[发明专利]一种基于用户学习行为的个性化试题推荐方法

权利要求书

1.一种基于用户学习行为的个性化试题推荐方法，其特征在于：所述该个性化试题推荐方法步骤如下：

步骤1：从在线教育平台获取用户历史做题数据、试题与知识点信息；

步骤2：根据用户历史做题数据构造用户-试题得分矩阵R，根据试题与知识点之间的关联构造试题-知识点关联矩阵Q；基于矩阵R、矩阵Q构建用户认知诊断模型，也即用户知识点掌握矩阵A；

步骤3：基于矩阵A得到用户-相邻试题集，用户-相邻试题集表示从矩阵A中得出的相邻用户已做试题而目标用户未做的试题集合；根据矩阵Q得到试题-相邻试题集，试题-相邻试题集表示利用皮尔逊相关系数从矩阵Q得到的相邻试题集合；结合用户-相邻试题集和试题-相邻试题集构建备选试题集；

步骤4：对矩阵R进行非负矩阵分解，将R矩阵分解为用户和试题的隐含特征矩阵W、H，其中W∈R^U×D，H∈R^D×V，R＝WH，利用梯度下降法求出W和H矩阵的估计值；其中：U表示总的用户数目；V为总的试题数目；D为某个小于U和V的整数；

步骤5：结合矩阵A，计算用户在备选试题集的最终潜在作答情况：

η_uv＝ω₁μ_u+ω₂μ_v+ω₃R_uv

其中：

ω₁+ω₂+ω₃＝1

μ_u表示根据认知诊断情况对用户p_u在试题t_v上的得分的预测结果；μ_v表示试题t_v的整体平均分；ω₁、ω₂、ω₃为计算潜在作答情况时的权值，分别表示μ_u、μ_v、R_uv在最终的潜在作答情况中所占的比重；q_vk表示试题t_v对知识点c_k的考察情况，即知识点c_k在试题t_v中所占的权重值；R_uv表示用户p_u在试题t_v上的作答情况；α_uk表示用户p_u对知识点c_k的掌握情况，α_uk＝1表示用户p_u掌握了知识点c_k，α_uk＝0表示用户p_u尚未掌握了知识点c_k；

步骤6：结合上一步得到的用户潜在作答情况，从备选试题集当中推荐目标用户自己选择难度范围(d1,d2)的试题给用户。