[发明专利]一种相似题推荐方法、装置、设备及可读存储介质在审

专利信息
申请号: 202310255497.0 申请日: 2023-03-16
公开(公告)号: CN116361550A 公开(公告)日: 2023-06-30
发明(设计)人: 邹恒 申请(专利权)人: 武汉天喻教育科技有限公司
主分类号: G06F16/9535 分类号: G06F16/9535;G06F16/33;G06F17/18;G06F17/16;G06F16/9537
代理公司: 武汉智权专利代理事务所(特殊普通合伙) 42225 代理人: 罗成
地址: 430200 湖北省武汉*** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 相似 推荐 方法 装置 设备 可读 存储 介质
【权利要求书】:

1.一种相似题推荐方法,其特征在于,包括以下步骤:

基于约束概率矩阵分解确定出预设题库中每个题目的潜在特征向量;

基于目标题目的知识点标签和解题思路从所述预设题库中确定出多个候选题目;

根据目标题目的潜在特征向量和候选题目的潜在特征向量从多个候选题目中确定出与目标题目对应的待推荐相似题。

2.如权利要求1所述的相似题推荐方法,其特征在于,所述基于约束概率矩阵分解确定出预设题库中每个题目的潜在特征向量,包括:

构建学生-题目得分矩阵R、相似性约束矩阵W和题目补偿矩阵Y;

基于学生-题目得分矩阵R、相似性约束矩阵W以及题目补偿矩阵Y确定评分矩阵的条件概率分布;

基于概率矩阵分解PMF模型对所述条件概率分布进行变换生成目标函数;

对所述目标函数进行优化处理,得到每个题目的潜在特征向量。

3.如权利要求2所述的相似题推荐方法,其特征在于,所述对所述目标函数进行优化处理,得到每个题目的潜在特征向量,包括:

对所述目标函数的负梯度进行求解,并通过梯度下降法迭代训练模型,以不断更新题目的潜在特征向量,得到每个题目最终满足条件的潜在特征向量。

4.如权利要求2所述的相似题推荐方法,其特征在于,所述每个题目的潜在特征向量的公式为:

式中,Ui表示第i个题目的潜在特征向量,Yi表示第i个题目的先验分布均值偏移量,Wh表示相似性约束矩阵W中的第h列向量,Iih表示指示函数。

5.如权利要求1所述的相似题推荐方法,其特征在于,所述基于目标题目的知识点标签和解题思路确定出多个候选题目,包括:

判断所述预设题库中其他题目的知识点标签与所述目标题目的知识点标签是否相同;

若不相同,判定所述其他题目为非候选题目;

若相同,判断所述其他题目的解题思路与所述目标题目的解题思路之间的步骤匹配度是否大于或等于匹配度阈值;

若是,则将所述其他题目作为候选题目;

若否,判定所述其他题目为非候选题目。

6.如权利要求1所述的相似题推荐方法,其特征在于,所述根据目标题目的潜在特征向量和候选题目的潜在特征向量从多个候选题目中确定出与目标题目对应的待推荐相似题,包括:

根据所述目标题目的潜在特征向量和所述候选题目的潜在特征向量分别计算出目标题目与每个候选题目之间的相似度;

基于所述相似度从多个候选题目中确定出与目标题目对应的待推荐相似题。

7.如权利要求6所述的相似题推荐方法,其特征在于,所述基于所述相似度从多个候选题目中确定出与目标题目对应的待推荐相似题,包括:

按照相似度由高到低的顺序,对所述候选题目进行排序,得到排序队列;

从所述排序队列中选取排列在前N位的候选题目作为与目标题目对应的待推荐相似题,其中,N为正整数。

8.一种相似题推荐装置,其特征在于,包括:

分解单元,其用于基于约束概率矩阵分解确定出预设题库中每个题目的潜在特征向量;

确定单元,其用于基于目标题目的知识点标签和解题思路从所述预设题库中确定出多个候选题目;

推荐单元,其用于根据目标题目的潜在特征向量和候选题目的潜在特征向量从多个候选题目中确定出与目标题目对应的待推荐相似题。

9.一种相似题推荐设备,其特征在于,包括:存储器和处理器,所述存储器中存储有至少一条指令,所述至少一条指令由所述处理器加载并执行,以实现权利要求1至7中任一项所述的相似题推荐方法。

10.一种计算机可读存储介质,其特征在于:所述计算机可读存储介质存储有计算机程序,当所述计算机程序被处理器执行时,以实现权利要求1至7中任一项所述的相似题推荐方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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武汉天喻教育科技有限公司,未经武汉天喻教育科技有限公司许可,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/202310255497.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top