[发明专利]一种基于影响因子和神经网络的知识点摸底方法

说明书

技术领域

本发明涉及计算机技术领域，特别涉及一种基于影响因子和神经网络的知识点摸底方法。

背景技术

知识点摸底一直都是中小学在线教育系统中的热点问题，属于整个在线教育系统的有机组成部分。通过对新用户进行知识点摸底，可以大体判断出一个用户哪些知识点已经掌握，哪些未掌握。这样才能有针对性地向不同用户推荐不同的学习资料，以便个性化地对用户进行辅导，有效地提高其学习成绩。因此，如何有效地对刚注册的用户进行知识点摸底在整个在线教育系统中就显得尤为重要。

目前，对新用户知识点摸底的方法都是事先对每一个知识点出一系列题目，然后要求用户对每一个知识进行做题，通过判断题目是否正确来得出是否掌握该知识点的结论。传统做题的方法容易使大多数用户感到反感，一开始就产生抵触心理。尤其是随着做题数量的增多，即便是已掌握的知识点的题目也越来越容易因为分心或粗心而做错，得出用户并未掌握该知识点的错误结论。另外，做题需要消耗大量的时间，使得整个对知识点的摸底探测的时间过长(以500个知识点，每个知识点5题，做每一题平均花费1分钟为例，就需要花费2500分钟)。更有甚者，部分用户在摸底探测的过程中就可能因为题量过多而选择直接放弃，不愿意继续做题。

综上所述，如果能够研发出一种快速对用户知识点进行摸底的方法，不需要依赖于做题的方式，解决现有对知识点摸底的方法带来的种种弊端，将会极具市场前景。

发明内容

为此，需要提供一种基于影响因子和神经网络的知识点摸底方法，该方法通过提炼出用户与其是否掌握某一知识点相关的影响因子，并将影响因子输入到已经训练好的多层神经网络模型中，通过算法运算直接得出用户对知识点的掌握情况，有效解决了现有通过做题来对知识点进行摸底的方式所带来的用户体验差、时间长、摸底结论不可靠等问题。

为实现上述目的，发明人提供了一种基于影响因子和神经网络的知识点摸底方法，所述方法包括以下步骤：

对知识点的影响因子进行量化，并根据量化后的影响因子，建立多层神经网络模型；

将训练样本参数输入到所建立的多层神经网络模型，并在训练得出的网络误差小于第一预设误差时，停止训练，并保存神经网络模型对应的网络参数；所述网络误差是指样本参数输入神经网络模型后的实际输出与期望输出的误差；

根据所保存的网络参数对神经网络模型进行初始化，并将待测用户对应的知识点的影响因子输入到训练好的神经网络模型中；

神经网络模型根据待测用户对应的知识点的影响因子对待测用户是否掌握该知识点进行预测，并保存预测结果。

进一步地，所述知识点的影响因子包括用户自身综合素质、用户家庭教育程度、用户学校教育程度、用户社会教育程度以及学科。

进一步地，所述“根据量化后的影响因子，建立多层神经网络模型”包括以下步骤：

输入层神经元个数为m个，m为知识点的影响因子个数，采用的是线性恒等激励函数，对应输入样本X_i(i＝1，2，…，m)的维数为m，输入向量X＝[x₁，x₂，…，x_m]，单个节点为x_i；

隐含层神经元个数为n个，采用的是单极S型激励函数f，对应输出样本Y_j(j＝1，2，…，n)的维数为n，隐含层神经元向量Y＝[y₁，y₂，…，y_n]，单个节点为y_j；

输出层神经元个数为p个，采用的是线性传递激励函数g，对应输出样本Z_k(k＝1，2，…，p)的维数为p，输出层向量Z＝[z₁，z₂，…，z_p]，单个节点为z_k，输出层期望值为t_k；