欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2022100655493
申请人: 河南大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于属性探索的试题隐含知识属性关联挖掘及相关试题推送方法,其特征在于,包括:

步骤A,构建学生对错误题目集合的形式背景K:对学生题目作答记录源数据进行预处理,之后结合标注的题目中所包含的知识属性集合,过滤出学生的错误应答信息,所述错误应答信息由学生的错误作答题目及每道题目所包含的知识属性集合组成;

步骤B,使用属性探索知识属性挖掘算法对当前形式背景进行探索,得到通过步骤A中任一学生错误应答信息得出的知识属性蕴含关联集合与非冗余试题集合;

步骤C,利用概念格相似度分析计算试题之间的相似度,寻找含有与练习错题相似知识点的题目,选择满足阈值最近似的若干个相关试题进行推送;

所述步骤B包括:

步骤B1,构建知识属性集合的字典序集合Z,取出字典序集合中的末位知识属性集合,并在当前形式背景、即非冗余试题集合中计算出;其中表示拥有知识属性集合中所有属性的试题集合,表示所有试题元素集合中所共同拥有的知识属性集合;

步骤B2,在预处理后的数据、即形式背景K中,计算是否成立;如果不成立则执行步骤B3,否则执行步骤B4;其中表示在形式背景K中计算拥有知识属性集合中所有属性的试题集合,表示两个集合的差集;

步骤B3,在形式背景K中查找不满足条件的一项试题加入到非冗余试题集合中,并更新作为新的非冗余试题集合;返回步骤B2;

步骤B4,判断在形式背景K中,包含知识属性集合的非冗余试题集合所共同含有的对象是否等于知识属性集合,如果不相等则将知识属性蕴含关系式加入知识属性蕴含关联集合Y中;其中表示学生在回答错误含有知识属性集合的试题的同时也会将含有属性的试题一同作答错误;

步骤B5,计算字典序集合Z中下一个知识属性集合;判断当前字典序集合中知识属性集合是否成立,如果条件成立则字典序集合下一位为,进入步骤B1;否则j = j-1,并继续在当前步骤计算直至j=0,终结程序;其中表示Y中最后一个知识属性蕴含关系式的后件元素集合,集合E =表示知识属性集合,j为标注的知识属性个数;

步骤B6,对知识属性蕴含关联集合进行清洗,如果知识属性蕴含关系式中集合为Ø,则认为该知识属性蕴含关系式为冗余条件,并进行删除;

步骤B7,通过步骤B1至步骤B6的属性探索知识属性挖掘算法最终得到非冗余试题集合和知识属性蕴含关联集合Y。

2.根据权利要求1所述的基于属性探索的试题隐含知识属性关联挖掘及相关试题推送方法,其特征在于,所述步骤A包括:步骤A1,对已有的学生题目作答记录源数据进行预处理;包括:对源数据进行清洗,删除源数据中的无关属性,得到只含有某一学生对象及其回答题目正误的二值作答信息数据;同时将学生应答记录中正确作答的题目进行删除,保留学生的错误应答记录;

步骤A2,对预处理过的数据融合知识属性关联矩阵;包括:将标注的知识属性集合通过矩阵表示,将每行表示题目,每列代表知识属性,如果题目含有该知识属性则用1表示否则为0,得到知识属性关联矩阵;将预处理后数据与知识属性关联矩阵相结合,得到每道错误作答题目与知识属性融合的错误应答信息矩阵,即得到当前学生对错误题目集合的试题知识属性形式背景K。

3.根据权利要求1所述的基于属性探索的试题隐含知识属性关联挖掘及相关试题推送方法,其特征在于,所述步骤C包括:步骤C1,按照步骤A方式构建当前学生未练习过的试题库的试题知识属性形式背景L;

步骤C2,采用bordat概念格构造算法构建当前学生未练习过的试题库概念格,通过输入步骤C1得出的形式背景L,构造出试题库的概念格;概念格由概念节点和节点之间的偏序关系表示,概念格中每个节点由二元关系(U,S)表示,U代表当前学生未练习过的试题集合,S代表知识属性集合,概念节点表示试题集合U具有S集合的知识属性;

步骤C3,基于步骤B得到的知识属性蕴含关联集合,通过遍历概念格的所有概念节点,通过余弦相似度计算公式计算概念节点与知识属性蕴含关系式的相似度;

C4,根据余弦相似度计算结果对相关试题的题目进行排序,设置阈值,筛选出大于阈值的结果,并选择top-n个试题题目进行推送,如果筛选出的试题题目数量较少,则降低阈值。

4.一种基于属性探索的试题隐含知识属性关联挖掘及相关试题推送系统,其特征在于,包括:

错题形式背景构建模块,用于构建学生对错误题目集合的形式背景K:对学生题目作答记录源数据进行预处理,之后结合标注的题目中所包含的知识属性集合,过滤出学生的错误应答信息,所述错误应答信息由学生的错误作答题目及每道题目所包含的知识属性集合组成;

非冗余试题集合和知识属性蕴含关联集合得出模块,用于使用属性探索知识属性挖掘算法对当前形式背景进行探索,得到通过错题形式背景构建模块中任一学生错误应答信息得出的知识属性蕴含关联集合与非冗余试题集合;

相关试题题目推送模块,用于利用概念格相似度分析计算试题之间的相似度,寻找含有与练习错题相似知识点的题目,选择满足阈值最近似的若干个相关试题的题目进行推送;

所述非冗余试题集合和知识属性蕴含关联集合得出模块具体用于:

步骤B1,构建知识属性集合的字典序集合Z,取出字典序集合中的末位知识属性集合,并在当前形式背景、即非冗余试题集合中计算出;其中表示拥有知识属性集合中所有属性的试题集合,表示所有试题元素集合中所共同拥有的知识属性集合;

步骤B2,在预处理后的数据、即形式背景K中,计算是否成立;如果不成立则执行步骤B3,否则执行步骤B4;其中表示在形式背景K中计算拥有知识属性集合中所有属性的试题集合,表示两个集合的差集;

步骤B3,在形式背景K中查找不满足条件的一项试题加入到非冗余试题集合中,并更新作为新的非冗余试题集合;返回步骤B2;

步骤B4,判断在形式背景K中,包含知识属性集合的非冗余试题集合所共同含有的对象是否等于知识属性集合,如果不相等则将知识属性蕴含关系式加入知识属性蕴含关联集合Y中;其中表示学生在回答错误含有知识属性集合的试题的同时也会将含有属性的试题一同作答错误;

步骤B5,计算字典序集合Z中下一个知识属性集合;判断当前字典序集合中知识属性集合是否成立,如果条件成立则字典序集合下一位为,进入步骤B1;否则j = j-1,并继续在当前步骤计算直至j=0,终结程序;其中表示Y中最后一个知识属性蕴含关系式的后件元素集合,集合E =表示知识属性集合,j为标注的知识属性个数;

步骤B6,对知识属性蕴含关联集合进行清洗,如果知识属性蕴含关系式中集合为Ø,则认为该知识属性蕴含关系式为冗余条件,并进行删除;

步骤B7,通过步骤B1至步骤B6的属性探索知识属性挖掘算法最终得到非冗余试题集合和知识属性蕴含关联集合Y。

5.根据权利要求4所述的基于属性探索的试题隐含知识属性关联挖掘及相关试题推送系统,其特征在于,所述错题形式背景构建模块具体用于:步骤A1,对已有的学生题目作答记录源数据进行预处理;包括:对源数据进行清洗,删除源数据中的无关属性,得到只含有某一学生对象及其回答题目正误的二值作答信息数据;同时将学生应答记录中正确作答的题目进行删除,保留学生的错误应答记录;

步骤A2,对预处理过的数据融合知识属性关联矩阵;包括:将标注的知识属性集合通过矩阵表示,将每行表示题目,每列代表知识属性,如果题目含有该知识属性则用1表示否则为0,得到知识属性关联矩阵;将预处理后数据与知识属性关联矩阵相结合,得到每道错误作答题目与知识属性融合的错误应答信息矩阵,即得到当前学生对错误题目集合的试题知识属性形式背景K。

6.根据权利要求4所述的基于属性探索的试题隐含知识属性关联挖掘及相关试题推送系统,其特征在于,所述相关试题题目推送模块具体用于:步骤C1,按照错题形式背景构建模块中方式构建当前学生未练习过的试题库的试题知识属性形式背景L;

步骤C2,采用bordat概念格构造算法构建当前学生未练习过的试题库概念格,通过输入步骤C1得出的形式背景L,构造出试题库的概念格;概念格由概念节点和节点之间的偏序关系表示,概念格中每个节点由二元关系(U,S)表示,U代表当前学生未练习过的试题集合,S代表知识属性集合,概念节点表示试题集合U具有S集合的知识属性;

步骤C3,基于非冗余试题集合和知识属性蕴含关联集合得出模块得到的知识属性蕴含关联集合,通过遍历概念格的所有概念节点,通过余弦相似度计算公式计算概念节点与知识属性蕴含关系式的相似度;

C4,根据余弦相似度计算结果对相关试题的题目进行排序,设置阈值,筛选出大于阈值的结果,并选择top-n个试题题目进行推送,如果筛选出的试题题目数量较少,则降低阈值。