基于隱語義模型的多維動態(tài)自適應(yīng)習(xí)題推薦方法

基本信息

申請?zhí)?/td> CN202111264020.6 申請日 -
公開（公告）號 CN113987348A 公開（公告）日 2022-01-28
申請公布號 CN113987348A 申請公布日 2022-01-28
分類號 G06F16/9535（2019.01）I;G06F16/335（2019.01）I;G06F16/36（2019.01）I;G06F40/30（2020.01）I;G06N20/00（2019.01）I 分類 計算；推算；計數(shù);
發(fā)明人 童慶;鐘曦;趙曉靜;任璘琨;陳誠;張琳夢 申請（專利權(quán)）人 萬達信息股份有限公司
代理機構(gòu) 上海領(lǐng)洋專利代理事務(wù)所（普通合伙） 代理人 羅曉鵬
地址 200233上海市徐匯區(qū)桂平路481號20號樓5層
法律狀態(tài) -

摘要

摘要 本發(fā)明提供了基于隱語義模型的多維動態(tài)自適應(yīng)習(xí)題推薦方法，包括構(gòu)建并關(guān)聯(lián)學(xué)科知識圖譜以及學(xué)科知識題庫；將學(xué)科知識題庫試題形成分級題庫，選定基礎(chǔ)測試題進行測試；分析測試結(jié)果，運用后驗概率判斷該學(xué)生最有可能具有的期望反應(yīng)模式，形成對該學(xué)生的認(rèn)知結(jié)構(gòu)；以學(xué)生認(rèn)知結(jié)構(gòu)為基礎(chǔ)，結(jié)合傳統(tǒng)機器學(xué)習(xí)中的邏輯回歸算法和矩陣分解算法中的隱語義模型，添加代表該學(xué)生被忽略的屬性的隱藏因子項，使用梯度下降法獲得最后的題目預(yù)測模型。該技術(shù)方案基于隱語義算法從學(xué)生的答題情況抽取隱藏的特征信息，可以有效構(gòu)建出學(xué)生對知識點掌握情況的預(yù)測模型；將自適應(yīng)反饋與個性化推薦相結(jié)合，滿足教育千人千面和因材施教的需求。