基于属性探索的试题隐含知识属性关联挖掘及相关试题推送方法及系统技术方案

本发明专利技术属于教育数据挖掘技术领域，公开一种基于属性探索的试题隐含知识属性关联挖掘及相关试题推送方法及系统，该方法包括：构建学生对错误题目集合的形式背景：对学生题目作答记录源数据进行预处理，之后结合标注的题目中所包含的知识属性集合，过滤出学生的错误应答信息；使用属性探索知识属性挖掘算法对当前形式背景进行探索，得到通过任一学生错误应答信息得出的知识属性蕴含关联集合与非冗余试题集合；利用概念格相似度分析计算试题之间的相似度，寻找含有与练习错题相似知识点的题目，选择满足阈值最近似的若干个相关试题进行推送。本发明专利技术解决了传统分析模式中学生模糊判断缺失属性带来的弊端，能够为学生提供针对性试题推荐。试题推荐。试题推荐。

【技术实现步骤摘要】
基于属性探索的试题隐含知识属性关联挖掘及相关试题推送方法及系统


[0001]本专利技术属于教育数据挖掘
，尤其涉及一种基于属性探索的试题隐含知识属性关联挖掘及相关试题推送方法及系统。

技术介绍

[0002]属性探索是基于形式概念分析理论对属性之间的蕴含关系进行获取的方法，属性之间的蕴含可以表示个体集合间包含关系的知识。属性探索算法是通过询问领域专家一系列问题，从而挖掘出当前背景下所有的内涵和主基，进而对能够根据探索结果进行进一步分析，领域专家可以是数据库也可以是一个人。
[0003]聚类是将大量的数据聚集到不同的群或者簇的一个过程，使得相同簇中的对象极其相似，不同簇之间的对象则存在较大的相异性。聚类分析也可以将数据中的对象个体根据某种或多种属性分类在一起，根据不同类的特征进行数据分析。
[0004]形式概念分析又称为概念格，它作为一种聚类的方法，可以将满足某个属性集合与拥有这些属性的对象集合通过“概念”的形式表示，通过“概念”的形式将满足某种属性的对象进行归类，通过Hasse图可以直观的表示概念之间的层次关系以及概念之间的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于属性探索的试题隐含知识属性关联挖掘及相关试题推送方法，其特征在于，包括：步骤A，构建学生对错误题目集合的形式背景K：对学生题目作答记录源数据进行预处理，之后结合标注的题目中所包含的知识属性集合，过滤出学生的错误应答信息，所述错误应答信息由学生的错误作答题目及每道题目所包含的知识属性集合组成；步骤B，使用属性探索知识属性挖掘算法对当前形式背景进行探索，得到通过步骤A中任一学生错误应答信息得出的知识属性蕴含关联集合与非冗余试题集合；步骤C，利用概念格相似度分析计算试题之间的相似度，寻找含有与练习错题相似知识点的题目，选择满足阈值最近似的若干个相关试题进行推送。2.根据权利要求1所述的基于属性探索的试题隐含知识属性关联挖掘及相关试题推送方法，其特征在于，所述步骤A包括：步骤A1，对已有的学生题目作答记录源数据进行预处理；包括：对源数据进行清洗，删除源数据中的无关属性，得到只含有某一学生对象及其回答题目正误的二值作答信息数据；同时将学生应答记录中正确作答的题目进行删除，保留学生的错误应答记录；步骤A2，对预处理过的数据融合知识属性关联矩阵；包括：将标注的知识属性集合通过矩阵表示，将每行表示题目，每列代表知识属性，如果题目含有该知识属性则用1表示否则为0，得到知识属性关联矩阵；将预处理后数据与知识属性关联矩阵相结合，得到每道错误作答题目与知识属性融合的错误应答信息矩阵，即得到当前学生对错误题目集合的试题知识属性形式背景K。3.根据权利要求1所述的基于属性探索的试题隐含知识属性关联挖掘及相关试题推送方法，其特征在于，所述步骤B包括：步骤B1，构建知识属性集合的字典序集合Z，取出字典序集合中的末位知识属性集合Z
i
，并在当前形式背景、即非冗余试题集合K
e
中计算出其中表示拥有Z
i
知识属性集合中所有属性的试题集合，表示所有试题元素集合中所共同拥有的知识属性集合；步骤B2，在预处理后的数据、即形式背景K中，计算是否成立；如果不成立则执行步骤B3，否则执行步骤B4；其中D
K
(Z
i
)表示在形式背景K中计算拥有Z
i
知识属性集合中所有属性的试题集合，表示两个集合的差集；步骤B3，在形式背景K中查找不满足条件的一项试题加入到非冗余试题集合K
e
中，并更新K
e
作为新的非冗余试题集合；返回步骤B2；步骤B4，判断在形式背景K中，包含Z
i
知识属性集合的非冗余试题集合所共同含有的对象是否等于Z
i
知识属性集合，如果不相等则将知识属性蕴含关系式加入知识属性蕴含关联集合Y中；其中表示学生在回答错误含有知识属性集合Z
i
的试题的同时也会将含有属性的试题一同作答错误；步骤B5，计算字典序集合Z中下一个知识属性集合Z
i+1
；判断当前字典序集合中知识属性集合Z
i
<
j
Y
*
∪(Z
i
∩{e1,e2,
…
e
j
‑1}∪(e
j
))是否成立，如果条件成立则字典序集合下一位
为Z
i+1
＝Y
*
∪(Z
i
∩{e1,e2,
…
e
j
‑1}∪(e
j
))，进入步骤B1；否则j＝j
‑
1，并继续在当前步骤计算直至j＝0，终结程序；其中Y
*
表示Y中最后一个知识属性蕴含关系式的后件元素集合，集合E＝{e1,e2,
…
e
j
}表示知识属性集合，j为标注的知识属性个数；步骤B6，对知识属性蕴含关联集合进行清洗，如果知识属性蕴含关系式中集合为则认为该知识属性蕴含关系式为冗余条件，并进行删除；步骤B7，通过步骤B1至步骤B6的属性探索知识属性挖掘算法最终得到非冗余试题集合K
e
和知识属性蕴含关联集合Y。4.根据权利要求1所述的基于属性探索的试题隐含知识属性关联挖掘及相关试题推送方法，其特征在于，所述步骤C包括：步骤C1，按照步骤A方式构建当前学生未练习过的试题库的试题知识属性形式背景L；步骤C2，采用bordat概念格构造算法构建当前学生未练习过的试题库概念格，通过输入步骤C1得出的形式背景L，构造出试题库的概念格；概念格由概念节点和节点之间的偏序关系表示，概念格中每个节点由二元关系(U,S)表示，U代表当前学生未练习过的试题集合，S代表知识属性集合，概念节点表示试题集合U具有S集合的知识属性；步骤C3，基于步骤B得到的知识属性蕴含关联集合，通过遍历概念格的所有概念节点，通过余弦相似度计算公式计算概念节点与知识属性蕴含关系式的相似度；C4，根据余弦相似度计算结果对相关试题的题目进行排序，设置阈值，筛选出大于阈值的结果，并选择top
‑
n个试题题目进行推送，如果筛选出的试题题目数量较少，则降低阈值。5.一种基于属性探索的试题隐含知识属性关联挖掘及相关试题推送系统，其特征在于，包...

【专利技术属性】
技术研发人员：张磊，李星辰，沈夏炯，韩道军，贾培艳，史先进，丁文珂，
申请(专利权)人：河南大学，
类型：发明
国别省市：