1.一种基于学生知识画像的中文智能教学题库生成方法，其特征在于，包括以下步骤：S1：输入目标学生的错题记录集合Lw＝{t1,t2,…,tw},其中w1表示错题的数量，基于Lw构建任一道题tk,k＝1,2,…,w1的知识点向量Sk1、Sk2……Skn1，其中Skj,j＝1,2,…,n1为基于知识点独热法的一维0/1向量，其长度为知识点数量规模n1，基于知识点向量相似度从题目数据库中筛选与错题记录集合Lw相似度大于阈值γ的题目，生成相似题目集Ls＝{t'1,t'2,…,t's},其中s表示相似题目的数量；

S2：通过协同过滤算法找到与目标学生相似度最高的相关学生，获取相关学生做过的所有习题集合Lp，以Lp和Ls取交集得到协同推荐题目集合Lc＝{t”1,t”2,…,t”p}，其中p表示Lc的习题总数；

S3：构建目标学生的学习进度表示向量P＝(x1，x2，x3，x4，x5，x6)，其中x1、x2、x3、x4、x5、x6分别指学期、学科、教材、册、单元和课程；再根据协同推荐题目集合Lc给其中每道习题t”1,t”2,…,t”p构建学习进度向量Sti＝(x'1，x'2，x'3，x'4，x'5，x'6)，其中Sti表示ti的学习进度向量，i＝1,2,3……p，计算Si＝St‑P，若向量Si＝(s1，s2，s3，s4，s5，s6)满足s1<＝0、s2<＝

0……s6<＝0，则将ti加入集合Lm中，得到进度匹配题目集合Lm＝{t”'1,t”'2,…,t”'n2}，其中n2表示Lm的习题总数；

S4：获取学生的学习能力值，根据能力值计算各难度题目数量理论配比，根据不同的配比从Lm中抽取习题汇总成推荐题目集合R＝{t””1,t””2,…,t””n3}，其中n3表示R的习题总数；

步骤S2具体包括：

S21：首先构建两个m*n的矩阵M1和矩阵M2，其中m为学生数，n1为知识点数；分别记录每个学生在每个知识点上做过的次数和做错的次数，以此计算出知识点正确率矩阵M3，将M3进行知识点准确率求平均得到每个学生的准确率向量，根据各个学生的准确率向量计算得到每两个学生之间的皮尔森相关系数 得到m*m的学生相关性矩阵Ms，通过判断数值大小在Ms中找到与目标学生相关性最高的相关学生；

S22：获取相关学生做过的所有习题集合Lo，计算Lo和Ls的交集，得到协同推荐题目集合Lc＝Ls∩Lo；

步骤S4具体包括：

S41：构建目标学生的学习能力值A＝(a‑w2)/a，其中a为目标学生做过的题目数，w2为做错的题目数，获取进度匹配题目集合Lm中每道题的难度，将Lm根据难度分为Leasy＝{t”'e1,t”'e2,…,t”'ei}、Lnormal＝{t”'n1,t”'n2,…,t”'nj}、Lhard＝{t”'h1,t”'h2,…,t”'hk}三个集合，其中i+j+k＝n2，n2为Lm题目总数，根据A计算出需要从各个难度集合抽取的题目数量，其中简单难度集合中抽取数量为Neasy＝(1‑A)/3*i；中等难度结合中抽取数量为Nnormal＝(1‑A)*

2/3*j；困难难度集合中抽取数量为Nhard＝A*k；

S42：在Leasy、Lmiddle、Lhard三个集合中依次抽取Neasy、Nnormal、Nhard个习题，最终汇总得到推荐题目集合R＝{t””1,t””2,…,t””n3}，其中n3表示R的习题总数。

2.根据权利要求1所述的基于学生知识画像的中文智能教学题库生成方法，其特征在于：步骤S1具体包括：

S11：将Lw中的任一道题tk,k＝1,2,…,w1映射到一个n1维的0/1向量Sk＝[Sk1、Sk2……Skn1]，其中Skj,j＝1,2,…,n1指的是各个知识点，若Skj为1，表示绑定了第j个知识点，若为0则表示未绑定此知识点；

S12：基于Lw知识点向量Sk对Lw中的每道题目构建题目相似度矩阵

找到相似度大于阈值γ的题目，并过滤掉目标学生

已做过的题目，得到相似题目集合Ls＝{t'1,t'2,…,t's}，其中s表示相似题目的数量，其中AiBi分别代表知识点向量A和B的各分量。