CN110598112A - 一种题目推荐方法、装置、终端设备及存储介质 - Google Patents
一种题目推荐方法、装置、终端设备及存储介质 Download PDFInfo
- Publication number
- CN110598112A CN110598112A CN201910877856.XA CN201910877856A CN110598112A CN 110598112 A CN110598112 A CN 110598112A CN 201910877856 A CN201910877856 A CN 201910877856A CN 110598112 A CN110598112 A CN 110598112A
- Authority
- CN
- China
- Prior art keywords
- questions
- user
- candidate
- scores
- already
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000004590 computer program Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000006467 substitution reaction 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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06Q50/205—Education administration or guidance
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请适用于电子终端技术领域,提供了题目推荐方法、装置、终端设备及存储介质,方法包括:获取用户做题信息,用户做题信息包括用户已做题目以及与已做题目一一对应的已做题目的评分,其中,已做题目的评分的高低用于表示已做题目的重要程度;获取数据库中与已做题目相似的候选题目;根据候选题目与已做题目的相似度及已做题目的评分计算候选题目的评分,其中,相似度和已做题目的评分都与候选题目的评分是正比例关系;将达到预设分数的候选题目推荐给用户。当候选题目的评分达到预设分数,表明该候选题目与已做题目的相似度及该候选题目的重要程度都是很高的,从而保证推送的题目的准确性较高。
Description
技术领域
本申请属于电子终端技术领域,尤其涉及题目推荐方法、装置、终端设备及存储介质。
背景技术
目前市面上有很多针对学生的做题软件,用户可以通过一些移动电子设备随时随地的做题来提升自己对相关知识点的理解。但是在实际过程中,很多做题软件通常是粗粒度的给用户推荐一些题目,用户花了时间去做这些题目,但是由于推荐的题目准确性较低,用户不能根据自身情况针对性的去做题。
发明内容
有鉴于此,本申请实施例提供了题目推荐方法、装置、终端设备及存储介质,以解决现有技术中推荐的题目准确性较低的问题。
本申请实施例的第一方面提供了一种题目推荐方法,所述题目推荐方法包括:
获取用户做题信息,所述用户做题信息包括用户已做题目以及与所述已做题目一一对应的已做题目的评分,其中,所述已做题目的评分的高低用于表示所述已做题目的重要程度;
获取数据库中与所述已做题目相似的候选题目;
根据所述候选题目与所述已做题目的相似度及所述已做题目的评分计算候选题目的评分,其中,所述相似度和所述已做题目的评分都与所述候选题目的评分是正比例关系;
将达到预设分数的候选题目推荐给用户。
在一种可能的实现方式中,所述题目推荐方法还包括:
根据用户做题的时间和题目是否回答正确计算所述已做题目的评分。
在一种可能的实现方式中,所述根据用户做题的时间和题目是否回答正确计算所述已做题目的评分,具体包括:
所述用户做题的时间与当前时间的时间间隔和所述已做题目的评分是反比例关系;
回答错误的题目的评分高于回答正确的题目的评分。
在一种可能的实现方式中,所述将达到预设分数的候选题目推荐给用户,具体包括:
获取用户的年龄和年级信息;
将达到预设分数且与所述用户的年龄和年级信息相符的候选题目推荐给用户。
在一种可能的实现方式中,所述题目推荐方法还包括:
若用户没有做题记录,则根据与所述用户的年龄和年级信息相符的用户的做题记录为用户推荐题目;
对应地,所述获取用户做题信息具体为:
若用户有做题记录,则获取用户做题信息。
在一种可能的实现方式中,所述将达到预设分数的候选题目推荐给用户,具体包括:
将达到预设分数的候选题目按照所述候选题目的评分和/或按照所述候选题目的类型排序,将排序后的候选题目推荐给用户。
在一种可能的实现方式中,所述根据所述候选题目与所述已做题目的相似度及所述已做题目的评分计算候选题目的评分之前,所述方法还包括:
根据所有用户对所述候选题目的评分和所有用户对所述已做题目的评分计算所述候选题目与所述已做题目的相似度。
本申请实施例的第二方面提供了一种题目推荐装置,其特征在于,所述题目推荐装置包括:
第一获取模块,用于获取用户做题信息,所述用户做题信息包括用户已做题目以及与所述已做题目一一对应的已做题目的评分,其中,所述已做题目的评分的高低用于表示所述已做题目的重要程度;
第二获取模块,用于获取数据库中与所述已做题目相似的候选题目;
第一计算模块,用于根据所述候选题目与所述已做题目的相似度及所述已做题目评分计算候选题目的评分,其中,所述相似度和所述已做题目的评分都与所述候选题目的评分是正比例关系;
推荐模块,用于将达到预设分数的候选题目推荐给用户。
在一种可能的实现方式中,所述题目推荐装置还包括:
第二计算模块,用于根据用户做题的时间和题目是否回答正确计算所述已做题目的评分。
在一种可能的实现方式中,所述第二计算模块具体用于:
所述用户做题的时间与当前时间的时间间隔和所述已做题目的评分是反比例关系;
回答错误的题目的评分高于回答正确的题目的评分。
在一种可能的实现方式中,所述推荐模块具体用于:
获取用户的年龄和年级信息;
将达到预设分数且与所述用户的年龄和年级信息相符的候选题目推荐给用户。
在一种可能的实现方式中,所述第一获取模块具体用于:
若用户没有做题记录,则根据与所述用户的年龄和年级信息相符的用户的做题记录为用户推荐题目;
若用户有做题记录,则获取用户做题信息。
在一种可能的实现方式中,所述推荐模块具体用于:
将达到预设分数的候选题目按照所述候选题目的评分和/或按照所述候选题目的类型排序,将排序后的候选题目推荐给用户。
在一种可能的实现方式中,所述题目推荐装置还包括:
第三计算模块,用于根据所有用户对所述候选题目的评分和所有用户对所述已做题目的评分计算所述候选题目与所述已做题目的相似度。
本申请实施例的第三方面提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面的方法的步骤。
本申请实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述第一方面的方法的步骤。
本申请实施例的第五方面提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行上述第一方面中任一项所述的方法。
本申请实施例与现有技术相比存在的有益效果是:在获取用户已做题目以及与用户已做题目一一对应的已做题目评分后,获取数据库中与已做题目相似的候选题目,再根据候选题目与已做题目的相似度及已做题目评分计算候选题目的评分,将达到预设分数的候选题目推荐给用户。由于已做题目评分的高低用于表示已做题目的重要程度,候选题目的评分是与已做题目的相似度以及该已做题目的评分相关,且相似度和已做题目的评分都与候选题目的评分是正比例关系,因此,候选题目的评分达到预设分数,表明该候选题目与已做题目的相似度及该候选题目的重要程度都是很高的,从而保证推送的题目的准确性较高。
附图说明
为了更清楚地说明本申请实施例中的技术方案,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。
图1是本申请实施例提供的题目推荐方法的实现流程示意图;
图2是本申请实施例提供的题目推荐装置的示意图;
图3是本申请实施例提供的终端设备的内部结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
为了说明本申请所述的技术方案,下面通过具体实施例来进行说明。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
本申请实施例提供的题目推荐方法应用于终端设备,例如,学习机、手机、桌上型计算机、笔记本、平板电脑等。具体的,终端设备可提供一界面,将为用户推荐的题目在界面展示,供用户进行题目练习。
下面对本申请实施例提供的题目推荐方法进行描述,请参阅附图1,本申请实施例中的题目推荐方法包括:
步骤S101:获取用户做题信息,所述用户做题信息包括用户已做题目以及与所述已做题目一一对应的已做题目的评分,其中,所述已做题目的评分的高低用于表示所述已做题目的重要程度。
具体的,用户通过注册信息登陆系统,注册信息可以是人脸图像、指纹、帐号信息等。系统将用户的做题记录与注册信息进行关联,当用户下次登陆时,即可获取用户的做题信息。
在一种可能的实现方式中,已做题目的评分由用户做题的时间和题目是否回答正确来计算。具体的,用户做题的时间与当前时间的时间间隔和已做题目的评分是反比例关系;回答错误的题目的评分高于回答正确的题目的评分。例如,设定题目的评分x,当题目做错时x=2,题目做对时x=1,考虑到时间的问题,用户一个月之前做的错题重要程度肯定要低于用户昨天刚做的错题,因此需要设定一个时间衰减因子λ,其中,0<λ<1,若用户最近一次做该题目的时间距离当前时间为n天,则该用户u对该题目i的评分rui为rui=x*λn。从而将用户容易做错和最近做过的题目在已做题目的评分中的权重增加,提高用户容易做错的题目和最近做过的题目的重要程度。
步骤S102:获取数据库中与所述已做题目相似的候选题目。
在一种可能的实现方式中,根据所有用户对候选题目的评分和所有用户对已做题目的评分计算候选题目与已做题目的相似度。若候选题目与已做题目的相似度达到预设值,说明候选题目与已做题目相似。
具体的,已做题目的评分同时代表用户对题目的喜欢程度,若用户对题目的评分超过设定分数,则说明用户喜欢该题目,根据喜欢候选题目的用户数和喜欢已做题目的用户数计算候选题目与已做题目的相似度。其中相似度的计算可以选择同现相似度方法、皮尔逊相似度方法、余弦相似度方法或欧氏距离相似度方法等。
在一种可能的实现方式中,
根据
计算候选题目与已做题目的相似度,其中,N(i)和N(j)分别表示喜欢候选题目和喜欢已做题目的用户数,|N(i)∩N(j)|表示同时喜欢候选题目和已做题目的用户数,表示喜欢候选题目的用户数量和喜欢已做题目的用户数量的乘积的开方,wij表示候选题目和已做题目的相似度。
在另一种可能的实现方式中,
根据
计算候选题目与已做题目的相似度,其中,|N(i)|表示喜欢候选题目的用户数。
步骤S103:根据所述候选题目与所述已做题目的相似度及所述已做题目的评分计算候选题目的评分,其中,所述相似度和所述已做题目的评分都与所述候选题目的评分是正比例关系。
在一种可能的实现方式中,相似度与已做题目的评分的乘积即为候选题目的评分。
步骤S104:将达到预设分数的候选题目推荐给用户。
具体的,在用户喜欢的题目中,即用户对题目的评分达到预设值的已做题目中,对每一道用户喜欢的题目,将与该题目相似的所有候选题目降序排列,取出前K道题目,利用该用户喜欢题目的评分以及该候选题目对应的相似度计算出取出的所有候选题目的评分,即用户对取出的所有候选题目的喜欢程度,根据评分对取出的所有候选题目降序排列,将前N道题目推荐给用户。
例如,根据计算用户u对候选题目i的喜欢程度,其中,N(u)表示用户u喜欢的已做题目的集合,S(j,K)表示和题目j相似的前K道题目的集合,wij表示题目i和题目j之间的相似度,ruj表示用户u对物品j的评分。
在一种可能的实现方式中,用户注册信息与用户的年龄和年级信息关联,用户登录后即可获取用户的年龄和年级信息,每道题目均对应用户的年龄和年级信息,选出达到预设分数的候选题目后,将达到预设分数且与用户的年龄和年级信息相符的候选题目推荐给用户,以进一步提高题目推荐的准确性。
可选的,选出达到预设分数的候选题目后,将达到预设分数的候选题目按照所述候选题目的评分和/或按照所述候选题目的类型排序,将排序后的候选题目推荐给用户。例如,按照选出的候选题目的评分对候选题目降序排列,根据排列次序依次将候选题目展示给用户。或者选出的候选题目按照题目类型分类,例如,易错题、典型题、常考题、创新题、压轴题等类型,依次将每个类型的题目展示给用户。或者按照候选题目的评分降序排列后只取前5道题展示,其余题目按照题目类型排序后依次展示给用户,同时可以根据用户的年龄和年级信息设定题目推荐规则,例如,对于低年级的学生,解答题不超过2道,以针对性的帮助用户改进薄弱点,实现个性化推荐的效果。
在一种可能的实现方式中,若用户没有做题记录,根据与用户的年龄和年级信息相符的用户的做题记录为用户推荐题目,例如,将该年龄和年级的用户做过最多的题目按照做过次数降序排列,或者将该年龄和年级的用户容易做错的题目按照错误率降序排列,取前10道题推荐给用户,待用户有做题记录后,再根据做题记录为用户推荐题目。
上述实施例中,在获取用户已做题目以及与用户已做题目一一对应的已做题目评分后,获取数据库中与已做题目相似的候选题目,再根据候选题目与已做题目的相似度及已做题目评分计算候选题目的评分,将达到预设分数的候选题目推荐给用户。由于已做题目评分的高低用于表示已做题目的重要程度,候选题目的评分是与已做题目的相似度以及该已做题目的评分相关,且相似度和已做题目的评分都与候选题目的评分是正比例关系,因此,候选题目的评分达到预设分数,表明该候选题目与已做题目的相似度及该候选题目的重要程度都是很高的,从而保证推送的题目的准确性较高。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的题目推荐方法,图2示出了本申请实施例提供的题目推荐装置的示意图,为了便于说明,仅示出了与本申请实施例相关的部分。
如图2所示,题目推荐装置包括:
第一获取模块10,用于获取用户做题信息,所述用户做题信息包括用户已做题目以及与所述已做题目一一对应的已做题目的评分,其中,所述已做题目的评分的高低用于表示所述已做题目的重要程度;
第二获取模块20,用于获取数据库中与所述已做题目相似的候选题目;
第一计算模块30,用于根据所述候选题目与所述已做题目的相似度及所述已做题目评分计算候选题目的评分,其中,所述相似度和所述已做题目的评分都与所述候选题目的评分是正比例关系;
推荐模块40,用于将达到预设分数的候选题目推荐给用户。
在一种可能的实现方式中,所述题目推荐装置还包括:
第二计算模块50,用于根据用户做题的时间和题目是否回答正确计算所述已做题目的评分。
在一种可能的实现方式中,所述第二计算模块50具体用于:
所述用户做题的时间与当前时间的时间间隔和所述已做题目的评分是反比例关系;
回答错误的题目的评分高于回答正确的题目的评分。
在一种可能的实现方式中,所述推荐模块40具体用于:
获取用户的年龄和年级信息;
将达到预设分数且与所述用户的年龄和年级信息相符的候选题目推荐给用户。
在一种可能的实现方式中,所述第一获取模块10具体用于:
若用户没有做题记录,则根据与所述用户的年龄和年级信息相符的用户的做题记录为用户推荐题目;
若用户有做题记录,则获取用户做题信息。
在一种可能的实现方式中,所述推荐模块40具体用于:
将达到预设分数的候选题目按照所述候选题目的评分和/或按照所述候选题目的类型排序,将排序后的候选题目推荐给用户。
在一种可能的实现方式中,所述题目推荐装置还包括:
第三计算模块60,用于根据所有用户对所述候选题目的评分和所有用户对所述已做题目的评分计算所述候选题目与所述已做题目的相似度。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
图3是本申请实施例提供的终端设备的示意图,所述终端设备可以是学习机、手机、桌上型计算机、笔记本、平板电脑等计算设备。如图3所示,该实施例的终端设备包括:处理器11、存储器12以及存储在所述存储器12中并可在所述处理器11上运行的计算机程序13。所述处理器11执行所述计算机程序13时实现上述题目推荐方法实施例中的步骤,例如图1所示的步骤S101至S104。或者,所述处理器11执行所述计算机程序13时实现上述各装置实施例中各模块/单元的功能,例如图2所示模块10至60的功能。
示例性的,所述计算机程序13可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器12中,并由所述处理器11执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序13在所述终端设备中的执行过程。
所述处理器11可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器12可以是所述终端设备的内部存储单元,例如终端设备的硬盘或内存。所述存储器12也可以是所述终端设备的外部存储设备,例如所述终端设备上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器12还可以既包括所述终端设备的内部存储单元也包括外部存储设备。所述存储器12用于存储所述计算机程序13以及所述终端设备所需的其他程序和数据。所述存储器12还可以用于暂时地存储已经输出或者将要输出的数据。
本领域技术人员可以理解,图3仅仅是终端设备的示例,并不构成对终端设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种题目推荐方法,其特征在于,所述题目推荐方法包括:
获取用户做题信息,所述用户做题信息包括用户已做题目以及与所述已做题目一一对应的已做题目的评分,其中,所述已做题目的评分的高低用于表示所述已做题目的重要程度;
获取数据库中与所述已做题目相似的候选题目;
根据所述候选题目与所述已做题目的相似度及所述已做题目的评分计算候选题目的评分,其中,所述相似度和所述已做题目的评分都与所述候选题目的评分是正比例关系;
将达到预设分数的候选题目推荐给用户。
2.如权利要求1所述的题目推荐方法,其特征在于,所述题目推荐方法还包括:
根据用户做题的时间和题目是否回答正确计算所述已做题目的评分。
3.如权利要求2所述的题目推荐方法,其特征在于,所述根据用户做题的时间和题目是否回答正确计算所述已做题目的评分,具体包括:
所述用户做题的时间与当前时间的时间间隔和所述已做题目的评分是反比例关系;
回答错误的题目的评分高于回答正确的题目的评分。
4.如权利要求1所述的题目推荐方法,其特征在于,所述将达到预设分数的候选题目推荐给用户,具体包括:
获取用户的年龄和年级信息;
将达到预设分数且与所述用户的年龄和年级信息相符的候选题目推荐给用户。
5.如权利要求4所述的题目推荐方法,其特征在于,所述题目推荐方法还包括:
若用户没有做题记录,则根据与所述用户的年龄和年级信息相符的用户的做题记录为用户推荐题目;
对应地,所述获取用户做题信息具体为:
若用户有做题记录,则获取用户做题信息。
6.如权利要求1所述的题目推荐方法,其特征在于,所述将达到预设分数的候选题目推荐给用户,具体包括:
将达到预设分数的候选题目按照所述候选题目的评分和/或按照所述候选题目的类型排序,将排序后的候选题目推荐给用户。
7.如权利要求1所述的题目推荐方法,其特征在于,所述根据所述候选题目与所述已做题目的相似度及所述已做题目的评分计算候选题目的评分之前,所述方法还包括:
根据所有用户对所述候选题目的评分和所有用户对所述已做题目的评分计算所述候选题目与所述已做题目的相似度。
8.一种题目推荐装置,其特征在于,所述题目推荐装置包括:
第一获取模块,用于获取用户做题信息,所述用户做题信息包括用户已做题目以及与所述已做题目一一对应的已做题目的评分,其中,所述已做题目的评分的高低用于表示所述已做题目的重要程度;
第二获取模块,用于获取数据库中与所述已做题目相似的候选题目;
第一计算模块,用于根据所述候选题目与所述已做题目的相似度及所述已做题目评分计算候选题目的评分,其中,所述相似度和所述已做题目的评分都与所述候选题目的评分是正比例关系;
推荐模块,用于将达到预设分数的候选题目推荐给用户。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910877856.XA CN110598112A (zh) | 2019-09-17 | 2019-09-17 | 一种题目推荐方法、装置、终端设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910877856.XA CN110598112A (zh) | 2019-09-17 | 2019-09-17 | 一种题目推荐方法、装置、终端设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110598112A true CN110598112A (zh) | 2019-12-20 |
Family
ID=68860353
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910877856.XA Pending CN110598112A (zh) | 2019-09-17 | 2019-09-17 | 一种题目推荐方法、装置、终端设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110598112A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111932965A (zh) * | 2020-08-31 | 2020-11-13 | 张国伟 | 基于自动匹配推介最佳学习内容的教学方法及智能设备 |
CN111428058B (zh) * | 2020-03-31 | 2021-02-05 | 上海松鼠课堂人工智能科技有限公司 | 基于mcm的智适应复习资源推送方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104867075A (zh) * | 2015-06-04 | 2015-08-26 | 武汉美联智酷教育科技有限公司 | 一种网上学习评测系统及评测方法 |
CN105138653A (zh) * | 2015-08-28 | 2015-12-09 | 天津大学 | 一种基于典型度和难度的题目推荐方法及其推荐装置 |
CN106777200A (zh) * | 2016-12-23 | 2017-05-31 | Tcl集团股份有限公司 | 项目推荐的方法及装置 |
CN109284592A (zh) * | 2018-09-04 | 2019-01-29 | 广东小天才科技有限公司 | 一种题目推荐方法及家教设备 |
CN109635100A (zh) * | 2018-12-24 | 2019-04-16 | 上海仁静信息技术有限公司 | 一种相似题目的推荐方法、装置、电子设备及存储介质 |
CN110136497A (zh) * | 2018-02-02 | 2019-08-16 | 上海流利说信息技术有限公司 | 用于口语学习的数据处理方法及装置 |
-
2019
- 2019-09-17 CN CN201910877856.XA patent/CN110598112A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104867075A (zh) * | 2015-06-04 | 2015-08-26 | 武汉美联智酷教育科技有限公司 | 一种网上学习评测系统及评测方法 |
CN105138653A (zh) * | 2015-08-28 | 2015-12-09 | 天津大学 | 一种基于典型度和难度的题目推荐方法及其推荐装置 |
CN106777200A (zh) * | 2016-12-23 | 2017-05-31 | Tcl集团股份有限公司 | 项目推荐的方法及装置 |
CN110136497A (zh) * | 2018-02-02 | 2019-08-16 | 上海流利说信息技术有限公司 | 用于口语学习的数据处理方法及装置 |
CN109284592A (zh) * | 2018-09-04 | 2019-01-29 | 广东小天才科技有限公司 | 一种题目推荐方法及家教设备 |
CN109635100A (zh) * | 2018-12-24 | 2019-04-16 | 上海仁静信息技术有限公司 | 一种相似题目的推荐方法、装置、电子设备及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111428058B (zh) * | 2020-03-31 | 2021-02-05 | 上海松鼠课堂人工智能科技有限公司 | 基于mcm的智适应复习资源推送方法 |
CN111932965A (zh) * | 2020-08-31 | 2020-11-13 | 张国伟 | 基于自动匹配推介最佳学习内容的教学方法及智能设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107833603B (zh) | 电子病历文档分类方法、装置、电子设备及存储介质 | |
CN111898643B (zh) | 一种语义匹配方法及装置 | |
CN103248658A (zh) | 服务推荐装置、服务推荐方法和移动设备 | |
CN109033244B (zh) | 搜索结果排序方法和装置 | |
CN110287209A (zh) | 问答处理方法、装置、设备和存储介质 | |
CN107491536B (zh) | 一种试题校验方法、试题校验装置及电子设备 | |
CN113139387A (zh) | 语义纠错方法、电子设备及存储介质 | |
CN112214576B (zh) | 舆情分析方法、装置、终端设备及计算机可读存储介质 | |
CN111858951A (zh) | 基于知识图谱的学习推荐方法及装置、终端设备 | |
CN110598112A (zh) | 一种题目推荐方法、装置、终端设备及存储介质 | |
CN107844531B (zh) | 答案输出方法、装置和计算机设备 | |
CN113032520A (zh) | 信息分析方法及装置、电子设备和计算机可读存储介质 | |
CN113407854A (zh) | 一种应用推荐方法、装置、设备及计算机可读存储介质 | |
CN116204714A (zh) | 推荐方法、装置、电子设备及存储介质 | |
CN109597934B (zh) | 确定点击推荐词的方法、装置、存储介质及电子设备 | |
CN113934937A (zh) | 一种内容智能推荐方法、装置、终端和存储介质 | |
CN113641794A (zh) | 简历文本的评估方法、装置及服务器 | |
CN115687790B (zh) | 基于大数据的广告推送方法、系统及云平台 | |
CN112035605A (zh) | 题目推荐方法、装置、设备及存储介质 | |
CN111639485A (zh) | 基于文本相似性的课程推荐方法及相关设备 | |
CN108733784B (zh) | 一种教学课件推荐方法、装置及设备 | |
CN116089616A (zh) | 主题文本获取方法、装置、设备及存储介质 | |
CN116402166A (zh) | 一种预测模型的训练方法、装置、电子设备及存储介质 | |
CN111062449A (zh) | 预测模型的训练方法、兴趣度预测方法、装置和存储介质 | |
CN114491259A (zh) | 一种数据推荐方法、装置、终端及存储介质 |
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 |