CN108399243A - 一种训练题目的推荐方法及装置 - Google Patents
一种训练题目的推荐方法及装置 Download PDFInfo
- Publication number
- CN108399243A CN108399243A CN201810171299.5A CN201810171299A CN108399243A CN 108399243 A CN108399243 A CN 108399243A CN 201810171299 A CN201810171299 A CN 201810171299A CN 108399243 A CN108399243 A CN 108399243A
- Authority
- CN
- China
- Prior art keywords
- array
- target
- topic
- training
- pending
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000005540 biological transmission Effects 0.000 claims abstract description 6
- 238000005530 etching Methods 0.000 claims description 21
- 238000001514 detection method Methods 0.000 claims description 16
- 238000003491 array Methods 0.000 claims description 11
- 108010001267 Protein Subunits Proteins 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 2
- 238000005303 weighing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Educational Technology (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种训练题目的推荐方法及装置，其中，方法包括：接收到第一用户发送的推荐训练题目的请求时，获取第一用户的历史训练信息，其中，历史训练信息包括第一用户已完成作答的至少一个第一训练题目，以及每个第一训练题目的完成时刻和准确度，依据每个第一训练题目对应的准确度，确定第一用户作答每个第一训练题目的第一能力值；并根据第一用户作答至少一个训练题目的第一能力值，从预置的至少一个第二用户中，并确定存在与第一用户的能力水平相似的第二用户，并依据该第二用户所作答的第二训练题目，确定向该第一用户推荐训练题目，通过本实施例，客观评价第一用户的能力水平，使得所推荐的训练题目使第一用户的能力水平得到有效提高。
Description
技术领域
本申请涉及推荐系统领域，特别是涉及一种训练题目的推荐方法及装置。
背景技术
在线教育平台，为用户提供在线学习的便利，例如，在线教育平台中，存在对应每个知识点的不同难易程度的训练题目，用户为了提高能力水平，通过在线教育平台自主进行题目训练。
目前，在线教育平台中的训练题目都标注有专家标定的难易程度。用户评估自己当前的能力水平，并根据自己当前的能力水平，根据在线教育平台中训练题目的难易程度，自主选择难易程度适合当前的能力水平的目标训练题目，并对所选的目标训练题目进行训练，以提高当前的能力水平。
而由用户自主从在线教育平台的训练题目中确定目标训练题目，并对目标训练题目进行训练，并不能显著的提高用户的能力水平。
发明内容
基于此，本申请提供了一种训练题目的推荐方法，用以有效提升用户当前的能力水平。
本申请还提供了一种训练题目的推荐装置，用以保证上述方法在实际中的实现及应用。
本申请提供的技术方案为：
本申请公开了一种训练题目的推荐方法，该方法包括：
接收到第一用户发送的推荐训练题目的请求时，获取所述第一用户的历史训练信息，所述历史训练信息包括所述第一用户在当前时刻之前已完成作答的至少一个第一训练题目，以及所述第一训练题目对应的完成时刻和准确度；
依据所述第一训练题目对应的准确度，确定所述第一用户作答所述第一训练题目的第一能力值，得到所述第一用户作答所述第一训练题目的完成时刻和第一能力值；
根据所述至少一个第一训练题目对应的至少一个完成时刻和至少一个第一能力值所组成的第一数组，从预置的至少一个第二用户的第二数组中，确定出满足预设条件的至少一个目标第二数组；所述第二用户的第二数组包括所述第二用户完成作答至少一个第二训练题目所对应的至少一个完成时刻和至少一个第二能力值，其中，所述预设条件包括：目标第二数组中第二能力值随完成时刻的分布趋势与所述第一数组中第一能力值随完成时刻的分布趋势之间的相似；
依据与每个目标第二数组对应的至少一个第二训练题目，确定向所述第一用户推荐的训练题目。
其中，所述确定满足预设条件的至少一个目标第二数组，包括：
依据所述至少一个第一训练题目对应的至少一个完成时刻，确定完成所述至少一个第一训练题目所需的目标时长；
针对每个第二用户对应的第二数组，分别以所述第二数组包含的每个完成时刻为起始时刻，检测与所述起始时刻间的时长等于所述目标时长的终点时刻；并将所述第二数组中从起始时刻到对应的终点时刻的各完成时刻，以及与各完成时刻分别对应的第二能力值，分别组成待处理数组，得到与每个所述第二数组对应的多个待处理数组；
针对每个所述待处理数组，确定所述待处理数组中的第二能力值与所述第一数组中的第一能力值间的相似性；
将相似性大于预设值的待处理数组，确定为第一目标待处理数组；
将包含第一目标待处理数组的第二数组，确定为目标第二数组。
其中，所述确定所述待处理数组中的第二能力值与所述第一数组中的第一能力值间的相似性，包括：
生成图像；所述图像体现所述待处理数组中的第二能力值随完成时刻的第一分布趋势，以及，体现所述第一数组中的第一能力值随完成时刻的第二分布趋势；
对所述图像中处于所述第一分布趋势与所述第二分布趋势上的第一像素点进行膨胀操作，并将膨胀操作后的第一像素点确定为第二像素点；
对所述第二像素点进行腐蚀操作，并将腐蚀操作后的第二像素点确定为第三像素点；
确定所述第三像素点在所述图像中所形成的轮廓；
确定目标比值，并将所述目标比值确定为所述待处理第二数组中的第二能力值与所述第一数组中的第一能力值间的相似性；所述目标比值为：位于所述轮廓中的不同于第三像素点的像素点个数与所述图像中位于所述轮廓内的像素点总个数的比值。
其中，所述依据与每个目标第二数组对应的至少一个第二训练题目，来确定向所述第一用户推荐的训练题目之前，还包括：
针对每个目标第二数组包含的至少一个第一目标待处理数组，将与所述第一数组中的第一能力值间的相似性最大的第一目标待处理数组，确定为第二目标待处理数组，得到与每个目标第二数组对应的第二目标待处理数组；
针对每个目标第二数组，确定所述目标第二数组对应的第二目标待处理数组所包含的完成时刻中的最晚时刻，得到与每个目标第二数组对应的目标最晚时刻；
针对每个目标第二数组，从与所述目标第二数组对应的至少一个第二训练题目中，确定完成时刻晚于对应的目标最晚时刻的至少一个目标第二训练题目，得到所述目标第二数组对应的由所述至少一个目标第二训练题目组成的训练题目组；
所述依据与每个目标第二数组对应的至少一个第二训练题目，来确定向所述第一用户推荐的训练题目，包括：
依据与每个目标第二数组对应的训练题目组，来确定向所述第一用户推荐的训练题目。
其中，所述依据与每个目标第二数组对应的训练题目组，来确定向所述第一用户推荐的训练题目，包括：
从与至少一个目标第二数组对应的至少一个训练题目组中，确定目标训练题目，所述目标训练题目为：不小于预设数量个训练题目组中包含的相同的训练题目；
将所述目标训练题目，确定为向所述第一用户推荐的训练题目。
其中，所述确定不小于预设数量个训练题目组共同包含的最大数目的目标训练题目，包括：
将所述至少一个训练题目组中的训练题目确定为待处理训练题目；
将所述待处理训练题目划分为至少一个组合，所述组合中包含初始数值个不同的待处理训练题目，且，不同组合中所包含的待处理训练题目不同；
从所述至少一个组合中，检测满足第二预设条件的目标组合，所述第二预设条件包括：包含所述组合的训练题目组的数量不小于预设数量；
将包含所述目标组合的训练题目组中的训练题目，确定为待处理训练题目；
增加所述初始数值，并将增加后的初始数值，更新为初始值；
返回执行将所述待处理训练题目划分为至少一个组合的步骤，直至包含目标组合的训练题目组的数量都等于预设数量时，将当前的任意一个目标组合所包含的训练题目，确定为目标训练题目。
本申请还提供了一种训练题目的推荐装置，该装置包括：
获取单元，用于接收到第一用户发送的推荐训练题目的请求时，获取所述第一用户的历史训练信息，所述历史训练信息包括所述第一用户在当前时刻之前已完成作答的至少一个第一训练题目，以及所述第一训练题目对应的完成时刻和准确度；
第一确定单元，用于依据所述第一训练题目对应的准确度，确定所述第一用户作答所述第一训练题目的第一能力值，得到所述第一用户作答所述第一训练题目的完成时刻和第一能力值；
第二确定单元，用于根据所述至少一个第一训练题目对应的至少一个完成时刻和至少一个第一能力值所组成的第一数组，从预置的至少一个第二用户的第二数组中，确定出满足预设条件的至少一个目标第二数组；所述第二用户的第二数组包括所述第二用户完成作答至少一个第二训练题目所对应的至少一个完成时刻和至少一个第二能力值，其中，所述预设条件包括：目标第二数组中第二能力值随完成时刻的分布趋势与所述第一数组中第一能力值随完成时刻的分布趋势之间的相似；
第三确定单元，用于依据与每个目标第二数组对应的至少一个第二训练题目，确定向所述第一用户推荐的训练题目。
其中，所述第二确定单元，包括：
第一确定子单元，用于依据所述至少一个第一训练题目对应的至少一个完成时刻，确定完成所述至少一个第一训练题目所需的目标时长；
检测子单元，用于针对每个第二用户对应的第二数组，分别以所述第二数组包含的每个完成时刻为起始时刻，检测与所述起始时刻间的时长等于所述目标时长的终点时刻；并将所述第二数组中从起始时刻到对应的终点时刻的各完成时刻，以及与各完成时刻分别对应的第二能力值，分别组成待处理数组，得到与每个所述第二数组对应的多个待处理数组；
第二确定子单元，用于针对每个所述待处理数组，确定所述待处理数组中的第二能力值与所述第一数组中的第一能力值间的相似性；
第三确定子单元，用于将相似性大于预设值的待处理数组，确定为第一目标待处理数组；
第四确定子单元，用于将包含第一目标待处理数组的第二数组，确定为目标第二数组。
其中，所述第二确定子单元，包括：
生成模块，用于生成图像；所述图像体现所述待处理数组中的第二能力值随完成时刻的第一分布趋势，以及，体现所述第一数组中的第一能力值随完成时刻的第二分布趋势；
膨胀操作模块，用于对所述图像中处于所述第一分布趋势与所述第二分布趋势上的第一像素点进行膨胀操作，并将膨胀操作后的第一像素点确定为第二像素点；
腐蚀操作模块，用于对所述第二像素点进行腐蚀操作，并将腐蚀操作后的第二像素点确定为第三像素点；
第一确定模块，用于确定所述第三像素点在所述图像中所形成的轮廓；
第二确定模块，用于确定目标比值，并将所述目标比值确定为所述待处理第二数组中的第二能力值与所述第一数组中的第一能力值间的相似性；所述目标比值为：位于所述轮廓中的不同于第三像素点的像素点个数与所述图像中位于所述轮廓内的像素点总个数的比值。
其中，所述装置还包括：
第四确定单元，用于针对每个目标第二数组包含的至少一个第一目标待处理数组，将与所述第一数组中的第一能力值间的相似性最大的第一目标待处理数组，确定为第二目标待处理数组，得到与每个目标第二数组对应的第二目标待处理数组；
第五确定单元，用于针对每个目标第二数组，确定所述目标第二数组对应的第二目标待处理数组所包含的完成时刻中的最晚时刻，得到与每个目标第二数组对应的目标最晚时刻；
第六确定单元，用于针对每个目标第二数组，从与所述目标第二数组对应的至少一个第二训练题目中，确定完成时刻晚于对应的目标最晚时刻的至少一个目标第二训练题目，得到所述目标第二数组对应的由所述至少一个目标第二训练题目组成的训练题目组；
其中，所述第三确定单元，具体用于依据与每个目标第二数组对应的训练题目组，来确定向所述第一用户推荐的训练题目。
其中，所述第三确定单元，包括：
第三确定模块，用于从与至少一个目标第二数组对应的至少一个训练题目组中，确定目标训练题目，所述目标训练题目为：不小于预设数量个训练题目组中包含的相同的训练题目；
第四确定模块，用于将所述目标训练题目，确定为向所述第一用户推荐的训练题目。
其中，所述第三确定模块包括：
第一确定子模块，用于将所述至少一个训练题目组中的训练题目确定为待处理训练题目；
划分子模块，用于将所述待处理训练题目划分为至少一个组合，所述组合中包含初始数值个不同的待处理训练题目，且，不同组合中所包含的待处理训练题目不同；
检测子模块，用于从所述至少一个组合中，检测满足第二预设条件的目标组合，所述第二预设条件包括：包含所述组合的训练题目组的数量不小于预设数量；
第二确定子模块，用于将包含所述目标组合的训练题目组中的训练题目，确定为待处理训练题目；
更新子模块，用于增加所述初始数值，并将增加后的初始数值，更新为初始值；
执行子模块，用于返回执行将所述待处理训练题目划分为至少一个组合的步骤，直至包含目标组合的训练题目组的数量都等于预设数量时，将当前的任意一个目标组合所包含的训练题目，确定为目标训练题目。
本申请的有益效果为：
在本申请实施例中，通过第一用户已完成作答至少一个第一训练题目所对应的至少一个完成时刻的准确度，来确定第一用户在每个第一训练题目完成时刻的第一能力值，并通过第一用户依次完成每个第一训练题目过程中，依次得到的多个第一能力值，来客观反映第一用户当前的能力水平，因此，衡量第一用户的当前的能力水平的准确性得到提高；并且，在本申请实施例中，分别从每个第二用户完成作答至少一个第二训练题目时，所对应的第二数组中，寻找存在与第一用户对应的第一数组间的相似度，大于预设值的目标第二数组，此时，目标第二数组所对应的第二用户的能力水平变化过程中，存在与第一用户当前的能力水平具有较高相似度的目标时间段，因此，基于每个目标第二数组所对应的至少一个第二训练题目，来确定向第一用户推荐的训练题目，使得推荐的训练题目可以有效提高第一用户当前的能力水平。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请中一种训练题目的推荐方法实施例的流程图；
图2为本申请中一种从至少一个第二数组中确定至少一个目标第二数组的方法实施例的流程图；
图3(a)～图4(e)为本申请中确定第一数组中的第一能力值与待处理数组中的第二能力值间的相似性的过程示意图；
图5为本申请中一种基于目标第二数组对应的至少一个第二训练题目，确定向第一用户推荐的训练题目的方法实施例的流程图；
图6为本本申请中一种训练题目的推荐装置实施例的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
参考图1，示出了本申请中一种训练题目的推荐方法实施例的流程图，该方法实施例可以包括：
步骤101：用户输入登录信息以向推荐系统发送登录请求。
在本实施例中，存在一个推荐系统，用户需要登录该推荐系统获取提高能力的训练题目。具体的，用户输入其在该推荐系统的登录信息，以向推荐系统发送登录请求。
步骤102：推荐系统根据用户的登录信息对该用户进行身份验证，当对该用户的身份验证通过后，允许该用户登录推荐系统。
当推荐系统接收到用户的登录信息后，利用用户的登录信息对该用户进行身份验证，当对该用户的身份验证通过后，允许该用户登录该推荐系统。
步骤103：登录成功的用户向推荐系统发送推荐训练题目的请求。
当用户在推荐系统上登录成功后，用户可以向推荐系统发送推荐训练题目的请求，使得接收到推荐请求的推荐系统，向该用户发送训练题目。
步骤104：推荐系统依据该用户的身份信息，判断数据库中是否存在包含第一预设数量的训练题目的历史训练信息，若存在，则执行步骤105，若不存在，则执行步骤109。
在推荐系统接收到用户的推荐请求时，该推荐系统根据该用户的身份信息，判断数据库中是否存在该用户的历史训练信息，其中，该历史训练信息包括：该用户在当前时刻之前完成作答的训练题目，以及，作答每个训练题目的完成时刻和作答准确性。在本实施例中，当获取该用户的历史训练信息后，接着，判断该用户对应的历史训练信息中，是否包含第一预设数量的训练题目，当包含第一预设数量的训练题目时，则执行步骤105，否则，执行步骤111。
步骤105：针对该用户所作答的第一预设数量个第一训练题目，依据每个第一训练题目对应的准确度，确定第一用户作答每个第一训练题目的第一能力值，得到与第一用户作答的每个第一训练题目的完成时刻和第一能力值。
为了描述方便，在本实施例中，将向推荐系统发送推荐请求的用户称为第一用户，将第一用户在该推荐系统已完成作答的第一预设数量个训练题目称为第一训练题目。在确定出第一用户完成每个第一训练题目的准确性后，接着，在本步骤中，确定该第一用户完成作答每个第一训练题目的时刻的第一能力值，具体的，根据该第一用户完成第一训练题目的准确度，确定该第一用户完成该第一训练题目的能力值的过程，可以基于贝叶斯的能力水平评估算法来确定，为了描述方便，本实施例将确定出的该第一用户完成每个第一训练题目时的能力值称为第一能力值。此时，得到与第一用户作答的每个第一训练题目的完成时刻和第一能力值。
步骤106：将第一用户作答每个第一训练题目的完成时刻和第一能力值，确定为第一数组。
在得到第一用户作答的每个第一训练题目的完成时刻和第一能力值后，接着，在本步骤中，将第一用户作答的每个第一训练题目的完成时刻和第一能力值，确定为一个数组，为了描述方便，本实施例中，将确定的数组称为第一数组。
步骤107：从预置的至少一个第二用户的第二数组中，确定出满足预设条件的至少一个目标第二数组。
在本实施例中，事先从数据库中确定出预设数量的其他用户，为了描述方便，本实施例将推荐系统中非第一用户的其他用户统称为第二用户，在本步骤中，从数据库中事先确定出预设数量的第二用户，并且，确定出每个第二用户对应的第二数组，其中，每个第二用户对应的第二数组包括：该第二用户已完成作答至少一个第二训练题目所对应的至少一个完成时刻和至少一个第二能力值，为了描述方便，本实施例将第二用户已完成作答的训练题目统称为第二训练题目，并将第二用户完成每个第二训练题目时的能力值统称为第二能力值。
在本步骤中目标第二数组所需满足的预设条件可以为：每个目标第二数组中的第二能力值随完成时刻的分布趋势与第一数组中的第一能力值随完成时刻的分布趋势之间相似。具体的，目标第二数组中第二能力值随完成时刻的分布趋势与第一数组中第一能力值随完成时刻的分布趋势相似，可以为：第一数组中的第一能力值与完成时刻间的对应关系为第二数组中第二能力值与完成时刻间的对应关系中的一段。
步骤108：依据与每个目标第二数组对应的至少一个第二训练题目，确定向第一用户推荐的训练题目。
从预置的至少一个第二用户的第二数组中，确定出至少一个满足预设条件的目标第二数组后，接着，在本步骤中，由于每个目标第二数组对应一个第二用户，每个第二用户在该推荐系统已作答至少一个第二训练题目，因此，与每个目标第二数组都对应有至少一个第二训练题目。接着，推荐系统根据与每个目标第二数组对应的至少一个第二训练题目，来确定向第一用户推荐的训练题目。
步骤109：通过人工向第一用户推荐训练题目。
当推荐系统获得数据库中第一用户所作答的第一训练题目的数量少于第一预设数量时，此时，通过人工向第一用户推荐训练题目。
步骤110：保存训练数据，并返回步骤105。
在人工向第一用户推荐训练题目后，接着，在本步骤中，将推荐的训练题目进行保存，例如保存在数据库中。
通过本实施例，通过第一用户已完成作答至少一个第一训练题目所对应的至少一个完成时刻的准确度，来确定第一用户在每个第一训练题目完成时刻的第一能力值，并通过第一用户依次完成每个第一训练题目过程中，依次得到的多个第一能力值，来客观反映第一用户当前的能力水平，因此，衡量第一用户的当前的能力水平的准确性得到提高；并且，在本实施例中，分别从每个第二用户完成作答至少一个第二训练题目时，所对应的第二数组中，寻找存在与第一用户对应的第一数组间的相似度，大于预设值的目标第二数组，此时，目标第二数组所对应的第二用户的能力水平变化过程中，存在与第一用户当前的能力水平具有较高相似度的目标时间段，因此，基于每个目标第二数组所对应的至少一个第二训练题目，来确定向第一用户推荐的训练题目，使得推荐的训练题目可以有效提高第一用户当前的能力水平。
参考图2，示出了本申请中一种从至少一个第二数组中确定至少一个目标第二数组的方法实施例的流程图，该方法实施例可以包括：
步骤201：依据第一数组中的与每个第一训练题目对应的完成时刻，确定完成至少一个训练题目所需的目标时长。
在本实施例中，第一数组中包含了第一用户完成每个第一训练题目的完成时刻，在本步骤中，根据第一数组中与至少一个第一训练题目对应的至少一个完成时刻，确定完成该至少一个第一训练题目所需的时长，为了描述方便，本实施例将完成该至少一个第一训练题目所需的时长统称为目标时长。
步骤202：针对每个第二用户对应的第二数组，分别以该第二数组包含的每个完成时刻为起始时刻，检测与该起始时刻的时长等于目标时长的终点时刻。
在得到完成至少一个第一训练题目所需的目标时长后，接着，在本步骤中，针对每个第二用户对应的第二数组，分别以该第二数组中的每个完成时刻为时刻，判断该第二数组中是否存在与该起始时刻间的时长为目标时长的完成时刻，如果存在该完成时刻，则在该第二数组中存在与该初始时刻的时长为目标时长的终点时刻，为了描述方便，本实施例将该初始时刻称为目标初始时刻，并将与该初始时刻对应的终点时刻称为目标终点时刻。此时，得到该第二数组中目标初始时刻与对应的目标终点时刻。
针对每个第二用户对应的第二数组都按照本步骤的动作来执行，得到与每个第二用户的第二数组对应的多个目标初始时刻，以及与每个目标初始时刻对应的目标终点时刻。
步骤203：针对每个第二用户的第二数组，将该第二数组中的每个目标初始时刻与对应的目标终点时刻间的完成时刻与第二能力值，组成一个待处理数组，此时，针对每个第二用户的第二数组，得到与每个目标初始时刻对应的待处理数组。
在得到与每个第二用户的第二数组对应的多个目标初始时刻，以及与每个目标初始时刻对应的目标终点时刻后，接着，在本步骤中，针对每个第二用户的第二数组，将该第二数组中的每个目标初始时刻与对应的目标终点时刻间的完成时刻，以及与完成时刻对应的第二能力值组成一个数组，为了描述方便，本实施例将目标初始时刻与目标终点时刻所组成的数组称为待处理数组，此时，针对每个第二用户的第二数组，得到与每个第二数组对应的多个待处理数组。
步骤204：针对每个待处理数组，确定第一数组中的第一能力值与该待处理数组中的第二能力值间的相似性，得到与每个待处理数组对应的相似性。
在得到与每个第二数组对应的多个待处理数组后，接着，在本步骤中，针对每个待处理数组，确定该待处理数组中的第二能力值与第一数组中的第一能力值间的相似性，具体的，针对任意一个待处理数组，确定该待处理数组中的第二能力值与第一数组中的第一能力值间的相似性的过程，可以包括：步骤A1～步骤A5：
步骤A1：生体现所述待处理数组中的第二能力值随完成时刻的第一分布趋势，以及，体现所述第一数组中的第一能力值随完成时刻的第二分布趋势的图像。
在待处理数组中包括的是从起始时刻到终点时刻间的完成时刻，以及与每个完成时刻对应的第二能力值。在本步骤中，将待处理数组中的第二能力值随完成时刻的分布趋势，以及第一数组中的第一能力值随完成时刻的分布趋势体现在一幅图像中，为了描述方便，本实施例将待处理数组中的第二能力值随完成时刻的分布趋势统称为第一分布趋势，将第一数组中第一能力值随完成时刻的分布趋势统称为第二分布趋势。例如，将第一分布趋势和第二分布趋势分别所对应的像素点的像素值分别设置为不同的像素值，如图3(a)所示。
步骤A2：对图像中处于所述第一分布趋势与所述第二分布趋势上的第一像素点进行膨胀操作，并将膨胀操作后的第一像素点确定为第二像素点
在得到体现第一分布趋势与第二分布趋势的图像后，在本步骤中，将图像中描述第一分布趋势与第二分布趋势的像素点统称为第一像素点，接着，对图像中的第一像素点进行膨胀操作，并将膨胀操作后的第一像素点统称为第二像素点。在实际应用中，在对图像中的第一像素点进行膨胀操作之前，需将图像变换为二值图像，如图3(b)所示，将第一像素点的像素值设置为0，将其他像素点的像素值设置为1。
具体的，对图像中的第一像素点进行膨胀操作的过程，以图3(c)中的图像为例进行介绍，图3(c)为待进行膨胀操作的图像，且，图3(c)灰色的像素点代表待进行膨胀操作的像素点，图3(d)中的灰色像素点为结构元素，对图3(c)中的灰色像素点采用结构元素进行膨胀操作的过程如图3(e)所示，在图3(e)中，将图3(d)中的灰色像素点在图3(c)中进行移动，当图3(d)中带“+”号的灰色像素点与图3(c)中的灰色像素点重合时，如果图3(d)中非带“+”号的灰色像素点与图3(c)中的非灰色像素点重合时，将图3(c)中的非灰色像素点变成灰色，依次循环，直到图3(d)中带“+”号的灰色像素点与图3(c)中的所有灰色像素点进行重合后，得到图3(f)所示的结果。
按照上述图3(c)到图3(f)的步骤，对图3(b)中的代表第一像素点的黑色像素点进行膨胀操作，其中，膨胀操作的结构元素为图3(b)中的SE1所示的图形，得到图3(g)所示的结果图。接着，在本实施例中，将图3(g)中的像素值不为1的像素点统称为第二像素点。
步骤A3：对所述第二像素点进行腐蚀操作，并将腐蚀操作后的第二像素点确定为第三像素点。
在本步骤中，对图3(g)中的第二像素点进行腐蚀操作，具体的，腐蚀操作的过程以图4(a)为例进行说明，图4(a)中灰色像素点表示待进行腐蚀操作的像素点，在进行腐蚀操作时，需要结构元素，图4(b)中的灰色像素点表示腐蚀操作所使用的元素。具体的，通过图4(b)中的灰色像素点在图4(a)中的灰色像素点上移动，具体移动规则为：将图4(b)中带“+”的像素点与图4(a)中的像素点重合，如果图4(a)中的非灰色像素点与图4(b)中的灰色像素点重合后，则将图4(a)中的该非灰色像素点改变为灰色像素点，如图4(c)所示，按照这种规则，直至图4(a)中所有的灰色像素点都与图4(b)中带“+”号的像素点重合，得到如图4(d)所示的结果图。
按照上述图4(a)到图4(c)的腐蚀操作过程，利用图3(b)中SE2所代表的结构像素对图3(g)中的第二像素点进行腐蚀操作，得到如图4(e)中的黑色像素点，为了描述方便，本实施例将图4(e)中的黑色像素点统称为第三像素点。
步骤A4：确定所述第三像素点在所述图像中所形成的轮廓。
在得到图4(e)所示的结果图后，接着，在本步骤中，对图4(e)中的第三像素点在该图像中所形成的轮廓。
步骤A5：确定目标比值，并将所述目标比值确定为所述待处理第二数组中的第二能力值与所述第一数组中的第一能力值间的相似性；所述目标比值为：位于所述轮廓中的不同于第三像素点的像素点个数与所述图像中位于所述轮廓内的像素点总个数的比值。
在确定出图4(e)中黑色像素点的轮廓后，接着，在本步骤中，确定目标比值，其中，目标比值为位于轮廓中的非第三像素点的个数与轮廓中所有像素点个数的比值，为了描述方便，本实施例将该比值统称为目标比值，并将该目标比值确定为第一数组中的第一能力值与该待处理数组中第二能力值间的相似性。
步骤205：将相似性大于预设值的待处理数组，确定为第一目标待处理数组。
在得到与每个待处理数组对应的相似性后，接着，在本步骤中，将相似性大于预设值的待处理数组，确定为第一目标待处理数组。
步骤206：将包含第一目标待处理数组的第二数组，确定为目标第二数组。
在确定出目标待处理数组后，接着，在本步骤中，将包含第一目标待处理数组的第二数组，确定为目标第二数组。
图5示出了本申请中一种基于目标第二数组对应的至少一个第二训练题目，确定向第一用户推荐的训练题目的方法实施例的流程图，该方法实施例可以包括：
步骤501：针对每个目标第二数组包含的至少一个第一目标待处理数组，将与所述第一数组中的第一能力值间的相似性最大的第一目标待处理数组，确定为第二目标待处理数组，得到与每个目标第二数组对应的第二目标待处理数组。
在本实施例中，可能某些目标第二数组中存在多个目标待处理数组，为了描述方便，将与一个目标第二数组对应的多个目标待处理数组统称为第一目标待处理数组。在本步骤中，针对每个目标第二数组所包含的至少一个第一目标待处理数组，将与第一数组中的第一能力值间的相似性最大的第一目标待处理数组，确定为第二目标待处理数组，此时，得到与每个目标第二数组对应的一个第二目标待处理数组。
步骤502：针对每个目标第二数组，确定所述目标第二数组对应的第二目标待处理数组所包含的完成时刻中的最晚时刻，得到与每个目标第二数组对应的目标最晚时刻。
在确定出每个目标第二数组所对应的第二目标待处理数组后，接着，在本步骤中，分别确定与每个目标第二数组对应的第二目标待处理数组中所包括的完成时刻中的最晚时刻，为了描述方便，本实施例将每个第二目标待处理数组中所包含的最晚时刻统称为目标最晚时刻，此时，得到与每个第二目标数组对应的目标最晚时刻。
步骤503：针对每个目标第二数组，从与所述目标第二数组对应的至少一个第二训练题目中，确定完成时刻晚于对应的目标最晚时刻的至少一个目标第二训练题目，得到所述目标第二数组对应的由所述至少一个目标第二训练题目组成的训练题目组。
在确定出每个目标第二数组对应的目标最晚时刻后，接着，在本步骤中，针对每个目标第二数组对应的至少一个第二训练题目中，确定该目标第二数组对应的至少一个第二训练题目中，完成时刻晚于该目标第二数组对应的目标最晚时刻的第二训练题目，为了描述方便，本实施例将完成时刻晚于该目标第二数组对应的目标最晚时刻的第二训练题目统称为目标第二训练题目，此时得到与每个目标第二数组对应的至少一个目标第二训练题目，在本实施例中，将与每个第二目标数组对应的至少一个目标第二训练题目作为一个训练题目组，此时，得到与每个目标第二数组对应的训练题目组。
步骤504：从与至少一个目标第二数组对应的至少一个训练题目组中，确定目标训练题目，所述目标训练题目为：不小于预设数量个训练题目组中包含的相同的训练题目。
在得到与每个目标第二数组对应的训练题目组后，接着，在本步骤中，根据每个目标第二数组对应的训练题目组中的训练题目，确定向第一用户推荐的训练题目。具体的，依据每个目标第二数组对应的训练题目组中的训练题目，确定向第一用户推荐的训练题目的过程可以包括步骤B1～步骤B6：
步骤B1：将所述至少一个训练题目组中的训练题目确定为待处理训练题目。
在本实施例中，目标第二数组的数量为至少一个，因此，训练题目组的数量同样为至少一个，在本步骤中，将至少一个训练题目组中的第二训练题目都作为待处理训练题目。
例如，训练题目组有8个，分别如下表1所示。
表1
步骤B2：将待处理训练题目划分为至少一个组合。
在得到待处理训练题目后，接着，在本步骤中，将待处理训练题目划分为至少一个组合，其中，每个组合中包含初始数值个不同的待处理训练题目，且，不同组合中所包含的待处理训练题目不同。
例如，初始数值为1，将待处理训练题目中，1个待处理训练题目所组成的组合，且，不同组合中所包含的待处理训练题目不同，此时，得到多个组合，比如，A、M、C、D、B、E、Q、P和N。
步骤B3：从所述至少一个组合中，检测满足第二预设条件的目标组合，所述第二预设条件包括：包含所述组合的训练题目组的数量不小于预设数量。
在得到多个组合后，接着，在本步骤中，确定包含每个组合的训练题目组的数量，得到每个组合对应的训练题目组的数量，并将数量大于预设数量的组合确定为目标组合。例如，预设数量为5，在表1所示的8个训练题目组中，针对组合A，包含该A的训练题目组的数量为7，包含M的训练题目组的数量为4，包含C的训练题目组的数量为7，包含D的训练题目组的数量为7，包含B的训练题目组的数量为6，包含E的训练题目组的数量为7，包含Q的训练题目组的数量为3，包含P的训练题目组的数量为4，包含N的训练题目组的数量为3。此时，训练题目组的数量大于5的目标组合分别为A、C、D、B和E。
步骤B4：将包含目标组合的训练题目组中的训练题目，确定为待处理训练题目。
在确定目标组合后，接着，在本步骤中，将包含目标组合的训练题目组序号分别为1、2、3、4、5、6和7。并将序号分别为1、2、3、4、5、6和7的训练题目组中的训练题目确定为待处理训练题目。
步骤B5：增加初始数值，并将增加后的初始数值，更新为初始数值。
增加该初始数值，例如，将该初始数值增加为2，并将2更新为初始数值。
步骤B6：返回步骤B2，直至包含目标组合的训练题目组的数量都等于预设数量时，将当前的任意一个目标组合所包含的训练题目，确定为目标训练题目。
接着，返回步骤B2，直至包含目标组合的训练题目组的数量都等于预设数量时，将当前的任意一种目标组合所包含的训练题目，确定为目标训练题目。
步骤505：将目标训练题目，确定为向所述第一用户推荐的训练题目。
在确定出目标训练题目后，接着，在本步骤中，将该目标训练题目确定为向第一用户推荐的训练题目。
在本实施例中，通过从待处理训练题目中，确定初始数值个组合，每个组合中的训练题目不同，且，不同组合中的训练题目不同，在得到多个组合后，将包含组合的训练题目组的数量大于预设数量的组合，确定为目标组合。并将包含目标组合的训练题目组中所包含的训练题目，确定为待处理训练题目，接着，从当前待处理训练题目中确定出目标组合，按照这种方式，每一次确定目标组合的待处理训练题目的数目越来越少，使得确定数量等于预设数量的训练题目组所对应的任意一种目标组合的速度更快。
参考图6，示出了本申请中一种训练题目的推荐装置实施例的结构示意图，该装置实施例可以包括：
获取单元601，用于接收到第一用户发送的推荐训练题目的请求时，获取所述第一用户的历史训练信息，所述历史训练信息包括所述第一用户在当前时刻之前已完成作答的至少一个第一训练题目，以及所述第一训练题目对应的完成时刻和准确度；
第一确定单元602，用于依据所述第一训练题目对应的准确度，确定所述第一用户作答所述第一训练题目的第一能力值，得到所述第一用户作答所述第一训练题目的完成时刻和第一能力值；
第二确定单元603，用于根据所述至少一个第一训练题目对应的至少一个完成时刻和至少一个第一能力值所组成的第一数组，从预置的至少一个第二用户的第二数组中，确定出满足预设条件的至少一个目标第二数组；所述第二用户的第二数组包括所述第二用户完成作答至少一个第二训练题目所对应的至少一个完成时刻和至少一个第二能力值，其中，所述预设条件包括：目标第二数组中第二能力值随完成时刻的分布趋势与所述第一数组中第一能力值随完成时刻的分布趋势之间的相似；
其中，第二确定单元603可以包括：
第一确定子单元，用于依据所述至少一个第一训练题目对应的至少一个完成时刻，确定完成所述至少一个第一训练题目所需的目标时长；
检测子单元，用于针对每个第二用户对应的第二数组，分别以所述第二数组包含的每个完成时刻为起始时刻，检测与所述起始时刻间的时长等于所述目标时长的终点时刻；并将所述第二数组中从起始时刻到对应的终点时刻的各完成时刻，以及与各完成时刻分别对应的第二能力值，分别组成待处理数组，得到与每个所述第二数组对应的多个待处理数组；
第二确定子单元，用于针对每个所述待处理数组，确定所述待处理数组中的第二能力值与所述第一数组中的第一能力值间的相似性；
其中，第二确定子单元可以包括：
生成模块，用于生成图像；所述图像体现所述待处理数组中的第二能力值随完成时刻的第一分布趋势，以及，体现所述第一数组中的第一能力值随完成时刻的第二分布趋势；
膨胀操作模块，用于对所述图像中处于所述第一分布趋势与所述第二分布趋势上的第一像素点进行膨胀操作，并将膨胀操作后的第一像素点确定为第二像素点；
腐蚀操作模块，用于对所述第二像素点进行腐蚀操作，并将腐蚀操作后的第二像素点确定为第三像素点；
第一确定模块，用于确定所述第三像素点在所述图像中所形成的轮廓；
第二确定模块，用于确定目标比值，并将所述目标比值确定为所述待处理第二数组中的第二能力值与所述第一数组中的第一能力值间的相似性；所述目标比值为：位于所述轮廓中的不同于第三像素点的像素点个数与所述图像中位于所述轮廓内的像素点总个数的比值。
第三确定子单元，用于将相似性大于预设值的待处理数组，确定为第一目标待处理数组；
第四确定子单元，用于将包含第一目标待处理数组的第二数组，确定为目标第二数组。
第三确定单元604，用于依据与每个目标第二数组对应的至少一个第二训练题目，确定向所述第一用户推荐的训练题目。
其中，该装置实施例还可以包括：
第四确定单元，用于针对每个目标第二数组包含的至少一个第一目标待处理数组，将与所述第一数组中的第一能力值间的相似性最大的第一目标待处理数组，确定为第二目标待处理数组，得到与每个目标第二数组对应的第二目标待处理数组；
第五确定单元，用于针对每个目标第二数组，确定所述目标第二数组对应的第二目标待处理数组所包含的完成时刻中的最晚时刻，得到与每个目标第二数组对应的目标最晚时刻；
第六确定单元，用于针对每个目标第二数组，从与所述目标第二数组对应的至少一个第二训练题目中，确定完成时刻晚于对应的目标最晚时刻的至少一个目标第二训练题目，得到所述目标第二数组对应的由所述至少一个目标第二训练题目组成的训练题目组；
其中，所述第三确定单元604，具体用于依据与每个目标第二数组对应的训练题目组，来确定向所述第一用户推荐的训练题目。
其中，所述第三确定单元，包括：
第三确定模块，用于从与至少一个目标第二数组对应的至少一个训练题目组中，确定目标训练题目，所述目标训练题目为：不小于预设数量个训练题目组中包含的相同的训练题目；
其中，第三确定模块，可以包括：
第一确定子模块，用于将所述至少一个训练题目组中的训练题目确定为待处理训练题目；
划分子模块，用于将所述待处理训练题目划分为至少一个组合，所述组合中包含初始数值个不同的待处理训练题目，且，不同组合中所包含的待处理训练题目不同；
检测子模块，用于从所述至少一个组合中，检测满足第二预设条件的目标组合，所述第二预设条件包括：包含所述组合的训练题目组的数量不小于预设数量；
第二确定子模块，用于将包含所述目标组合的训练题目组中的训练题目，确定为待处理训练题目；
更新子模块，用于增加所述初始数值，并将增加后的初始数值，更新为初始值；
执行子模块，用于返回执行将所述待处理训练题目划分为至少一个组合的步骤，直至包含目标组合的训练题目组的数量都等于预设数量时，将当前的任意一个目标组合所包含的训练题目，确定为目标训练题目。
第四确定模块，用于将所述目标训练题目，确定为向所述第一用户推荐的训练题目。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同相似部分互相参见即可。在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。在文中的“包括”、“包含”等词语解释为包含的含义而不是排他或穷举的含义；也就是说，是“包含但不限于”的含义。在不脱离本发明构思的前提下，还可以做出变形、同等替换、改进等，这些都属于本发明的保护范围。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (12)
1.一种训练题目的推荐方法，其特征在于，所述方法包括：
接收到第一用户发送的推荐训练题目的请求时，获取所述第一用户的历史训练信息，所述历史训练信息包括所述第一用户在当前时刻之前已完成作答的至少一个第一训练题目，以及所述第一训练题目对应的完成时刻和准确度；
依据所述第一训练题目对应的准确度，确定所述第一用户作答所述第一训练题目的第一能力值，得到所述第一用户作答所述第一训练题目的完成时刻和第一能力值；
根据所述至少一个第一训练题目对应的至少一个完成时刻和至少一个第一能力值所组成的第一数组，从预置的至少一个第二用户的第二数组中，确定出满足预设条件的至少一个目标第二数组；所述第二用户的第二数组包括所述第二用户完成作答至少一个第二训练题目所对应的至少一个完成时刻和至少一个第二能力值，其中，所述预设条件包括：目标第二数组中第二能力值随完成时刻的分布趋势与所述第一数组中第一能力值随完成时刻的分布趋势之间的相似；
依据与每个目标第二数组对应的至少一个第二训练题目，确定向所述第一用户推荐的训练题目。
2.根据权利要求1所述的方法，其特征在于，所述确定满足预设条件的至少一个目标第二数组，包括：
依据所述至少一个第一训练题目对应的至少一个完成时刻，确定完成所述至少一个第一训练题目所需的目标时长；
针对每个第二用户对应的第二数组，分别以所述第二数组包含的每个完成时刻为起始时刻，检测与所述起始时刻间的时长等于所述目标时长的终点时刻；并将所述第二数组中从起始时刻到对应的终点时刻的各完成时刻，以及与各完成时刻分别对应的第二能力值，分别组成待处理数组，得到与每个所述第二数组对应的多个待处理数组；
针对每个所述待处理数组，确定所述待处理数组中的第二能力值与所述第一数组中的第一能力值间的相似性；
将相似性大于预设值的待处理数组，确定为第一目标待处理数组；
将包含第一目标待处理数组的第二数组，确定为目标第二数组。
3.根据权利要求2所述的方法，其特征在于，所述确定所述待处理数组中的第二能力值与所述第一数组中的第一能力值间的相似性，包括：
生成图像；所述图像体现所述待处理数组中的第二能力值随完成时刻的第一分布趋势，以及，体现所述第一数组中的第一能力值随完成时刻的第二分布趋势；
对所述图像中处于所述第一分布趋势与所述第二分布趋势上的第一像素点进行膨胀操作，并将膨胀操作后的第一像素点确定为第二像素点；
对所述第二像素点进行腐蚀操作，并将腐蚀操作后的第二像素点确定为第三像素点；
确定所述第三像素点在所述图像中所形成的轮廓；
确定目标比值，并将所述目标比值确定为所述待处理第二数组中的第二能力值与所述第一数组中的第一能力值间的相似性；所述目标比值为：位于所述轮廓中的不同于第三像素点的像素点个数与所述图像中位于所述轮廓内的像素点总个数的比值。
4.根据权利要求2所述的方法，其特征在于，所述依据与每个目标第二数组对应的至少一个第二训练题目，来确定向所述第一用户推荐的训练题目之前，还包括：
针对每个目标第二数组包含的至少一个第一目标待处理数组，将与所述第一数组中的第一能力值间的相似性最大的第一目标待处理数组，确定为第二目标待处理数组，得到与每个目标第二数组对应的第二目标待处理数组；
针对每个目标第二数组，确定所述目标第二数组对应的第二目标待处理数组所包含的完成时刻中的最晚时刻，得到与每个目标第二数组对应的目标最晚时刻；
针对每个目标第二数组，从与所述目标第二数组对应的至少一个第二训练题目中，确定完成时刻晚于对应的目标最晚时刻的至少一个目标第二训练题目，得到所述目标第二数组对应的由所述至少一个目标第二训练题目组成的训练题目组；
所述依据与每个目标第二数组对应的至少一个第二训练题目，来确定向所述第一用户推荐的训练题目，包括：
依据与每个目标第二数组对应的训练题目组，来确定向所述第一用户推荐的训练题目。
5.根据权利要求4所述的方法，其特征在于，所述依据与每个目标第二数组对应的训练题目组，来确定向所述第一用户推荐的训练题目，包括：
从与至少一个目标第二数组对应的至少一个训练题目组中，确定目标训练题目，所述目标训练题目为：不小于预设数量个训练题目组中包含的相同的训练题目；
将所述目标训练题目，确定为向所述第一用户推荐的训练题目。
6.根据权利要求5所述的方法，其特征在于，所述确定不小于预设数量个训练题目组共同包含的最大数目的目标训练题目，包括：
将所述至少一个训练题目组中的训练题目确定为待处理训练题目；
将所述待处理训练题目划分为至少一个组合，所述组合中包含初始数值个不同的待处理训练题目，且，不同组合中所包含的待处理训练题目不同；
从所述至少一个组合中，检测满足第二预设条件的目标组合，所述第二预设条件包括：包含所述组合的训练题目组的数量不小于预设数量；
将包含所述目标组合的训练题目组中的训练题目，确定为待处理训练题目；
增加所述初始数值，并将增加后的初始数值，更新为初始值；
返回执行将所述待处理训练题目划分为至少一个组合的步骤，直至包含目标组合的训练题目组的数量都等于预设数量时，将当前的任意一个目标组合所包含的训练题目，确定为目标训练题目。
7.一种训练题目的推荐装置，其特征在于，所述装置包括：
获取单元，用于接收到第一用户发送的推荐训练题目的请求时，获取所述第一用户的历史训练信息，所述历史训练信息包括所述第一用户在当前时刻之前已完成作答的至少一个第一训练题目，以及所述第一训练题目对应的完成时刻和准确度；
第一确定单元，用于依据所述第一训练题目对应的准确度，确定所述第一用户作答所述第一训练题目的第一能力值，得到所述第一用户作答所述第一训练题目的完成时刻和第一能力值；
第二确定单元，用于根据所述至少一个第一训练题目对应的至少一个完成时刻和至少一个第一能力值所组成的第一数组，从预置的至少一个第二用户的第二数组中，确定出满足预设条件的至少一个目标第二数组；所述第二用户的第二数组包括所述第二用户完成作答至少一个第二训练题目所对应的至少一个完成时刻和至少一个第二能力值，其中，所述预设条件包括：目标第二数组中第二能力值随完成时刻的分布趋势与所述第一数组中第一能力值随完成时刻的分布趋势之间的相似；
第三确定单元，用于依据与每个目标第二数组对应的至少一个第二训练题目，确定向所述第一用户推荐的训练题目。
8.根据权利要求7所述的装置，其特征在于，所述第二确定单元，包括：
第一确定子单元，用于依据所述至少一个第一训练题目对应的至少一个完成时刻，确定完成所述至少一个第一训练题目所需的目标时长；
检测子单元，用于针对每个第二用户对应的第二数组，分别以所述第二数组包含的每个完成时刻为起始时刻，检测与所述起始时刻间的时长等于所述目标时长的终点时刻；并将所述第二数组中从起始时刻到对应的终点时刻的各完成时刻，以及与各完成时刻分别对应的第二能力值，分别组成待处理数组，得到与每个所述第二数组对应的多个待处理数组；
第二确定子单元，用于针对每个所述待处理数组，确定所述待处理数组中的第二能力值与所述第一数组中的第一能力值间的相似性；
第三确定子单元，用于将相似性大于预设值的待处理数组，确定为第一目标待处理数组；
第四确定子单元，用于将包含第一目标待处理数组的第二数组，确定为目标第二数组。
9.根据权利要求8所述的装置，其特征在于，所述第二确定子单元，包括：
生成模块，用于生成图像；所述图像体现所述待处理数组中的第二能力值随完成时刻的第一分布趋势，以及，体现所述第一数组中的第一能力值随完成时刻的第二分布趋势；
膨胀操作模块，用于对所述图像中处于所述第一分布趋势与所述第二分布趋势上的第一像素点进行膨胀操作，并将膨胀操作后的第一像素点确定为第二像素点；
腐蚀操作模块，用于对所述第二像素点进行腐蚀操作，并将腐蚀操作后的第二像素点确定为第三像素点；
第一确定模块，用于确定所述第三像素点在所述图像中所形成的轮廓；
第二确定模块，用于确定目标比值，并将所述目标比值确定为所述待处理第二数组中的第二能力值与所述第一数组中的第一能力值间的相似性；所述目标比值为：位于所述轮廓中的不同于第三像素点的像素点个数与所述图像中位于所述轮廓内的像素点总个数的比值。
10.根据权利要求8所述的装置，其特征在于，所述装置还包括：
第四确定单元，用于针对每个目标第二数组包含的至少一个第一目标待处理数组，将与所述第一数组中的第一能力值间的相似性最大的第一目标待处理数组，确定为第二目标待处理数组，得到与每个目标第二数组对应的第二目标待处理数组；
第五确定单元，用于针对每个目标第二数组，确定所述目标第二数组对应的第二目标待处理数组所包含的完成时刻中的最晚时刻，得到与每个目标第二数组对应的目标最晚时刻；
第六确定单元，用于针对每个目标第二数组，从与所述目标第二数组对应的至少一个第二训练题目中，确定完成时刻晚于对应的目标最晚时刻的至少一个目标第二训练题目，得到所述目标第二数组对应的由所述至少一个目标第二训练题目组成的训练题目组；
其中，所述第三确定单元，具体用于依据与每个目标第二数组对应的训练题目组，来确定向所述第一用户推荐的训练题目。
11.根据权利要求10所述的装置，其特征在于，所述第三确定单元，包括：
第三确定模块，用于从与至少一个目标第二数组对应的至少一个训练题目组中，确定目标训练题目，所述目标训练题目为：不小于预设数量个训练题目组中包含的相同的训练题目；
第四确定模块，用于将所述目标训练题目，确定为向所述第一用户推荐的训练题目。
12.根据权利要求11所述的装置，其特征在于，所述第三确定模块包括：
第一确定子模块，用于将所述至少一个训练题目组中的训练题目确定为待处理训练题目；
划分子模块，用于将所述待处理训练题目划分为至少一个组合，所述组合中包含初始数值个不同的待处理训练题目，且，不同组合中所包含的待处理训练题目不同；
检测子模块，用于从所述至少一个组合中，检测满足第二预设条件的目标组合，所述第二预设条件包括：包含所述组合的训练题目组的数量不小于预设数量；
第二确定子模块，用于将包含所述目标组合的训练题目组中的训练题目，确定为待处理训练题目；
更新子模块，用于增加所述初始数值，并将增加后的初始数值，更新为初始值；
执行子模块，用于返回执行将所述待处理训练题目划分为至少一个组合的步骤，直至包含目标组合的训练题目组的数量都等于预设数量时，将当前的任意一个目标组合所包含的训练题目，确定为目标训练题目。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810171299.5A CN108399243B (zh) | 2018-03-01 | 2018-03-01 | 一种训练题目的推荐方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810171299.5A CN108399243B (zh) | 2018-03-01 | 2018-03-01 | 一种训练题目的推荐方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108399243A true CN108399243A (zh) | 2018-08-14 |
| CN108399243B CN108399243B (zh) | 2020-08-28 |
Family
ID=63091439
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810171299.5A Expired - Fee Related CN108399243B (zh) | 2018-03-01 | 2018-03-01 | 一种训练题目的推荐方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108399243B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112232610A (zh) * | 2020-12-18 | 2021-01-15 | 北京几原科技有限责任公司 | 一种利用机器学习模型的个性化题目推荐方法及系统 |
| CN114219375A (zh) * | 2022-02-21 | 2022-03-22 | 北京世纪好未来教育科技有限公司 | 训练心理旋转能力的方法、装置及电子设备 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101625799A (zh) * | 2008-07-07 | 2010-01-13 | 梁昌年 | 用于个性化学习的界面 |
| US20130052630A1 (en) * | 2011-08-22 | 2013-02-28 | Hitachi Consumer Electronics Co., Ltd. | Learning support system and learning support method |
| CN103632579A (zh) * | 2012-08-24 | 2014-03-12 | 上海乐梦起源动漫科技有限公司 | 一种面向教育学习系统的智能进阶方法 |
| CN103854527A (zh) * | 2014-02-14 | 2014-06-11 | 上海申瑞继保电气有限公司 | 多对象互动联合训练方法 |
| CN104376042A (zh) * | 2014-10-11 | 2015-02-25 | 武汉天量数据技术有限公司 | 一种试题数据库试题获取方法及系统 |
| CN105976658A (zh) * | 2016-05-05 | 2016-09-28 | 广东小天才科技有限公司 | 一种学习内容复习方法及装置 |
| CN107562769A (zh) * | 2017-05-24 | 2018-01-09 | 广东工业大学 | 一种在线答题题目推荐方法及装置 |
-
2018
- 2018-03-01 CN CN201810171299.5A patent/CN108399243B/zh not_active Expired - Fee Related
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101625799A (zh) * | 2008-07-07 | 2010-01-13 | 梁昌年 | 用于个性化学习的界面 |
| US20130052630A1 (en) * | 2011-08-22 | 2013-02-28 | Hitachi Consumer Electronics Co., Ltd. | Learning support system and learning support method |
| CN103632579A (zh) * | 2012-08-24 | 2014-03-12 | 上海乐梦起源动漫科技有限公司 | 一种面向教育学习系统的智能进阶方法 |
| CN103854527A (zh) * | 2014-02-14 | 2014-06-11 | 上海申瑞继保电气有限公司 | 多对象互动联合训练方法 |
| CN104376042A (zh) * | 2014-10-11 | 2015-02-25 | 武汉天量数据技术有限公司 | 一种试题数据库试题获取方法及系统 |
| CN105976658A (zh) * | 2016-05-05 | 2016-09-28 | 广东小天才科技有限公司 | 一种学习内容复习方法及装置 |
| CN107562769A (zh) * | 2017-05-24 | 2018-01-09 | 广东工业大学 | 一种在线答题题目推荐方法及装置 |
Non-Patent Citations (3)
| Title |
|---|
| KE SUN等: "Learning to recommend questions based on user ratings", 《CIKM "09: PROCEEDINGS OF THE 18TH ACM CONFERENCE ON INFORMATION AND KNOWLEDGE MANAGEMENT》 * |
| 蒋昌猛: "基于知识点的个性化习题推荐研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 蔡智勇: "基于典型度的相对熵相似度知识推荐", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112232610A (zh) * | 2020-12-18 | 2021-01-15 | 北京几原科技有限责任公司 | 一种利用机器学习模型的个性化题目推荐方法及系统 |
| CN114219375A (zh) * | 2022-02-21 | 2022-03-22 | 北京世纪好未来教育科技有限公司 | 训练心理旋转能力的方法、装置及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108399243B (zh) | 2020-08-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110704732B (zh) | 基于认知诊断的时序性习题推荐方法、装置 | |
| Wen et al. | Linguistic reflections of student engagement in massive open online courses | |
| Wojton et al. | Initial validation of the trust of automated systems test (TOAST) | |
| US10188337B1 (en) | Automated correlation of neuropsychiatric test data | |
| Saenz et al. | The usability analysis of chatbot technologies for internal personnel communications | |
| CN108399243A (zh) | 一种训练题目的推荐方法及装置 | |
| CN108876123A (zh) | 一种教学干预方法和装置 | |
| CN107562906A (zh) | 一种用于心理咨询预约的咨访关系自动匹配方法 | |
| US20170270812A1 (en) | Method for learning assessment | |
| EP4033412A3 (en) | Method and apparatus with neural network training | |
| CN110136032A (zh) | 基于课件的课堂交互数据处理方法及计算机存储介质 | |
| CN113205281A (zh) | 一种基于场景模拟的人员能力评价方法及相关设备 | |
| CN108280560A (zh) | 一种对象评价防刷方法及装置 | |
| CN108509579A (zh) | 一种智能练习系统及实现方法 | |
| Coperich et al. | Continuous improvement study of chatbot technologies using a human factors methodology | |
| CN107507112A (zh) | 一种课程推送方法、装置、服务器及存储介质 | |
| Derrick et al. | Exploring automated leadership and agent interaction modalities | |
| CN105574789A (zh) | 一种课堂点名方法和系统 | |
| CN111046293B (zh) | 一种根据测评结果推荐内容的方法及其系统 | |
| KR100538743B1 (ko) | 상대적 학습 평가 시스템 및 그 방법 | |
| CN115658928A (zh) | 一种组卷试卷的方法、装置、计算机设备及存储介质 | |
| Rose | Human information processing: An assessment and research battery. | |
| Galvez et al. | Student knowledge diagnosis using item response theory and constraint-based modeling | |
| KR20160025248A (ko) | 메타인지 능력 향상을 위한 수학학습 시스템 및 방법 | |
| Kovacs et al. | Retrieval-induced forgetting with novel visual stimuli is retrieval-specific and strength-independent |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200828 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |