启动情况下的推荐题目的确定以及所确定的推荐题目的准确性。本专利技术实施例所提供的知识点向量获取、推荐题目确定方法及相关装置，其中推荐题目确定方法，首先获取目标用户的答错题目的错题信息，然后根据答错题目的错题知识点，在提前确定的相似知识点数据中，确定满足知识点相似度阈值的相似知识点，且相似知识点数据是通过知识点错题矩阵形成的知识点向量的相似度计算得到的，并进一步根据相似知识点在推荐题库中确定各个初步推荐题目，然后进一步根据各个初步推荐题目与答错题目的题目相似度，确定目标推荐题目。可以看出，本专利技术实施例所提供的推荐题目确定方法，在确定相似知识点时，所利用的是目标用户的答错题目的错题知识点和包含了知识点答错关联性信息的相似知识点数据，因此，所确定的相似知识点是目标用户在错题知识点答错的情况下，答错可能性很大的知识点，是基于用户答错行为的可能性大小而确定的，而非仅仅是根据知识点之间的关联性，使得所确定的相似知识点包含了用户可能的行为信息，更能贴近用户的实际情况，而不是仅仅根据知识点本身的关联性，从而可以避免仅从知识点的关联性上看相关度很高但用户基本不会犯错的知识点的推荐，使得所确定的相似知识点更能针对用户的行为，保证所确定的推荐题目的准确性，从而提高用户的学习效率；并且，相似知识点的确定仅根据目标用户的答错题目，无需获取目标用户过多的行为信息，也不需要根据目标用于与其他用户之间的行为信息相似度确定最接近的用户，可以实现在目标用户的行为信息较少的情况下，为目标用户确定相似知识点，从而进一步确定目标推荐题目，保证冷启动情况下的推荐题目的确定。附图说明图1是本专利技术实施例所提供的知识点向量获取方法的一本文档来自技高网...

【技术保护点】
1.一种知识点向量获取方法，其特征在于，包括：/n获取已有用户的错题信息矩阵，所述错题信息矩阵的各个元分别为各个所述已有用户在各个知识点的答错题目数量；/n对所述错题信息矩阵进行矩阵分解获取各个知识点的知识点向量。/n

【技术特征摘要】
1.一种知识点向量获取方法，其特征在于，包括：
获取已有用户的错题信息矩阵，所述错题信息矩阵的各个元分别为各个所述已有用户在各个知识点的答错题目数量；
对所述错题信息矩阵进行矩阵分解获取各个知识点的知识点向量。


2.如权利要求1所述的知识点向量获取方法，其特征在于，所述对所述错题信息矩阵进行矩阵分解获取各个知识点的知识点向量的步骤包括：
利用矩阵分解模型对所述错题信息矩阵进行矩阵分解，得到各个暂定知识点向量和与其对应的各个暂定用户向量；
根据各个所述暂定知识点向量和各个所述暂定用户向量计算向量损失，并根据所述向量损失调整所述矩阵分解模型的参数，直至所述向量损失满足损失目标，将各个所述暂定知识点向量作为各个所述知识点向量。


3.如权利要求2所述的知识点向量获取方法，其特征在于，所述向量损失通过以下损失函数公式获取：



其中：L--向量损失；--第S个暂定用户向量；--第K个暂定知识点向量；--用户在某个知识点下是否有错题的二值矩阵；
--置信矩阵，通过以下公式获取：



其中：--可人为调节的增长常数；--第S个暂定用户在第K个暂定知识点下的答错题目数。


4.如权利要求3所述的知识点向量获取方法，其特征在于，所述损失目标为所述损失函数公式的取值达到最小值。


5.一种推荐题目确定方法，其特征在于，包括：
获取目标用户的答错题目的错题信息，所述错题信息包括错题知识点；
利用所述错题知识点和提前确定的相似知识点数据，确定与所述错题知识点的相似度满足知识点相似度阈值的相似知识点，其中，所述相似知识点数据包括任意两个知识点之间的相似度，各个所述相似度通过任意两个所述知识点的知识点向量的相似度计算得到，所述知识点向量根据如权利要求1-4任一项所述的知识点向量获取方法获取；
根据所述相似知识点在推荐题库中确定各个初步推荐题目，所述推荐题库中各个题目的题目信息包括题目知识点；
获取各个所述初步推荐题目与所述答错题目的题目相似度，根据所述题目相似度确定目标推荐题目。


6.如权利要求5所述的推荐题目确定方法，其特征在于，所述根据所述相似知识点在推荐题库中确定各个初步推荐题目的步骤包括：
根据各个所述相似知识点与所述错题知识点的相似度，获取各个所述相似知识点的推荐概率；
按照所述推荐概率随机确定各个所述相似知识点中的知识点为推荐知识点；
根据所述推荐知识点在推荐题库中题目，得到各个所述初步推荐题目。


7.如权利要求6所述的推荐题目确定方法，其特征在于，所述推荐概率通过以下公式获取：



其中：--第i个相似知识点的推荐概率；

--第i个相似知识点的相似度；

--第j个相似知识点的相似度。


8.如权利要求1-7任一项所述的推荐题目确定方法，其特征在于，所述错题信息还包括错题难度等级，所述题目信息还包括题目难度等级；
所述获取各个所述初步推荐题目与所述答错题目的题目相似度的步骤包括：
根据所述知识点相似度，以及所述错题难度等级和所述初步推荐题目的题目难度等级的难度等级相似度获取所述推荐题目集合中的各个初步推荐题目与所述答错题目的题目相似度。


9.如权利要求8所述的推荐题目确定方法，其特征在于，所述错题信息还包括错题题型，所述题目信息还包括题目题型；
所述根据...

【专利技术属性】
技术研发人员：朱帅，
申请(专利权)人：北京世纪好未来教育科技有限公司，
类型：发明
国别省市：北京;11