[发明专利]一种基于语义信息的相似题推荐系统及其使用方法

说明书

本申请公开了一种基于语义信息的相似题推荐系统，包括数据读取单元、类型分类单元、生成单元和计算单元；及其使用方法，包括如下步骤：S1、使用第一读取模块从试题库中读取全部的试题数据；S2、使用类型识别模块对每道试题的知识点进行识别，同时使用试题分类模块将相同知识点的试题汇总在一起，与知识点不同的试题划分开；S3、使用生成模块，为每道试题生成具有局部敏感哈西性质的哈希值；S4、读取待推荐试题的知识点和句向量，并读取该待推荐试题的哈希值；S5、取相同知识点下哈希值相同的所有句向量。本方案极大程度地减少了在进行相似度计算时需要占用的资源量和花费的时间量。

技术领域

本申请涉及在线教育技术领域，特别涉及一种基于语义信息的相似题推荐系统，同时，本发明还涉及一种基于语义信息的相似题推荐系统的使用方法。

背景技术

随着教育科技领域的发展，出现了大量的在线教育资源与数据，我们通过AI等技术手段为教学产品赋能。

K12教育一直是我国基础教育的核心阶段，由于这种特性，我国的在线教育规模的正以每年20％以上的速度增长，市场估值超过3000亿，同时在线教育资源的数据量也在爆炸式增长。在学生使用在线教育资源中的试题资源遇到薄弱题和感兴趣的题目，或者是老师在使用在线教育资源中的试题资源备课时遇到需要需要让学生反复强化的题目和出题思路优秀的题目时，需要推荐其相似题提供深入，强化练习。

现有的题目推荐大部分基于协方差矩阵的推荐系统，使用协同过滤的方法，引入类似商品推荐的体系，导致对于在教育领域的适用性较差，使得推荐效果一般。或者是更加关注试题答案中的信息，导致推荐与待推荐试题答案相同的其他试题的概率很大，使得推荐效果不佳。在这个基础上，现有的相似题推荐系统大部分存在着计算较慢的问题，因为在计算相似题时，将待推荐试题的向量与其他所有试题的向量进行相似度计算和排序需要占用大量的资源和时间。

发明内容

本申请的主要目的在于提供一种基于语义信息的相似题推荐系统及其方法，以改善相关技术中的问题。

为了实现上述目的，本申请提供了一种基于语义信息的相似题推荐系统，包括数据读取单元、类型分类单元、生成单元和计算单元；

数据读取单元，所述数据读取单元包括第一读取模块、数据预处理模块和限制模块，所述第一读取模块用于对试题库中的全部数据进行读取，所述数据处理模块用于对试题库中的全部数据进行整理，所述限制模块用于对试题的文本长度进行限制，并限制在512个字符内；

类型分类单元，所述类型分类单元包括类型识别模块和试题分类模块，所述类型识别模块用于对每道试题的所述知识点进行识别，所述试题分类模块用于对识别后的试题进行归类；

生成单元，所述生成单元包括生成模块和存储模块，所述生成模块用于对每道试题使用基于汉明距离的哈希函数生成具有局部敏感哈西性质的哈希值和句向量，所述存储模块用于将生成的哈希值进行保存；

计算单元，所述计算单元用于将所有相同知识点下哈希值相同的推荐题进行余弦相似度计算。

在本发明的一种实施例中，所述数据读取单元还包括第二读取模块，所述第二读取模块用于读取待推荐试题的知识点和句向量，并读取该待推荐试题的哈希值。

本发明另提供了一种基于语义信息的相似题推荐系统的使用方法，包括如下步骤：

S1、读取试题数据，使用第一读取模块从试题库中读取全部的试题数据，包含试题题干，答案，题目id，并使用数据处理模块将答案与试题题干拼接，同时使用限制模块将试题的文本长度限制在512个字符内；

S2、知识点划分，使用类型识别模块对每道试题的知识点进行识别，同时使用试题分类模块将相同知识点的试题汇总在一起，与知识点不同的试题划分开；

S3、生成哈希值，使用生成模块，为每道试题生成具有局部敏感哈西性质的哈希值；