【技术实现步骤摘要】
本专利技术涉及教育，尤其涉及一种试题的推荐方法、系统、设备和存储介质。
技术介绍
1、全国很多高校建设了大量优质试题资源库，针对学科、专业和课程建设了海量的课程教学资源。试题资源包含了大规模文本、视频、图像、语音和文档等非线性结构的多模态数据，但缺少目录索引以及智能的算法推送，用户在使用这些试题资源库时，一方面无法快速找到需要的试题库，检索费时、费力、效率低，一方面用户无法精确地根据自身情况选择相应的试题库。
2、综上所述，现有技术中存在的问题亟需得到解决。
技术实现思路
1、本专利技术提供一种试题的推荐方法、系统、设备和存储介质，用以解决现有技术中缺少目录索引以及智能算法推送的缺陷。
2、本专利技术提供一种试题的推荐方法，包括：
3、获取历史试题作答数据，所述历史试题作答数据包括学生作答数据和用户作答数据；
4、根据所述用户作答数据和所述学生作答数据，确定目标用户的目标学生特征向量；
5、根据所述学生作答数据，确定增强试题特征向量，所述增强试题特征向量包括受众学生向量和多跳邻域向量；
6、根据所述目标学生特征向量和所述增强试题特征向量，确定目标用户的试题推荐函数；
7、将试题库数据输入至所述试题推荐函数中，得到目标用户的试题推荐列表。
8、根据本专利技术提供的一种试题的推荐方法，所述根据所述用户作答数据和所述学生作答数据，确定目标用户的目标学生特征向量这一步骤，具体包括：
10、根据所述用户作答数据，确定所述目标用户对考查知识点的掌握程度；
11、根据所述掌握程度，确定目标用户的权重系数；
12、根据所述权重系数和所述学生初始化向量，确定目标用户的目标学生特征向量。
13、根据本专利技术提供的一种试题的推荐方法，所述根据所述学生作答数据，确定增强试题特征向量这一步骤，具体包括：
14、根据所述学生作答数据，确定受众学生向量；
15、获取试题知识图谱数据；
16、根据所述试题知识图谱数据聚合试题多跳邻域信息，确定多跳邻域向量；
17、将所述受众学生向量和所述多跳邻域向量通过双流网络进行融合，得到增强试题特征向量。
18、根据本专利技术提供的一种试题的推荐方法，所述学生作答数据包括试题数据以及作答数据，所述根据所述学生作答数据，确定受众学生向量这一步骤，具体包括：
19、在所述作答数据中确定每一个试题对应的错误作答学生列表，所述错误作答学生列表包括做错该试题的学生的身份信息；
20、根据所述错误作答学生列表，得到该试题的受众学生特征集合；
21、根据所述受众学生特征集合，确定所述受众学生向量。
22、根据本专利技术提供的一种试题的推荐方法，所述根据所述试题知识图谱数据聚合试题多跳邻域信息，确定多跳邻域向量这一步骤，具体包括：
23、根据所述试题知识图谱数据，确定与试题的一跳邻域以及尾实体；
24、根据所述一跳邻域以及所述尾实体，聚合一跳邻域特征，得到多跳邻域向量。
25、根据本专利技术提供的一种试题的推荐方法，所述根据所述目标学生特征向量和所述增强试题特征向量，确定目标用户的试题推荐函数这一步骤，具体包括：
26、将所述目标学生特征向量和所述增强试题特征向量进行内积操作，得到所述目标用户的试题推荐函数。
27、根据本专利技术提供的一种试题的推荐方法，所述将试题库数据输入至所述试题推荐函数中，得到目标用户的试题推荐列表这一步骤，具体包括：
28、将试题库数据中的试题输入至所述试题推荐函数中，得到该试题的错误作答评分；
29、当所述错误作答评分大于预设值，则将该试题移入试题推荐列表中。
30、本专利技术还提供一种试题的推荐系统，包括：
31、数据获取单元，用于获取历史试题作答数据，所述历史试题作答数据包括学生作答数据和用户作答数据；
32、学生特征单元，用于根据所述用户作答数据和所述学生作答数据，确定目标用户的目标学生特征向量；
33、试题特征单元，用于根据所述学生作答数据，确定增强试题特征向量，所述增强试题特征向量包括受众学生向量和多跳邻域向量；
34、推荐函数单元，用于根据所述目标学生特征向量和所述增强试题特征向量，确定目标用户的试题推荐函数；
35、推荐列表单元，用于将试题库数据输入至所述试题推荐函数中，得到目标用户的试题推荐列表。
36、本专利技术还提供一种电子设备，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，所述处理器执行所述程序时实现如上述任一种所述试题的推荐方法。
37、本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述试题的推荐方法。
38、本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述试题的推荐方法。
39、本专利技术提供的试题的推荐方法、系统、设备和存储介质，通过获取历史试题作答数据，所述历史试题作答数据包括学生作答数据和用户作答数据；根据所述用户作答数据和所述学生作答数据，确定目标用户的目标学生特征向量；根据所述学生作答数据，确定增强试题特征向量，所述增强试题特征向量包括受众学生向量和多跳邻域向量；根据所述目标学生特征向量和所述增强试题特征向量，确定目标用户的试题推荐函数；将试题库数据输入至所述试题推荐函数中，得到目标用户的试题推荐列表。通过这种方法，能够得到增强后的学生特征和增强后的试题特征，再由增强后的学生特征和增强后的试题特征确定目标用户的试题推荐函数，从而能够为用户推荐合适的试题进行学习。
本文档来自技高网...【技术保护点】
1.一种试题的推荐方法，其特征在于，包括：
2.根据权利要求1所述的试题的推荐方法，其特征在于，所述根据所述用户作答数据和所述学生作答数据，确定目标用户的目标学生特征向量这一步骤，具体包括：
3.根据权利要求1所述的试题的推荐方法，其特征在于，所述根据所述学生作答数据，确定增强试题特征向量这一步骤，具体包括：
4.根据权利要求3所述的试题的推荐方法，其特征在于，所述学生作答数据包括试题数据以及作答数据，所述根据所述学生作答数据，确定受众学生向量这一步骤，具体包括：
5.根据权利要求3所述的试题的推荐方法，其特征在于，所述根据所述试题知识图谱数据聚合试题多跳邻域信息，确定多跳邻域向量这一步骤，具体包括：
6.根据权利要求1所述的试题的推荐方法，其特征在于，所述根据所述目标学生特征向量和所述增强试题特征向量，确定目标用户的试题推荐函数这一步骤，具体包括：
7.根据权利要求1所述的试题的推荐方法，其特征在于，所述将试题库数据输入至所述试题推荐函数中，得到目标用户的试题推荐列表这一步骤，具体包括：
8.一
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述试题的推荐方法。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述试题的推荐方法。
...【技术特征摘要】
1.一种试题的推荐方法，其特征在于，包括：
2.根据权利要求1所述的试题的推荐方法，其特征在于，所述根据所述用户作答数据和所述学生作答数据，确定目标用户的目标学生特征向量这一步骤，具体包括：
3.根据权利要求1所述的试题的推荐方法，其特征在于，所述根据所述学生作答数据，确定增强试题特征向量这一步骤，具体包括：
4.根据权利要求3所述的试题的推荐方法，其特征在于，所述学生作答数据包括试题数据以及作答数据，所述根据所述学生作答数据，确定受众学生向量这一步骤，具体包括：
5.根据权利要求3所述的试题的推荐方法，其特征在于，所述根据所述试题知识图谱数据聚合试题多跳邻域信息，确定多跳邻域向量这一步骤，具体包括：
6.根据权利要求1...
【专利技术属性】
技术研发人员：龙美霖，李东，刘浩，柯维海，刘昇，崔婷婷，
申请(专利权)人：广东德诚科教有限公司，
类型：发明
国别省市：
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。