[发明专利]知识点关联习题的推荐方法、装置、设备及存储介质在审
| 申请号: | 202110545224.0 | 申请日: | 2021-05-19 |
| 公开(公告)号: | CN115374286A | 公开(公告)日: | 2022-11-22 |
| 发明(设计)人: | 陈静 | 申请(专利权)人: | 广州视源电子科技股份有限公司;广州视源人工智能创新研究院有限公司 |
| 主分类号: | G06F16/36 | 分类号: | G06F16/36;G06F16/35;G06F16/335 |
| 代理公司: | 北京品源专利代理有限公司 11332 | 代理人: | 孟金喆 |
| 地址: | 510530 广*** | 国省代码: | 广东;44 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 知识点 关联 习题 推荐 方法 装置 设备 存储 介质 | ||
1.一种知识点关联习题的推荐方法,其特征在于,包括:
根据知识图谱确定目标知识点对和所述目标知识点对对应的混淆知识点;
根据题目数据库确定所述目标知识点对的至少一个答题准确率和所述混淆知识点的至少一个答题准确率;
其中,所述目标知识点对的一个答题准确率、所述混淆知识点的一个答题准确率构成一个样本;
基于分类模型对所述目标知识点对的至少一个样本进行分层,所述分类模型的输出为概率值;
根据所述目标知识点对的答题准确率确定各层样本中前置知识点对当前知识点的影响效应值,所述目标知识点对包括前置知识点和当前知识点;
根据所述影响效应值和推荐阈值确定是否推荐所述前置知识点关联的习题。
2.根据权利要求1所述的方法,其特征在于,所述根据知识图谱确定目标知识点对对应的混淆知识点,包括:
在所述知识图谱中节点的集合满足第一条件和第二条件的情况下,将最小集合包含的节点元素确定为目标知识点对对应的混淆知识点;
其中,所述知识图谱为有向图,所述第一条件包括所述最小集合中的节点元素不是所述前置知识点的后代节点,所述第二条件包括所述最小集合中的节点元素阻断所述前置知识点到所述当前知识点之间的所有后门路径,所述后门路径为所述前置知识点与所述当前知识点之间的所有连接路径中,与所述前置知识点相连的路径指向所述前置知识点的路径。
3.根据权利要求1所述的方法,其特征在于,基于分类模型对至少一个样本进行分层,包括:
将每个样本包含的所述目标知识点对的一个答题准确率、所述混淆知识点的一个答题准确率输入所述分类模型,基于所述分类模型得到所述样本的概率值;
根据分层值M和层内样本数量条件将所述至少一个样本分为M层,所述M为大于0的整数。
4.根据权利要求3所述的方法,其特征在于,层内样本数量条件包括:每层中实验样本数量和对照样本数量均大于K个,所述K为大于0的整数;
实验样本数量包括前置知识点答题准确率大于或等于第一阈值的情况下,所有样本数量;
对照样本数量包括前置知识点答题准确率为小于或等于第二阈值的情况下,所有样本数量。
5.根据权利要求4所述的方法,其特征在于,根据所述目标知识点对的答题准确率确定各层样本中前置知识点对当前知识点的影响效应值,包括:
确定各层样本中,当前知识点答题准确率大于或等于第三阈值的数量在实验样本数量中的占比p1;
确定各层样本中,当前知识点答题准确率大于或等于第三阈值的数量在对照样本数量中的占比p2;
根据p1与p2的差值确定各层样本中前置知识点对当前知识点的影响效应值。
6.根据权利要求1-5任一项所述的方法,其特征在于,根据所述影响效应值和推荐阈值确定是否推荐所述前置知识点关联的习题,包括:
将各层样本中前置知识点对当前知识点的影响效应值进行累加,得到目标知识点对中前置知识点对当前知识点的平均影响效应值;
在所述平均影响效应值大于或者等于所述推荐阈值的情况下,推荐所述前置知识点关联的习题;
或者,在所述平均影响效应值小于所述推荐阈值的情况下,不推荐所述前置知识点关联的习题。
7.一种知识点关联习题的推荐装置,其特征在于,包括:
确定模块,用于根据知识图谱确定目标知识点对和所述目标知识点对对应的混淆知识点;
所述确定模块,还用于根据题目数据库确定所述目标知识点对的至少一个答题准确率和所述混淆知识点的至少一个答题准确率;
其中,所述目标知识点对的一个答题准确率、所述混淆知识点的一个答题准确率构成一个样本;
分层模块,用于基于分类模型对所述目标知识点对的至少一个样本进行分层,所述分类模型的输出为概率值;
所述确定模块,用于根据所述目标知识点对的答题准确率确定各层样本中前置知识点对当前知识点的影响效应值,所述目标知识点对包括前置知识点和当前知识点;
推荐模块,用于根据所述影响效应值和推荐阈值确定是否推荐所述前置知识点关联的习题。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广州视源电子科技股份有限公司;广州视源人工智能创新研究院有限公司,未经广州视源电子科技股份有限公司;广州视源人工智能创新研究院有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110545224.0/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种换流站上部组块模块化建造工艺
- 下一篇:一种酒瓶喷涂工艺方法





