【技术实现步骤摘要】
本专利技术涉及智慧教育的，具体是一种面向学生偏好的习题推荐方法。
技术介绍
1、随着时代的不断推进，信息化已逐渐成为国家发展的重要基石。其中，大数据、人工智能等前沿技术日趋成熟，并在各个领域得到广泛应用。这些技术的迅猛发展为各行各业带来了巨大的变革与机遇，教育领域同样受益其中。智慧教育平台的出现，例如mooc等，为学生提供了更为灵活、多样化的学习方式。然而，随着在线教育平台教学资源的持续增长，信息过载问题日益凸显。这一问题的主要原因在于：一方面，在线教育方式中教师难以对学生进行实时指导，更难以针对每位学生的知识掌握情况推荐合适的题目；另一方面，学生对于自己的需求并不明确，无法清晰掌握并描述自己的短板。因此，如何在海量的习题资源中为学生推荐他们偏爱的并且帮助学生提升能力的题目已成为一个值得关注的研究课题。
2、然而，现有的推荐系统在习题推荐方面存在一些不足，其推荐目标过于单一，往往只关注学生对知识的掌握程度，而缺乏对其他相关因素的考虑；此外，这些系统的推荐结果往往缺乏可解释性，学生难以理解为什么被推荐了某一习题。为了解决上述问题，我们需要深入研究习题推荐策略，旨在为学生提供更加全面、个性化的学习体验。因此，如何通过优化习题推荐策略来提高学生的学习体验，是在线教育领域的研究者亟需解决的重要问题。因此提出一种面向学生偏好的习题推荐方法。
技术实现思路
1、为解决上述问题，即解决上述
技术介绍
提出的问题，本专利技术提出了一种面向学生偏好的习题推荐方法，其包括：
2、s
3、s2：根据交互行为数据，进行相似程度计算，计算习题之间或学生之间的相似程度；
4、s3：根据相似程度计算结果，选择与目标习题或学生最相似的一组邻域；
5、s4：使用学生对每道题目的尝试次数和相似程度生成学生对题目兴趣程度的预测结果；
6、s5：利用学生与习题的历史交互日志进行建模，根据学生对题目兴趣程度的预测结果为每个学生推荐题目，生成推荐集合；
7、s6：推荐性能评估，基于学生的真实交互题目集合与习题推荐集合，对所述推荐模型结合精确率和召回率进行评估。
8、本专利技术的进一步设置为：s1所述训练数据集为公开数据集或利用在线教育网站获取的原始数据自行整理的数据集。
9、本专利技术的进一步设置为：所述习题之间的相似程度采用如下所示的方式度量：其中n(i)，n(j)分别表示与题目i，j存在交互行为的学生集合；
10、所述学生之间的相似程度采用如下所示的方式度量：其中，i(u)，i(v)分别为学生u，v做过的题目集合。
11、本专利技术的进一步设置为：所述邻域当基于题目相似性时，选择与题目j最为相似的kp道题目所构成的集合s(j,kp)作为邻域；当基于学生相似性时，选择与学生u相似度最高的ku个学生所构成的集合s(u,ku)作为邻域。
12、本专利技术的进一步设置为：基于题目相似性计算学生u对题目j的兴趣程度的方式如下所示：其中，i(u)为训练集中与学生u存在交互记录的题目集合，s(j,kp)为与题目j最为相似的kp道题目所构成的集合,wij为题目i，j之间的相似程度，rui为学生u对该题目尝试次数；
13、基于学生相似性计算学生u对题目i的兴趣程度的方式如下所示：其中，u(i)为训练集中对题目i存在交互记录的学生的集合，s(u,ku)为与学生u相似度最高的ku个学生所构成的集合，wuv为学生u，v之间的相似程度，rvi为学生v对每道题目的尝试次数。
14、本专利技术的有益技术效果为：通过获取学生与习题的交互数据，预测学生对题目兴趣的程度进行建模，根据学生对每一道题目的兴趣程度，模型将最感兴趣且未做过的题目作为学生的推荐题目集合。prstudentsim（即基于学生相似性的学生偏好习题推荐）倾向于为学生推荐与他们有共同题目偏好的其他学生做过的题目，更偏向社会化，反映了题目在学生所在的小型兴趣群体中的受欢迎程度。prexercisesim（即基于题目相似性的学生偏好习题推荐）倾向于为学生推荐与他们过去做过的题目相似度较高的题目，更加个性化，反映了学生自身的题目偏好，为学生提供更加全面、个性化的学习体验。
本文档来自技高网...【技术保护点】
1.一种面向学生偏好的习题推荐方法，其特征在于：至少包括如下步骤：
2.根据权利要求1所述的一种面向学生偏好的习题推荐方法，其特征在于：S1所述训练数据集为公开数据集或利用在线教育网站获取的原始数据自行整理的数据集。
3.根据权利要求1所述的一种面向学生偏好的习题推荐方法，其特征在于：所述习题之间的相似程度采用如下所示的方式度量：
4.根据权利要求1所述的一种面向学生偏好的习题推荐方法，其特征在于：所述邻域当基于题目相似性时，选择与题目j最为相似的Kp道题目所构成的集合S(j,Kp)作为邻域；当基于学生相似性时，选择与学生u相似度最高的Ku个学生所构成的集合S(u,Ku)作为邻域。
5.根据权利要求1所述的一种面向学生偏好的习题推荐方法，其特征在于：还包括S6：推荐性能评估，基于学生的真实交互题目集合与习题推荐集合，对所述推荐集合结合精确率和召回率进行评估。
【技术特征摘要】
1.一种面向学生偏好的习题推荐方法，其特征在于：至少包括如下步骤：
2.根据权利要求1所述的一种面向学生偏好的习题推荐方法，其特征在于：s1所述训练数据集为公开数据集或利用在线教育网站获取的原始数据自行整理的数据集。
3.根据权利要求1所述的一种面向学生偏好的习题推荐方法，其特征在于：所述习题之间的相似程度采用如下所示的方式度量：
4.根据权利要求1所述的一种面向学生偏...
【专利技术属性】
技术研发人员：樊迪，李凡，张天成，于明鹤，于戈，
申请(专利权)人：东北大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。