【技术实现步骤摘要】
本专利技术涉及个性化推荐，特别是涉及一种试题推荐模型的训练方法、试题推荐方法及系统。
技术介绍
1、传统教学模式采用无差别授课和盲目题海训练，增加了学习者的负担。随着智慧教育和智能辅助教学的兴起，国内外出现了众多在线教育平台，这些平台受到了高度重视。因此，如何精准推荐适合学习者的试题成为了一个热点问题。
2、然而，现有研究仅假设所有学习者和试题具有静态不变的特征，采用固定的模式（如隐向量）来建模，未能充分关注学习者和试题随时间变化的动态特征。许多推荐算法由于数据稀疏性和冷启动问题，过于依赖答题历史，对学习者及其相邻学习者（邻居）与试题之间的多种交互关系及其协同信息的传播和作用理解不足，表征困难。
3、因此，急需解决如何降低模型的数据稀疏性和答题历史依赖性，以提高个性化推荐的准确性和全面性。
技术实现思路
1、本专利技术的目的在于提供一种试题推荐模型的训练方法、试题推荐方法及系统，以便提高个性化推荐的准确性和全面性。
2、为了实现上述目的，第一方面，本专利...
【技术保护点】
1.一种试题推荐模型的训练方法，其特征在于，所述训练方法包括：
2.根据权利要求1所述的训练方法，其特征在于，在所述利用预设的多关系图卷积对所述多关系交互图中的每个所述节点进行增强，得到所述节点对应的增强嵌入表征之前，所述训练方法还包括：
3.根据权利要求2所述的训练方法，其特征在于，所述基于所述学习者做不好试题交互矩阵和所述学习者全做对试题交互矩阵构建多关系邻接矩阵，包括：
4.根据权利要求2所述的训练方法，其特征在于，所述基于所述多关系邻接矩阵，利用预设的多关系图卷积对所述多关系交互图中的每个所述节点进行增强，得到所述节点对应的...
【技术特征摘要】
1.一种试题推荐模型的训练方法，其特征在于，所述训练方法包括：
2.根据权利要求1所述的训练方法，其特征在于，在所述利用预设的多关系图卷积对所述多关系交互图中的每个所述节点进行增强，得到所述节点对应的增强嵌入表征之前，所述训练方法还包括：
3.根据权利要求2所述的训练方法，其特征在于，所述基于所述学习者做不好试题交互矩阵和所述学习者全做对试题交互矩阵构建多关系邻接矩阵，包括：
4.根据权利要求2所述的训练方法，其特征在于，所述基于所述多关系邻接矩阵，利用预设的多关系图卷积对所述多关系交互图中的每个所述节点进行增强，得到所述节点对应的增强嵌入表征，包括：
5.根据权利要求1所述的训练方法，其特征在于，所述根据所述学习者增强嵌入表征和所述试题增强嵌入表征构建不同的样本对交互关系表征，通过所述样本对交互关系表征进行对比学习不同学习者之间的偏好，构建学习者对...
【专利技术属性】
技术研发人员：刘威，吕裕涵，邓文善，马俊，麦嘉升，余建兴，朱怀杰，印鉴，
申请(专利权)人：中山大学，
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。