[发明专利]SPOC教学模式个性化试题推荐方法、装置、电子设备及介质

权利要求书

1.一种SPOC教学模式个性化试题推荐方法，其特征在于，包括：

基于用户的用户标识获取学习计划和答题信息；

基于所述学习计划获取知识点矩阵；

根据所述答题信息生成试题向量和答题结果向量；

将所述试题向量、所述答题结果向量输入知识追踪模型生成试题预测信息，其中，所述知识追踪模型基于深度神经网络模型训练生成；

基于所述试题预测信息和所述知识点矩阵生成试题推荐信息。

2.如权利要求1所述的方法，其特征在于，还包括：

通过多个历史用户的历史学习计划和多个历史答题信息对深度神经网络模型进行训练；

在训练过程中，在所述深度神经网络的损失函数满足预设策略时，生成所述知识追踪模型。

3.如权利要求2所述的方法，其特征在于，通过多个历史用户的历史学习计划和多个历史答题信息对深度神经网络模型进行训练，包括：

基于所述历史学习计划获取知识点矩阵；

根据所述多个历史答题信息生成多个历史试题向量和其对应的多个历史答题结果向量；

通过所述多个历史答题结果生成所述多个历史试题向量的标签；

基于带有标签的多个历史试题向量、所述历史知识点矩阵对所述深度神经网络模型进行训练，所述深度神经网络模型中包括待训练的知识点掌握程度参数、效用参数、试题难度参数。

4.如权利要求2所述的方法，其特征在于，在所述深度神经网络的损失函数满足预设策略时，生成所述知识追踪模型，包括：

通过交叉熵、Q系数、变化系数、知识点掌握程度参数生成所述损失函数；

其中，Q系数、变化系数用于表示所述知识点矩阵中多个知识点之间的相关性。

5.如权利要求2所述的方法，其特征在于，通过多个历史用户的历史学习计划和多个历史答题信息对深度神经网络模型进行训练，包括：

通过多个历史用户的历史学习计划和多个历史答题信息对带有注意力机制的所述深度神经网络模型进行训练；或

通过多个历史用户的历史学习计划和多个历史答题信息对带长短期记忆人工神经网络的所述深度神经网络模型进行训练。

6.如权利要求1所述的方法，其特征在于，还包括：

根据学习计划中的试题和知识点之间的关联关系生成所述知识点矩阵。

7.如权利要求1所述的方法，其特征在于，根据所述答题信息生成试题向量和答题结果向量，包括：

基于所述答题信息中所述用户在历史时间中的答题顺序生成所述试题向量；

基于所述试题向量和其对应的答题结果生成所述答题结果向量。

8.如权利要求1所述的方法，其特征在于，所述试题预测信息包括答题预测值；

基于所述试题预测信息和所述知识点矩阵生成试题推荐信息，包括：

基于所述学习计划为所述用户推荐第一试题；

基于所述知识追踪模型和所述第一试题的答题结果实时生成第二试题的答题预测值；

在所述答题预测值大于阈值时，根据所述第三试题生成所述试题推荐信息。

9.如权利要求1所述的方法，其特征在于，所述试题预测信息包括答题预测向量；

基于所述试题预测信息和所述知识点矩阵生成试题推荐信息，包括：

基于所述学习计划为所述用户推荐多个试题；

获取多个试题的多个答题结果；

基于所述知识追踪模型和所述多个试题、多个答题结果生成答题预测向量；

基于所述答题预测向量生成所述试题推荐信息。

10.如权利要求1所述的方法，其特征在于，所述试题预测信息包括知识点掌握程度值；

基于所述试题预测信息和所述知识点矩阵生成试题推荐信息，包括：

基于所述知识点掌握程度值和所述学习计划生成所述试题推荐信息。