[发明专利]一种基于用户学习行为的个性化试题推荐方法

说明书

本发明公开了一种基于用户学习行为的个性化试题推荐方法，该方法如下：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；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；通过DINA模型构建用户认知诊断模型，得到用户知识点掌握矩阵A；根据矩阵A得到用户‑相邻试题集，根据矩阵Q得到试题‑相邻试题集，构建备选试题集；对矩阵R非负矩阵分解，得到用户和试题的隐含特征矩阵W和H，求出W和H矩阵的估计值，得到得分预测模型；计算用户潜在作答情况，并将目标用户自己选择难度范围的试题推荐给目标用户。本发明能准确的将适合目标用户的试题推荐给用户。本发明适用于在线教育领域。

技术领域

本发明涉及在线教育领域，更具体的，涉及一种基于用户学习行为的个性试题推荐方法。

背景技术

随着计算机技术的普及和移动互联网的快速发展，许多传统行业也逐渐往着互联网化的方向靠拢，教育行业就是这众多传统行业中的一员。近年来，国内外涌现了许多在线教育平台，并且进行了许多成功的实践。国内比较热门的在线教育平台有网易云课堂、腾讯课堂、慕课网、MOOC中国等等。国外比较热门的在线教育平台有Coursera、Edx、Udacity、可汗学院等等。在线教育平台内容覆盖了各个学科领域、各个年龄阶层，功能丰富多样，包括在线课程、在线实验、学习路径规划、在线做题等等。这种基于互联网的教育方式使得学习者可以不受时间和空间的限制，足不出户就能够获得海量的教育和学习资源。

有了在线教育平台之后，如何衡量用户的学习效果是一个复杂的问题，于是，在线考试系统、在线试题推荐系统等作为教育辅助平台应运而生，通过为用户提供试题练习，有效地对用户学习效果进行评估。但是，在现实情况中，这些在线教育平台的试题资源数量十分庞大，种类繁多，而且每个用户的学习能力和方向具有很大的个体化差异，如何有效地在众多的试题资源中找出合适的试题推荐给用户是一个非常严峻的问题。

发明内容

本发明为了解决在众多的试题资源中无法找出合适的试题推荐给目标用户的问题，提供了一种基于用户学习行为的个性化试题推荐方法，其能根据掌握的知识点的程度，在众多试题资源中找出合适的试题推荐给目标用户。

为实现上述本发明目的，采用的技术方案如下：一种基于用户学习行为的个性化试题推荐方法，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：