CN112749336A - 一种基于机器学习算法的在线习题个性化推荐系统 - Google Patents

一种基于机器学习算法的在线习题个性化推荐系统 Download PDF

Info

Publication number
CN112749336A
CN112749336A CN202110032897.6A CN202110032897A CN112749336A CN 112749336 A CN112749336 A CN 112749336A CN 202110032897 A CN202110032897 A CN 202110032897A CN 112749336 A CN112749336 A CN 112749336A
Authority
CN
China
Prior art keywords
user
algorithm
machine learning
exercises
recommendation
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
Application number
CN202110032897.6A
Other languages
English (en)
Inventor
陈麟
许青
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xuzhou Jinlin Artificial Intelligence Technology Co ltd
Original Assignee
Xuzhou Jinlin Artificial Intelligence Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xuzhou Jinlin Artificial Intelligence Technology Co ltd filed Critical Xuzhou Jinlin Artificial Intelligence Technology Co ltd
Priority to CN202110032897.6A priority Critical patent/CN112749336A/zh
Publication of CN112749336A publication Critical patent/CN112749336A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/335—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computational Linguistics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种基于机器学习算法的在线习题个性化推荐系统，所述推荐系统包括：选题模块：包括自动选题模块和手动选题模块，自动选题模块采用算法自动输出选题集，手动选题则由用户自主选择；在线学习知识库：知识库中包含习题、试卷、听力材料、网课视频等学习资源，知识库中包含学习资源特征提取算法；学习资源特征提取算法：使用机器学习算法获得数据集所包含的隐藏规律；推荐引擎：使用机器学习技术，可根据用户行为推断出用户的知识掌握情况和薄弱点，从知识库中匹配出适合用户的学习资源，推荐引擎包含用户画像算法和推荐算法。本发明可以针对用户知识薄弱点、痛点针对性地推荐习题供其练习，高效利用时间，帮助提高学习效率。

Description

一种基于机器学习算法的在线习题个性化推荐系统
技术领域
本发明涉及在线习题个性化推荐系统技术领域，具体为一种基于机器学习算法的在线习题个性化推荐系统。
背景技术
随着社会经济的快速发展，机器学习是人工智能的一个分支，其通过海量数据和强大的计算机算力学习得到数据背后的一般规律以实现人工智能；推荐系统是一种从海量信息中为用户提供个性化信息的技术，目前广泛应用于电子商务、社交网络等领域；在线教育是一种基于网络的教育行为，其通过应用信息科技和互联网技术进行内容传播和快速学习，代表性的在线教育平台有网易云课堂、酷学习等，代表性的在线教育移动应用有作业帮、猿辅导、题拍拍等。
但是，现有的在线教育平台和移动应用存在信息量大、系统繁杂、针对性不强、缺乏个性化学习辅导意见等缺陷；因此，不满足现有的需求，对此我们提出了一种基于机器学习算法的在线习题个性化推荐系统。
发明内容
本发明的目的在于提供一种基于机器学习算法的在线习题个性化推荐系统，以解决上述背景技术中提出的现有的在线教育平台和移动应用存在信息量大、系统繁杂、针对性不强、缺乏个性化学习辅导意见等缺陷等问题。
为实现上述目的，本发明提供如下技术方案：一种基于机器学习算法的在线习题个性化推荐系统，所述推荐系统包括：
选题模块：包括自动选题模块和手动选题模块，自动选题模块采用算法自动输出选题集，手动选题则由用户自主选择；
在线学习知识库：知识库中包含习题、试卷、听力材料、网课视频等学习资源，知识库中包含学习资源特征提取算法；
学习资源特征提取算法：使用机器学习算法获得数据集所包含的隐藏规律；
推荐引擎：使用机器学习技术，可根据用户行为推断出用户的知识掌握情况和薄弱点，从知识库中匹配出适合用户的学习资源，推荐引擎包含用户画像算法和推荐算法；
用户画像算法：推荐引擎通过用户行为为用户建立画像；
推荐算法：以习题练习为例，推荐引擎通过学习用户的做题行为习惯，推断用户的学习情况，分析用户薄弱点，分析得到用户知识结构；
薄弱知识点解析模块：针对用户答错的试题进行解析并将错误试题的题干与题库进行比对将类似试题在下一轮试题集中提高出现概率。
优选的，所述学习资源特征提取算法以习题为例，首先使用手工标注的方法对一定数量n的习题手动添加标签，以这n个经过手工标注的习题作为数据集。
优选的，所述隐藏规律将该规律应用于其余未经手工标注的习题，并自动获得标签信息。
优选的，所述用户知识结构推荐引擎将从知识库中通过机器学习算法找到最满足用户需求的习题，将习题再返回给用户。
优选的，所述用户的作答情况包括作答时间、正确率、用户主观反馈的难易程度。
优选的，根据所述用户的做题行为习惯重新分析用户学习情况，准备下一轮推送。
优选的，所述用户建立画像以习题为例，用户在获得习题后开始作答，推荐引擎通过用户的作答情况，结合本习题自带的数字化标签。
优选的，所述数字化标签为用户生成同样维度的用户标签，随着用户在线学习行为的积累，用户标签也会随之更新。
与现有技术相比，本发明的有益效果是：
本发明通过采用定时或实时的方式为用户生成试题集，用户每作答议一题，系统就记录一次用户的答题行为并分析更新用户画像，而后根据更新的用户画像继续为用户生成新的试题集，提高用户在线学习效率，针对用户知识薄弱点、痛点针对性地推荐习题供其练习，以期快速提高，避免题海战术，高效利用时间。
附图说明
图1为本发明整体的系统结构示意图；
图2为本发明学习资源特征提取算法的结构框图；
图3为本发明用户画像算法的结构框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。
请参阅图1至图3，本发明提供的一种实施例：一种基于机器学习算法的在线习题个性化推荐系统，推荐系统包括：
选题模块：包括自动选题模块和手动选题模块，自动选题模块采用算法自动输出选题集，手动选题则由用户自主选择；
在线学习知识库：知识库中包含习题、试卷、听力材料、网课视频等学习资源，知识库中包含学习资源特征提取算法；
学习资源特征提取算法：使用机器学习算法获得数据集所包含的隐藏规律；
推荐引擎：使用机器学习技术，可根据用户行为推断出用户的知识掌握情况和薄弱点，从知识库中匹配出适合用户的学习资源，推荐引擎包含用户画像算法和推荐算法；
用户画像算法：推荐引擎通过用户行为为用户建立画像；
推荐算法：以习题练习为例，推荐引擎通过学习用户的做题行为习惯，推断用户的学习情况，分析用户薄弱点，分析得到用户知识结构；
薄弱知识点解析模块：针对用户答错的试题进行解析并将错误试题的题干与题库进行比对将类似试题在下一轮试题集中提高出现概率。
进一步，学习资源特征提取算法以习题为例，首先使用手工标注的方法对一定数量n的习题手动添加标签，以这n个经过手工标注的习题作为数据集。
进一步，隐藏规律将该规律应用于其余未经手工标注的习题，并自动获得标签信息。
进一步，用户知识结构推荐引擎将从知识库中通过机器学习算法找到最满足用户需求的习题，将习题再返回给用户。
进一步，用户的作答情况包括作答时间、正确率、用户主观反馈的难易程度。
进一步，根据用户的做题行为习惯重新分析用户学习情况，准备下一轮推送。
进一步，用户建立画像以习题为例，用户在获得习题后开始作答，推荐引擎通过用户的作答情况，结合本习题自带的数字化标签。
进一步，数字化标签为用户生成同样维度的用户标签，随着用户在线学习行为的积累，用户标签也会随之更新。
本发明通过采用定时或实时的方式为用户生成试题集，用户每作答议一题，系统就记录一次用户的答题行为并分析更新用户画像，而后根据更新的用户画像继续为用户生成新的试题集，提高用户在线学习效率，针对用户知识薄弱点、痛点针对性地推荐习题供其练习，以期快速提高，避免题海战术，高效利用时间。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

Claims (8)

1.一种基于机器学习算法的在线习题个性化推荐系统，其特征在于：所述推荐系统包括：
选题模块：包括自动选题模块和手动选题模块，自动选题模块采用算法自动输出选题集，手动选题则由用户自主选择；
在线学习知识库：知识库中包含习题、试卷、听力材料、网课视频等学习资源，知识库中包含学习资源特征提取算法；
学习资源特征提取算法：使用机器学习算法获得数据集所包含的隐藏规律；
推荐引擎：使用机器学习技术，可根据用户行为推断出用户的知识掌握情况和薄弱点，从知识库中匹配出适合用户的学习资源，推荐引擎包含用户画像算法和推荐算法；
用户画像算法：推荐引擎通过用户行为为用户建立画像；
推荐算法：以习题练习为例，推荐引擎通过学习用户的做题行为习惯，推断用户的学习情况，分析用户薄弱点，分析得到用户知识结构；
薄弱知识点解析模块：针对用户答错的试题进行解析并将错误试题的题干与题库进行比对将类似试题在下一轮试题集中提高出现概率。
2.根据权利要求1所述的一种基于机器学习算法的在线习题个性化推荐系统，其特征在于：所述学习资源特征提取算法以习题为例，首先使用手工标注的方法对一定数量n的习题手动添加标签，以这n个经过手工标注的习题作为数据集。
3.根据权利要求2所述的一种基于机器学习算法的在线习题个性化推荐系统，其特征在于：所述隐藏规律将该规律应用于其余未经手工标注的习题，并自动获得标签信息。
4.根据权利要求1所述的一种基于机器学习算法的在线习题个性化推荐系统，其特征在于：所述用户知识结构推荐引擎将从知识库中通过机器学习算法找到最满足用户需求的习题，将习题再返回给用户。
5.根据权利要求1所述的一种基于机器学习算法的在线习题个性化推荐系统，其特征在于：所述用户的作答情况包括作答时间、正确率、用户主观反馈的难易程度。
6.根据权利要求4所述的一种基于机器学习算法的在线习题个性化推荐系统，其特征在于：根据所述用户的做题行为习惯重新分析用户学习情况，准备下一轮推送。
7.根据权利要求1所述的一种基于机器学习算法的在线习题个性化推荐系统，其特征在于：所述用户建立画像以习题为例，用户在获得习题后开始作答，推荐引擎通过用户的作答情况，结合本习题自带的数字化标签。
8.根据权利要求7所述的一种基于机器学习算法的在线习题个性化推荐系统，其特征在于：所述数字化标签为用户生成同样维度的用户标签，随着用户在线学习行为的积累，用户标签也会随之更新。
CN202110032897.6A 2021-01-11 2021-01-11 一种基于机器学习算法的在线习题个性化推荐系统 Pending CN112749336A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110032897.6A CN112749336A (zh) 2021-01-11 2021-01-11 一种基于机器学习算法的在线习题个性化推荐系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110032897.6A CN112749336A (zh) 2021-01-11 2021-01-11 一种基于机器学习算法的在线习题个性化推荐系统

Publications (1)

Publication Number Publication Date
CN112749336A true CN112749336A (zh) 2021-05-04

Family

ID=75650684

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110032897.6A Pending CN112749336A (zh) 2021-01-11 2021-01-11 一种基于机器学习算法的在线习题个性化推荐系统

Country Status (1)

Country Link
CN (1) CN112749336A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113408880A (zh) * 2021-06-08 2021-09-17 北京捷通华声科技股份有限公司 试卷生成方法、装置以及智能考试系统
CN113590961A (zh) * 2021-08-03 2021-11-02 浙江工商大学 基于认知与状态评价的个性化习题推荐方法、装置及智能终端
CN114202978A (zh) * 2021-12-15 2022-03-18 潘浩栋 一种基于大数据的智能培训方法及系统
CN115439278A (zh) * 2022-08-05 2022-12-06 火焰蓝(浙江)信息科技有限公司 适用于非机动车驾驶员的线上学习方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106407237A (zh) * 2015-08-03 2017-02-15 科大讯飞股份有限公司 在线学习试题推荐方法及系统
CN110851723A (zh) * 2019-11-14 2020-02-28 上海钦文信息科技有限公司 一种基于大规模知识点标注结果的英语习题推荐方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106407237A (zh) * 2015-08-03 2017-02-15 科大讯飞股份有限公司 在线学习试题推荐方法及系统
CN110851723A (zh) * 2019-11-14 2020-02-28 上海钦文信息科技有限公司 一种基于大规模知识点标注结果的英语习题推荐方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113408880A (zh) * 2021-06-08 2021-09-17 北京捷通华声科技股份有限公司 试卷生成方法、装置以及智能考试系统
CN113590961A (zh) * 2021-08-03 2021-11-02 浙江工商大学 基于认知与状态评价的个性化习题推荐方法、装置及智能终端
CN113590961B (zh) * 2021-08-03 2023-06-23 浙江工商大学 基于认知与状态评价的个性化习题推荐方法、装置及智能终端
CN114202978A (zh) * 2021-12-15 2022-03-18 潘浩栋 一种基于大数据的智能培训方法及系统
CN115439278A (zh) * 2022-08-05 2022-12-06 火焰蓝(浙江)信息科技有限公司 适用于非机动车驾驶员的线上学习方法及系统

Similar Documents

Publication Publication Date Title
CN112749336A (zh) 一种基于机器学习算法的在线习题个性化推荐系统
Shah et al. Implementation of technology acceptance model in e-learning environment in rural and urban areas of Pakistan
Shepherd et al. Media richness theory and the distance education environment
CN111831914A (zh) 一种在线教育的智能推题系统
CN109637238B (zh) 一种练习题的生成方法、装置、设备和存储介质
Astalini et al. The development of students attitude instrument towards mathematics physics class
CN110929020B (zh) 基于测试成绩的知识点掌握度分析方法
CN105389622A (zh) 一种基于知识地图的多约束学习路径推荐方法
Wahyono et al. Development of a Personalized Virtual Laboratory Using Artificial Intelligent
CN115544241B (zh) 一种线上作业的智能推送方法及装置
KR20160123948A (ko) 교육 컨텐츠를 위한 서비스 제공 서버, 개발자 단말 및 그 방법
CN114582185A (zh) 一种基于vr技术的智能教学系统
Sari et al. Students’ perception toward social media assisted language learning (SMALL) for Arabic learning
CN112995690B (zh) 直播内容品类识别方法、装置、电子设备和可读存储介质
CN116340625B (zh) 结合学习状态适合度和课程搭配度的课程推荐方法及装置
Kulaglić et al. Influence of learning styles on improving efficiency of adaptive educational hypermedia systems
CN116228361A (zh) 基于特征匹配的课程推荐方法、装置、设备和存储介质
CN112860983B (zh) 一种学习内容推送的方法、系统、设备及可读存储介质
CN109165877B (zh) 一种提升网络阅卷速度的方法及系统
Huang et al. Live streaming teaching applied in real english classroom
CN113066327B (zh) 一种大学生在线智能教育方法
KR20020024501A (ko) 온라인 적응형 테스트
CN112307346B (zh) 基于大数据的课件管理系统
Razek et al. Toward more cooperative intelligent distance learning environments
Razek et al. Using a machine learning approach to support an intelligent cooperative multi-agent system

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210504