[发明专利]一种相似题推荐方法、装置、设备及可读存储介质

说明书

本申请涉及一种相似题推荐方法、装置、设备及可读存储介质，涉及教育技术领域，包括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。本申请通过受约束的概率矩阵分解来构建题目潜在特征向量，并利用知识点和解析思路来筛选候选题目，再基于潜在特征向量计算候选题目与目标题目之间的相似度，进而可筛选出语义文本特征差异大的待推荐相似题，不仅提升了相似题推荐系统举一反三的能力，且可适用于理科题目的推荐，从而有助于提高学生对知识的掌握程度。

技术领域

本申请涉及教育技术领域，特别涉及一种相似题推荐方法、装置、设备及可读存储介质。

背景技术

当下，“互联网+”正广泛地、深刻地影响着人们的生活，若能充分利用信息技术和互联网将可构建出更加适宜学生发展、更加关注个性差异的学习环境，以培养学生自主学习的意识和习惯，进而推动个性化学习。其中，随着移动互联网的发展和大规模数据的产生，推荐系统也被辐射到教育领域中，比如，通过相似题推荐系统向学生推荐相似题进行有针对性的题目练习，进而为学生提供更加多元化和个性化的教学方案。

相关技术中，往往采用句法分析、关联分词之间的相似度或者基于机器学习和深度学习模型以提取文本的特征向量求相似度等方式来获取所需题目的相似题并进行推荐。从整体上来讲现有相似题推荐算法都是依据题目的文本或者语义信息进行相似性求解。但是，相似题推荐的主要目的是能举一反三，然而对于一些相似题来说，其在语义特征上呈现出的相似度大小是不能确定的，比如存在某些在文本和语义特征上差距巨大的相似题，其反而可以更好地提升学生触类旁通的能力。而若采用上述依据题目文本或者语义信息进行推荐的方法，将无法推荐出上述语义文本特征差异大的相似题型，即基于文本和语义的相似题推荐系统，并不能很好的提升学生由此知彼能力；同时针对理科问题中存在大量的图文并存的情况，上述基于文本或者语义的推荐方法并不能适用。

发明内容

本申请提供一种相似题推荐方法、装置、设备及可读存储介质，以解决相关技术中无法对语义文本特征差异大的相似题进行推荐且不适用于理科题目推荐的问题。

第一方面，提供了一种相似题推荐方法，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。

一些实施例中，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。

一些实施例中，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。

一些实施例中，所述每个题目的潜在特征向量的公式为：