1.一种感知知识掌握程度的教育习题智能推荐方法,其特征在于,包括:
获取第一预设时间内用户的历史答题信息;
将所述历史答题信息输入预设的感知预测模型中,输出第二预设时间内所述用户的推荐练习习题,其中,所述感知预测模型通过数据集训练,所述数据集包含习题序列,所述习题序列为第三预设时间内所述用户的历史答题信息按时间先后顺序组成,所述第三预设时间大于且不包含所述第一预设时间;
所述感知预测模型包括感知模块和预测模块,所述感知模块用于对所述数据集中的习题序列进行处理,获取输出向量;所述预测模块用于对所述输出向量进行处理,输出推荐结果。
2.根据权利要求1所述的感知知识掌握程度的教育习题智能推荐方法,其特征在于,所述历史答题信息包括:用户id、用户作答的题目、答题时间、答题结果和题目包括的知识点。
3.根据权利要求1所述的感知知识掌握程度的教育习题智能推荐方法,其特征在于,通过所述数据集训练所述感知预测模型之前还包括对所述数据集中的习题序列进行预处理,进行所述预处理包括:对所述习题序列进行数据清洗、补齐、切分、统计处理,获取目标习题、近期答题序列、答题时间间隔序列和近期知识点序列并保存,形成初始数据集;
将所述初始数据集输入预训练的若干知识追踪模型中,预测所述用户的知识掌握程度,其中,所述知识追踪模型通过所述习题序列进行训练;
基于所述知识掌握程度计算平均知识掌握程度变化量,并基于所述平均知识掌握程度变化量对所述习题序列进行筛选,获取筛选后的习题序列并保存,完成对所述数据集的预处理。
4.根据权利要求3所述的感知知识掌握程度的教育习题智能推荐方法,其特征在于,基于所述知识掌握程度计算平均知识掌握程度变化量包括:基于每个知识追踪模型预测的所述用户作答完第M道题和第N道题后的知识掌握程度进行计算,获取若干知识掌握程度变化量,其中,N>M;
将所述知识掌握程度变化量进行求和平均,获取所述平均知识掌握程度变化量。
5.根据权利要求1所述的感知知识掌握程度的教育习题智能推荐方法,其特征在于,所述感知模块包括:嵌入层、归一化层、保留层,所述保留层包括多尺度保留单元和前馈网络单元;
所述习题序列经过所述嵌入层进行编码,形成嵌入向量,所述嵌入向量经过所述归一化层后依次输入所述保留层的多尺度保留单元和前馈网络单元,获取所述输出向量。
6.根据权利要求1所述的感知知识掌握程度的教育习题智能推荐方法,其特征在于,所述预测模块基于注意力机制进行预测,所述预测的方法为:
7.根据权利要求1所述的感知知识掌握程度的教育习题智能推荐方法,其特征在于,通过所述数据集训练所述感知预测模型之后还包括对所述感知预测模型进行测试,观察所述感知预测模型是否出现过拟合现象,若出现,则重新采集所述用户的历史答题信息训练所述感知预测模型。
8.根据权利要求1所述的感知知识掌握程度的教育习题智能推荐方法,其特征在于,所述方法还包括:记录所述用户在第二预设时间内对所述推荐练习习题的作答情况,基于所述作答情况更新所述感知预测模型。