[发明专利]知识点预测方法及装置、存储介质、电子设备

说明书

本公开提供一种知识点预测方法及装置、存储介质、电子设备。该方法利用预先构建的知识点预测模型确定待预测试题q_t含有的知识点，包括：提取待预测试题q_t的深层语义信息QD_qt、以及知识点集合中每个知识点k_j的教研经验的深层语义信息JD_kj，所述知识点的教研经验为该知识点在试题中的描述，1≤j≤m，m为所述知识点集合包括的知识点的数目；通过注意力机制获得QD_qt与JD_kj之间的相似度W_qtkj，并基于JD_kj与W_qtkj得到教研经验对所述待预测试题q_t的重要程度C_qt；利用所述QD_qt与所述C_qt预测所述待预测试题q_t含有的知识点。如此方案，有助于提高知识点预测的准确率。

技术领域

本公开涉及人工智能技术领域，具体地，涉及一种知识点预测方法及装置、存储介质、电子设备。

背景技术

随着大数据和人工智能的发展，个性化学习模式得以广泛应用，它能够为学生提供个性化诊断报告和个性化资源推荐，帮助学生了解自己，并运用大数据和人工智能为学生规划个性化的学习路径，推荐个性化的学习资源，使学习变得简单高效。

在个性化学习模式中，无论是个性化诊断报告的生成，还是个性化资源推荐，行之有效的方法是从知识点的维度构建结构化题库，进而结合学生的学习历史生成个性化诊断报告和推荐资源。

试题的知识点可以描述一道试题涉及的知识，例如，数学学科的知识点可以有：函数的基本概念、函数定义域与值域，等等。根据学生的做题历史，可以分析出学生对各个知识点的掌握程度，进而准确定位学生需要学习提高的地方，实现个性化学习。如何准确的对试题进行知识点标注，成为题库构建和个性化学习首要解决的问题。

目前，常用的知识点标注方法主要有两种：

一种是人工标注方法。即，由教研人员或一线教师，为每一道试题标注合适的知识点。该方法对标注人员的要求较高，耗时耗力，且随着新试题的加入需要持续投入人力进行标注，可实施性较差；此外，人工标注的主观性较强，针对同一试题，很容易出现不同标注人员的标注结果不一致的情况。

一种是机器学习方法。通常，一道试题对应一个或多个知识点，一个知识点可以视为一个标签类别，故可以通过模型来预测试题对应的标签类别，即，将知识点预测转换为多标签分类问题解决。目前常用的机器学习方法有传统机器学习方法、普通的深度学习方法，均存在预测准确率低的问题。

发明内容

本公开的主要目的是提供一种知识点预测方法及装置、存储介质、电子设备，有助于提高知识点预测的准确率。

为了实现上述目的，本公开提供一种知识点预测方法，利用预先构建的知识点预测模型确定待预测试题q_t含有的知识点，所述方法包括：

所述知识点预测模型提取所述待预测试题q_t的深层语义信息QD_qt、以及知识点集合中每个知识点k_j的教研经验的深层语义信息JD_kj，所述知识点的教研经验为该知识点在试题中的描述，1≤j≤m，m为所述知识点集合包括的知识点的数目；

通过注意力机制获得所述QD_qt与所述JD_kj之间的相似度W_qtkj，并基于所述JD_kj与所述W_qtkj计算教研经验对所述待预测试题q_t的重要程度C_qt；

利用所述QD_qt与所述C_qt预测所述待预测试题q_t含有的知识点。