一種題目知識點智能推薦方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種題目知識點智能推薦方法，屬于智能知識點推薦應(yīng)用技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002]在當(dāng)今物聯(lián)網(wǎng)潮流的推動下，在線教育系統(tǒng)得到了迅猛發(fā)展，并為廣大受教育者提供了豐富的教育資源。為了提供更好的服務(wù)，在線教育系統(tǒng)需要更好的理解其中的教育資源以及終端用戶。其中，知識點是在教育活動中傳遞給學(xué)生的最小單元，比如定理，概念，定義，結(jié)論，等等。傳統(tǒng)意義上，知識點是以樹狀數(shù)據(jù)結(jié)構(gòu)組織起來的，比如上層知識點是較為普遍籠統(tǒng)的知識點，而下層則較為細節(jié)具體，以此形成由上至下逐漸細化的遞進數(shù)據(jù)結(jié)構(gòu)；并且這種樹狀數(shù)據(jù)結(jié)構(gòu)中，一個上層知識點可以擁有多個子知識點，且位于同一層的知識點之間則相互獨立。但是，這種樹狀數(shù)據(jù)結(jié)構(gòu)過于簡化了知識點之間的結(jié)構(gòu)，舉例來說，有些知識點是另一知識點的前置知識點，但于此同時，它們也可能存在位于同一層次的情況，諸如“平面幾何”到“立體幾何”；或者，一些知識點可能有多個父知識點，諸如“平面解析幾何”有兩個父知識點:“二次方程”和“平面幾何”。因此，知識點的多層結(jié)構(gòu)更類似于多聯(lián)通網(wǎng)狀結(jié)構(gòu)，而不是單向樹狀結(jié)構(gòu)。因此，在目前的在線教育系統(tǒng)中，教育資源往往并沒有系統(tǒng)化的結(jié)構(gòu)，具體來說，許多問題沒有顯性的知識點標(biāo)簽，如果缺乏此項信息，教育者將難以有效率的給學(xué)生分配正確的問題。為了準(zhǔn)確并有效的將教育資源提供給學(xué)生，在線教育的推薦系統(tǒng)必須高度自動化和個性化?，F(xiàn)有技術(shù)通常采用協(xié)同濾波(collaborativefiltering，CF)的方法，協(xié)同濾波(collaborative filtering，CF)是目前用于推薦系統(tǒng)最常見也較為有效的方法，但在在線教育的應(yīng)用場景下，協(xié)同濾波卻受限與其幾項特殊的性質(zhì)，一般來說，協(xié)同濾波通過尋找相似的用戶或相似的物件，來預(yù)測用戶對物件的評價打分，但是將該方法應(yīng)用到在線教育系統(tǒng)當(dāng)中，總是推薦相似的物件并不能滿足用戶的需求，比如，推薦一個學(xué)生已經(jīng)知道的問題沒有意義的；類似的，如果學(xué)生一直在同一類的問題上出錯，繼續(xù)推薦此類問題也是幫助不大的。

【發(fā)明內(nèi)容】

[0003]本發(fā)明所要解決的技術(shù)問題是提供一種題目知識點智能推薦方法，基于知識點與其隱性話題之間的對應(yīng)關(guān)系，建立知識點網(wǎng)絡(luò)圖，并以此依據(jù)知識點序列，能夠準(zhǔn)確實現(xiàn)問題文本的推薦。
[0004]本發(fā)明為了解決上述技術(shù)問題采用以下技術(shù)方案:本發(fā)明設(shè)計了一種題目知識點智能推薦方法，包括如下步驟:
[0005]步驟001.針對數(shù)據(jù)庫中的各個問題文本分別進行中文分詞操作，分別獲得各個問題文本所對應(yīng)的各個中文分詞，并進入步驟002 ；
[0006]步驟002.根據(jù)預(yù)設(shè)無意義常見詞庫，分別針對各個問題文本所對應(yīng)的中文分詞進行過濾，分別刪除各個問題文本所對應(yīng)中文分詞中的無意義詞，分別更新獲得各個問題文本所對應(yīng)的中文分詞，進入步驟003 ;
[0007]步驟003.根據(jù)預(yù)設(shè)加權(quán)統(tǒng)計算法，獲得各個問題文本所對應(yīng)各個中文分詞的加權(quán)統(tǒng)計值，然后根據(jù)各個問題文本所對應(yīng)的各個分詞，以及各個中文分詞所對應(yīng)的加權(quán)統(tǒng)計值，針對預(yù)設(shè)主題模型進行訓(xùn)練，獲得訓(xùn)練后的預(yù)設(shè)主題模型，并進入步驟004 ;
[0008]步驟004.采用訓(xùn)練后的預(yù)設(shè)主題模，將預(yù)設(shè)數(shù)目的隱性話題分配至各個問題文本，分別獲得各個問題文本所對應(yīng)的隱性話題，并進入步驟005 ;
[0009]步驟005.分別獲得各個問題文本所對應(yīng)的知識點，并根據(jù)各個問題文本所對應(yīng)的隱性話題，獲得各個知識點與各個隱性話題之間的對應(yīng)關(guān)系，并進入步驟006 ;
[0010]步驟006.根據(jù)各個知識點與各個隱性話題之間的對應(yīng)關(guān)系，判斷各個知識點彼此之間的預(yù)設(shè)對應(yīng)數(shù)據(jù)關(guān)系，并據(jù)此構(gòu)建知識點網(wǎng)絡(luò)圖，并進入步驟007 ;
[0011 ] 步驟007.根據(jù)知識點網(wǎng)絡(luò)圖，獲得對應(yīng)于其中各個知識點的知識點序列，并進入步驟008 ；
[0012]步驟008.根據(jù)知識點序列順序，實現(xiàn)針對數(shù)據(jù)庫中各個問題文本的依序進行推薦。
[0013]作為本發(fā)明的一種優(yōu)選技術(shù)方案:所述預(yù)設(shè)主題模型為潛在狄利克雷分配模型。
[0014]作為本發(fā)明的一種優(yōu)選技術(shù)方案:所述步驟003中，在獲得各個問題文本所對應(yīng)各個中文分詞的加權(quán)統(tǒng)計值之后，將各個問題文本所對應(yīng)各個中文分詞的加權(quán)統(tǒng)計值構(gòu)成Bag-Of-Words模型表征數(shù)據(jù)集，然后根據(jù)Bag-Of-Words模型表征數(shù)據(jù)集，針對潛在狄利克雷分配模型進行訓(xùn)練，獲得訓(xùn)練后的潛在狄利克雷分配模型。
[0015]作為本發(fā)明的一種優(yōu)選技術(shù)方案:所述加權(quán)統(tǒng)計算法為TF-1DF算法，所述加權(quán)統(tǒng)計值為TF-1DF值。
[0016]作為本發(fā)明的一種優(yōu)選技術(shù)方案:所述步驟006中，所述判斷各個知識點彼此之間的預(yù)設(shè)對應(yīng)數(shù)據(jù)關(guān)系具體為:判斷各個知識點彼此之間的父子關(guān)系。
[0017]作為本發(fā)明的一種優(yōu)選技術(shù)方案:所述步驟007中，針對知識點網(wǎng)絡(luò)圖中的各個知識點，根據(jù)知識點網(wǎng)絡(luò)圖，采用人工設(shè)置的方式，設(shè)計獲得知識點序列。
[0018]作為本發(fā)明的一種優(yōu)選技術(shù)方案:所述步驟007中，針對知識點網(wǎng)絡(luò)圖中的各個知識點，根據(jù)知識點網(wǎng)絡(luò)圖，采用統(tǒng)計的方式，設(shè)計獲得知識點序列。
[0019]本發(fā)明所述一種題目知識點智能推薦方法采用以上技術(shù)方案與現(xiàn)有技術(shù)相比，具有以下技術(shù)效果:本發(fā)明設(shè)計的一種題目知識點智能推薦方法，引入知識點與其隱性話題之間的對應(yīng)關(guān)系，構(gòu)建知識點網(wǎng)絡(luò)圖，更好的理解了在線教育系統(tǒng)中的教育資源以及終端用戶，能夠更加準(zhǔn)確地為終端用戶提供問題文本。
【附圖說明】
[0020]圖1是本發(fā)明設(shè)計一種題目知識點智能推薦方法的流程示意圖；
[0021]圖2是應(yīng)用本發(fā)明設(shè)計題目知識點智能推薦方法實施例中的知識點與隱性話題對應(yīng)關(guān)系的建立不意圖；
[0022]圖3是應(yīng)用本發(fā)明設(shè)計題目知識點智能推薦方法實施例中的知識點網(wǎng)絡(luò)圖；
[0023]圖4是基于本發(fā)明設(shè)計題目知識點智能推薦方法的知識點序列實施例一；
[0024]圖5是基于本發(fā)明設(shè)計題目知識點智能推薦方法的知識點序列實施例二。
【具體實施方式】
[0025]下面結(jié)合說明書附圖對本發(fā)明的【具體實施方式】作進一步詳細的說明。
[0026]如圖1所示，本發(fā)明所設(shè)計題目知識點智能推薦方法在實際應(yīng)用過程當(dāng)中，具體包括如下步驟:
[0027]步驟001.針對數(shù)據(jù)庫中的各個問題文本