一种试题推荐方法、装置、电子设备和存储介质制造方法及图纸

本公开涉及一种试题推荐方法、装置、电子设备和存储介质。试题推荐方法，包括：获取目标对象针对第一试题的作答结果；根据作答结果诊断目标对象对第一试题对应的第一知识点的掌握情况，得到第一知识点的掌握等级；根据预先构建的知识点掌握情况间的关联规则库和第一知识点的掌握等级确定第二知识点；将包含第二知识点的第二试题推荐给目标对象。本公开提供的试题推荐方法，能够根据知识点掌握情况间的关联规则和当前知识点的掌握情况，向用户推荐合适的试题。合适的试题。合适的试题。

【技术实现步骤摘要】
一种试题推荐方法、装置、电子设备和存储介质


[0001]本公开涉及计算机
，尤其涉及一种试题推荐方法、装置、电子设备和存储介质。

技术介绍

[0002]随着计算机技术的发展，通过学习产品进行线上学习已经成为一种普遍的学习方式，在众多自适应学习产品中，个性化推荐试题是其中最关键的环节之一，能够根据学生的知识点掌握情况，从海量题库中为学生推荐合适的试题，提升学生的学习效率。但现有的试题推荐方法，多依赖于大量的历史作答数据作为先验信息，在获取的数据较少的情况下，无法推荐合理的试题。

技术实现思路

[0003]为了解决上述技术问题，本公开提供了一种试题推荐方法、装置、电子设备和存储介质，能够根据知识点掌握情况间的关联规则，向用户推荐合适的试题。
[0004]根据本公开的一方面，提供了一种试题推荐方法，包括：
[0005]获取目标对象针对第一试题的作答结果；
[0006]根据所述作答结果诊断所述目标对象对所述第一试题对应的第一知识点的掌握情况，得到所述第一知识点的掌握等级；
[0007]根据预先构建的知识点掌握情况间的关联规则库和所述第一知识点的掌握等级确定第二知识点；
[0008]将包含所述第二知识点的第二试题推荐给所述目标对象。
[0009]根据本公开的另一方面，提供了一种试题推荐装置，包括：
[0010]获取模块，用于获取目标对象针对第一试题的作答结果；
[0011]诊断模块，用于根据所述作答结果诊断所述目标对象对所述第一试题对应的第一知识点的掌握情况，得到所述第一知识点的掌握等级；
[0012]预测模块，用于根据预先构建的知识点掌握情况间的关联规则库和所述第一知识点的掌握等级确定第二知识点；
[0013]推荐模块，用于将包含所述第二知识点的第二试题推荐给所述目标对象。
[0014]根据本公开的另一方面，提供了一种电子设备，所述电子设备包括：处理器；以及存储程序的存储器，其中，所述程序包括指令，所述指令在由所述处理器执行时使所述处理器执行根据上述试题推荐方法。
[0015]根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行根据试题推荐方法。
[0016]根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现上述试题推荐方法。
[0017]本公开实施例提供的技术方案与现有技术相比具有如下优点：
[0018]通过获取目标对象针对第一试题的作答结果；根据作答结果诊断目标对象对第一试题对应的第一知识点的掌握情况，得到第一知识点的掌握等级；根据预先构建的知识点掌握情况间的关联规则库和第一知识点的掌握等级确定第二知识点；将包含第二知识点的第二试题推荐给目标对象。本公开提供的试题推荐方法，能够根据知识点掌握情况间的关联规则的当前知识点的掌握情况，向用户推荐合适的试题。
附图说明
[0019]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
[0020]为了更清楚地说明本公开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，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0021]图1为本公开实施例提供的试题推荐方法流程图；
[0022]图2为本公开实施例提供的试题推荐方法流程图；
[0023]图3为本公开实施例提供的试题推荐方法流程图；
[0024]图4为本公开实施例提供的试题推荐装置的结构示意图；
[0025]图5为本公开实施例提供的电子设备的结构示意图。
具体实施方式
[0026]为了能够更清楚地理解本公开的上述目的、特征和优点，下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
[0027]应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
[0028]本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
[0029]需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
[0030]本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
[0031]在对本公开实施例进行说明之前，先介绍以下实施例中涉及到的关键术语，其中：
[0032]关联规则：反映对象之间的关联关系，若多个对象之间存在关联关系，则一个对象
可通过其他对象基于关联关系进行预测。
[0033]Apriori算法：一种著名的关联规则挖掘方法。
[0034]项目反映理论(Item Response Theory，IRT)：也称潜在特质理论或潜在特质模型，一种可以用来分析考试成绩的数学模型。
[0035]知识追踪：根据学生历史答题记录对学生知识掌握情况建模，从而得到学生当前知识状态表示(掌握情况)的一种技术。
[0036]目前，在众多自适应学习产品中，个性化推荐试题是其中最关键的环节之一，学习产品能够根据学生的知识点掌握情况，从海量题库中挑选最适合学生的试题推荐给学生练习，能够帮助提升学生的学习效率。而在学习产品研发过程中，通常面临以下几点挑战：1.新用户冷启问题：当新用户登录系统时，在没有足够的先验信息时，无法快速找到学生薄弱知识点，为其推荐难度相匹配的试题。先验信息就是该用户的历史作答数据；2.推荐可解释性：在教育场景下，给出试题的推荐原因，可以使学生能够更易理解和接受被推荐的试题；3.推荐的实时性：需要根据学生答题结果，及时捕捉学生知识点的掌握情况，动态调整匹配的试题。
[0037]现有的自适应向用户推荐试题的方法主要分为以下几类：1.基于协同过滤的方法：基于学生对试题的作答记录计算学生之间的相似度，根据相似学生在待推荐试题的得本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种试题推荐方法，其特征在于，包括：获取目标对象针对第一试题的作答结果；根据所述作答结果诊断所述目标对象对所述第一试题对应的第一知识点的掌握情况，得到所述第一知识点的掌握等级；根据预先构建的知识点掌握情况间的关联规则库和所述第一知识点的掌握等级确定第二知识点；将包含所述第二知识点的第二试题推荐给所述目标对象。2.根据权利要求1所述的方法，其特征在于，所述根据所述作答结果诊断所述目标对象对所述第一试题对应的第一知识点的掌握情况，得到所述第一知识点的掌握等级，包括：利用预先训练的估计模型根据所述作答结果估计所述目标对象对所述第一试题对应的第一知识点的掌握情况，得到所述第一知识点的能力值；将所述第一知识点的能力值按照第一阈值进行分位数计算，得到所述第一知识点的掌握等级。3.根据权利要求1所述的方法，其特征在于，所述根据预先构建的知识点掌握情况间的关联规则库和所述第一知识点的掌握等级确定第二知识点，包括：若所述第一知识点的掌握等级低于第一等级，则基于构建的知识图谱在对应的推荐知识点集合中确定所述第一知识点的前置知识点集合；基于预先构建的知识点掌握情况间的关联规则库，在所述前置知识点集合中确定和所述第一知识点关联且掌握等级同样低于所述第一等级的至少一个第三知识点；根据所述至少一个第三知识点确定所述目标对象掌握薄弱的第二知识点。4.根据权利要求3所述的方法，其特征在于，所述根据所述至少一个第三知识点确定所述目标对象掌握薄弱的第二知识点，包括：确定所述至少一个第三知识点中每个第三知识点的置信度，并根据置信度将所述至少一个第三知识点进行排序；将排序后的至少一个第三知识点中置信度大于第二阈值的第三知识点确定为所述目标对象掌握薄弱的第二知识点。5.根据权利要求1所述的方法，其特征在于，所述根据预先构建的知识点掌握情况间的关联规则库和所述第一知识点的掌握等级确定第二知识点，包括：若所述第一知识点的掌握等级为第一等级，则基于预先构建的知识点掌握情况间的关联规则库确定和所述第一知识点关联且掌握等级同样为所述第一等级的至少一个第四知识点；将推荐知识点集合中所述第一知识点和所述至少一个第四知识点移除，并在移除后的推荐知识点集合中确定第二知识点。6.根据权利要求1所述的方法，其特征在于，在获取目标对象针对第一试题的作答结果之前，所述方法包括：在推荐知识点集合范围内首次向目标对象推荐试题的情况下，基于构建的和所述推荐知识点集合对应的知识图谱计算所述推荐知识点集合中每个知识点的前置知识点的数量；根据每个知识点的前置知识点的数量，在所述推荐知识点集合中确定中间知识点；将包含所述中间知识点的第一试题推荐给所述目标对象。
7.根据权利要求1所述的方法，其特征在于，所述将包含所述第二知识点的第二试题推荐给所述目标对象，所述方法还包括：确定包含所述第二知识点的预设数量的第二试题，并生成关于所述第二试题的推...

【专利技术属性】
技术研发人员：吴士婷，唐坤，陈晓倩，
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：