[发明专利]作业定制方法及系统

权利要求书

1.一种作业定制方法，其特征在于，所述方法包括：

接收多个课堂智能交互器发送的原始课堂答题数据，所述课堂智能交互器的ID与用户账号绑定；所述原始课堂答题数据包括从题库数据库中选取的多个题目、每个题目的答案、每个题目的答题对错和每个题目的答题时间；

对所述原始课堂答题数据进行预处理，得到课堂答题数据；

对所述课堂答题数据进行降维处理，得到关键特征数据；

对所述关键特征数据进行分类和聚类，得到第一分类结果的第一聚类结果；

根据第一聚类结果，确定各个用户的知识点掌握程度；

根据各个用户的知识点掌握程度，向用户账号对应的终端推送个性化的作业。

2.根据权利要求1所述的方法，其特征在于，所述关键特征数据包括用户做题数量、做题时间、答题的准确率、相近或重复内容的出错率、用户预备知识水平。

3.根据权利要求1所述的方法，其特征在于，所述对所述原始课堂答题数据进行预处理，得到课堂答题数据具体包括：

将所述原始课堂答题数据中，清除答案缺省、题目重复的题目，得到课堂答题数据。

4.根据权利要求1所述的方法，其特征在于，所述对所述课堂答题数据进行降维处理，得到关键特征数据具体包括：

用多维矩阵表示所述课堂答题数据；

通过奇异值分解SVD算法，将所述多维矩阵压缩，提取关键特征数据。

5.根据权利要求1所述的方法，其特征在于，所述对所述关键特征数据进行分类和聚类，得到用户对不同知识点的掌握程度，具体包括：

根据决策树模型，对所述关键特征数据进行分类，得到第一分类结果；

根据K均值算法，将所述第一分类结果中相近的类别进行聚类，得到第一聚类结果。

6.根据权利要求1所述的方法，其特征在于，所述对所述课堂答题数据进行特征提取，得到所述课堂答题数据的原始特征数据之后，还包括：

将所述原始特征数据作为输入点，形成高斯分布的多个样本；

利用累计分布函数，计算所述多个样本中每个样本的分数均值，从而得到每个样本的输出结果；

根据每个样本的输出结果，调整所述课堂智能交互器中题目的难度系数。

7.根据权利要求6所述的方法，其特征在于，所述根据第一聚类结果，确定各个用户的知识点掌握程度之后，所述方法还包括：

根据调整后的课堂智能交互器中题目的难度系数，对用户的知识点掌握程度进行评价；

将所述评价结果生成可视化界面并展示。

8.根据权利要求1所述的方法，其特征在于，得到题库数据库的步骤如下：

在教辅材料中，收集习题库，建立基础的数据资源库；

对所述基础的数据资源库通过分词算法进行细分，得到多个知识点下的题目；

提取与教学内容相关的知识点的题目；

根据当前之前所述课堂智能交互器的原始课堂答题数据以及网络答题数据，进行加权，得到所述知识点的题目的难度系数；

根据难度系数，对所述知识点的题目进行分类。

9.一种作业定制系统，其特征在于，所述作业定制系统包括：

接收单元，所述接收单元用于接收多个课堂智能交互器发送的原始课堂答题数据，所述课堂智能交互器的ID与用户账号绑定；所述原始课堂答题数据包括从题库数据库中选取的多个题目、每个题目的答案、每个题目的答题对错和每个题目的答题时间；

处理单元，所述处理单元用于对所述原始课堂答题数据进行预处理，得到课堂答题数据；

特征提取单元，所述特征提取单元用于对所述课堂答题特征数据进行降维处理，得到关键特征数据；

分类聚类单元，所述分类聚类单元用于对所述关键特征数据进行分类和聚类，得到第一分类结果的第一聚类结果；

确定单元，所述确定单元用于根据第一聚类结果，确定各个用户的知识点掌握程度；

推送单元，所述推送单元用于根据各个用户的知识点掌握程度，向用户账号对应的终端推送个性化的作业。