CN112925919A - 一种知识图谱驱动的个性化作业布置方法 - Google Patents

Abstract

本发明公开了一种知识图谱驱动的个性化作业布置方法，该方法包括：构建课程内容知识图谱的步骤；设计网状题库的步骤；采集学生作业答题情况数据的步骤；以及，布置个性化作业的步骤。本发明的该方法能有效改变目前作业布置方式的不足，实现真正的个性化作业布置，对于学生的因材施教有着重要意义，且具有通用性，不只是针对某一具体课程适用，其可适用于所有教学课程，能综合学生对知识掌握的多维数据进行教学，具有避免片面性的优势。

Description

一种知识图谱驱动的个性化作业布置方法

技术领域

本发明属于智慧教育技术领域，具体涉及一种知识图谱驱动的个性化作业布置方法。

背景技术

作业是老师检查学生对知识的掌握情况、反馈教学效果的有效途径，也是学生获取知识、养成学习习惯的重要方式，因此科学合理地布置作业是十分重要的。现有的作业布置方法重共性轻个性，通常是一个班的学生布置同一份作业，老师难以了解到每个人的学习状况。

虽然现在市面上也有一些个性化教学方法可以做到随机发放作业，但其用于教学中的主要目的是防止同学间作业抄袭，并没有和学生实际结合起来，学生的学习过程很难达到个性化，教育个性化中的智能性较弱、效果较差。

据教育部统计，我国有超过2亿的K12学生(包括小学、初中和高中)。随着我国经济的发展，千人一面的统一化教学方式已经不能满足学生、家长和老师的需求。因此，大家对一种能与学生的自身实际相贴合，适用性强，智能化程度高的教学方法的需求越来越迫切。

发明内容

因此，针对现有技术的上述问题，本发明意在提供一种知识图谱驱动的个性化作业布置方法，有效改变目前作业布置方式的不足，实现真正的个性化作业布置，对于学生的因材施教有着重要意义。

本发明所提供的知识图谱驱动的个性化作业布置方法，其首先会对课程内容知识图谱进行构建，课程内容知识图谱的构建主要是抽取课程内容的知识点以及知识点之间的关联，借助图谱工具生成课程内容知识图谱存储到计算机中。

具体而言，知识图谱本身包含了概念、概念间关系以及规则。对于课程内容来说，这里的概念就是指课程内容的知识点，概念间关系即指知识点之间的关联，而规则则是指各知识点间的关联深度，是课程内容知识的规律，基于规则，知识图谱本身可以进行推理。

利用知识图谱来构建课程内容知识图谱，能充分利用知识图谱本身的优势，有效建立起课程内容的知识点与知识点之间的关联，将课程内容中的知识点建立起网状结构，使课程内容系统化，有利于教师与学生之间的教与学，能显著提高教学过程的智能化程度。

进一步地，本发明的该方法基于上述课程内容知识图谱来设计网状题库，题库中的题目均具有题目编号、题目类型、题目题干、题目答案、题目分值、题目知识点(一个或多个)以及出题人等属性。与传统题库设计方法不同，本发明的该方法会对题库中的每个题目都增加考查用的一个或多个知识点，而这些知识点来自于上述所构建的课程内容知识图谱，即与知识图谱中的知识点相对应。基于课程内容知识图谱，将知识图谱与题目相结合，题库中的题目不只是包含题目类型、题干内容、题目答案、题目分值等内容，还包含了一个或多个图谱中的知识点，同时题目之间通过知识点建立关联。由此，本发明的该方法通过将题库中题目的属性建立关联来实现题库的知识图谱形式的存储，构建网状题库，网状题库有利于提升个性化作业布置的智能性。

进一步地，本发明的该方法还会对学生作业答题情况进行数据采集，学生作业答题情况的数据是用于衡量学生知识掌握情况的标准，同时也是个性化作业布置的数据依据。本发明的该方法主要是对教师批改后的各类作业成绩、知识点掌握成绩等数据进行采集以及题目完成时间等数据进行采集，数据采集按一定的格式与规则进行，其中数据的主内容可包含学生编号、题目编号、题目类型、题目题干、学生题目解答、题目分值、题目知识点得分、答题用时等，这几个方面有利于对学生进行较全面的评价，即从解答步骤、知识点掌握程度、答题速度和对题目类型等方面进行衡量。

进一步地，本发明的该方法布置个性化作业，首先，基于下述公式计算知识点掌握得分占总得分的比例K_m：

其中，其中，SK_m表示在学生所完成的作业中学生对第m个知识点的实际掌握得分，其基于所述题目知识点得分k获得；TK_m表示在学生所完成的作业中学生完全掌握第m个知识点时的总得分，K_m表示学生掌握第m个知识点的得分比例。

接着，确定所述网状题库中涉及第m个知识点的课程题目的数量QT_sum，具体为：给定两个阈值β₁和β₂，其取值范围均在0到1之间，如果1-K_m≧β₁，则选择只包含第m个知识点的课程题目，并在所述网状题库中查询相应课程题目的数量值并赋予QT_sum；如果β₁>1-K_m≧β₂，则选择包含总知识点数为2个的课程题目，其中一个知识点为第m个知识点，并在所述网状题库中查询相应课程题目的数量值并赋予QT_sum；如果β₂>K_m，则选择包含总知识点数为3个及以上的课程题目，其中一个知识点为第m个知识点，并在所述网状题库中查询相应课程题目的数量值并赋予QT_sum。

接着，基于下述公式计算学生未给出正确答案的错误课程题目所占的比例，即错题率QT_i：

其中，i表示第i种类型的课程题目；t_i表示在学生所完成的作业中学生未给出正确答案的第i种类型的错误课程题目的数量，T_i表示在学生所完成的作业中第i中类型的课程题目的总数量。

接着，基于下述公式计算要计划布置给学生的作业中的各类型课程题目的数量QN_i：

其中，QN表示要计划布置给学生的作业中的课程题目的总数量，QN≤QN_sum；QN_i表示在要计划布置给学生的QN个课程题目中第i种类型课程题目的数量，计算结果如果为小数，则四舍五入。

最后，本发明的该方法进行学生个性化作业的自动布置，结合网状题库中题目的属性，自动从网状题库中选取适合学生实际情况的题目，并有针对性地布置给学生。

作为本发明的一种进一步改进，基于所采集的上述数据，该方法会计算得到学生知识掌握评价新指标值，新指标值不只包含有题目得分，还包含有学生知识点掌握得分。

本领域技术人员可以理解的是，不同的学生，其作业完成情况的评价得分不同，该方法布置给学生的作业内容也就相应不同，从而实现了学生作业布置的个性化。

与现有技术相比，本发明所提供的上述方法具有通用性，不只是针对某一具体课程适用，其可适用于所有教学课程，能综合学生对知识掌握的多维数据进行教学，具有避免片面性的优势。此外，本发明的方法也与语言无关，其同样适用于其它语言的课程教学。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解。在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本发明公开的一些实施方式，用来提供对本发明的进一步理解，构成本申请的一部分，而不应将其视为是对本发明范围的限制。其中：

图1为本发明提供的个性化作业布置方法的流程图；

图2为本发明所提供的个性化作业布置方法所构建的课程内容知识图谱的结构示意图；

图3为本发明所提供的个性化作业布置方法所设计的课程题目的数据结构示意图；

图4为本发明所提供的个性化作业布置方法所设计的网状题库的结构示意图；

图5为本发明所提供的个性化作业布置方法所采集的学生作业答题情况数据的数据结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本发明做进一步详细说明。应当理解，此处所描述的具体实施例仅用于解释本发明，而不能理解为对本发明的限制。

如图1所示，本发明提供了一种知识图谱驱动的个性化作业布置方法，其具体包括以下步骤：

1)、构建课程内容知识图谱

在该步骤中，本发明的该方法利用知识图谱来构建课程内容知识图谱。知识图谱包含有概念、概念间关系以及规则，因此本发明的该方法利用知识图谱来构建课程内容知识图谱，这能有效建立起课程内容中不同的知识点与知识点之间的关联，将课程内容中的各知识点建立起网状结构，使课程内容更加系统化。

在本实施例中，我们以《算法设计与分析》这本教材为例，进行课程内容知识图谱的构建。对于《算法设计与分析》这本教材来说，其课程内容包含有很多知识点，其中，例如，算法设计内容部分就包含有分治法、动态规划法、贪心法等知识点，而其中，又例如，分治法的要素中则包含有最优子结构和平衡子问题，而最优子结构则又同时是动态规划法与贪心法的重要要素；从算法分析方面，则包含有时间复杂度分析和空间复杂度分析等知识点。

首先，本发明的该方法进行课程内容中知识点的实体的标注。具体地，本发明的该方法在利用知识图谱来构建课程内容知识图谱时，会将算法设计内容部分中的分治法、动态规划法、贪心法以及其进一步所包含的最优子结构、快速排序、汉诺塔等知识点作为知识图谱中的节点，即“实体”。在本实施例中，本发明的该方法可采用jieba分词加载外部用户词典并对收集到的知识源文本进行自动化标注，该自动化标注可采用BIEOS标注策略，其中B表示实体的开始，I表示实体的中间位置，E表示实体的结束，O表示不属于预分类的实体，S表示一个字符即为一个实体。标注时，以“字”作为标注单位，这里的“字”泛指汉字、标点符号、数字等其他语言字符等，本发明的该方法对于输入的教学资源语句X{x1,x2,x3,...}，其中，xi表示单个字符，输出其对应的标注序列Y{y1,y2,y3,...}，其中yi表示xi对应的标注序列，完成“实体”的标注，最终获得有关“实体”的教育资源数据集。

紧接着，基于上述所获得有关“实体”的教育资源数据集，本发明的该方法进而对教育资源数据集进行分句处理，以此进行课程内容中知识点的实体的识别，并对它们之间的关系的抽取。具体地，本发明的该方法会对上述所获得有关“实体”的教育资源数据集进行清洗，其中，该清洗可包括对特殊符号的删除，尤其是对乱码、空格等异常数据的删除，例如，对于“动态规划算法是通/过拆分问题，定义问题状态和状态之间的？关系”这条数据信息来说，通过数据清洗，将句中的特殊符号“/”以及“？”删除，通过清洗操作，最大程度地保留文本信息，并且提高文本精确度，为后续处理数据奠定基础。最终，本发明的该方法完成对上述所获得有关“实体”的教育资源数据集的处理，将各个知识点的关系进行划分并抽取，识别出数据集中的各分句中的各“实体”，获得各知识点的“实体”的信息及各知识点的“实体”之间的关系。

最后，基于上述所获得的各知识点的“实体”的信息及各知识点的“实体”之间的关系，本发明的该方法借助已构建的知识图谱编辑工具，将课程知识图谱绘制出来，本发明的该方法利用知识图谱所构建的课程内容知识图谱，其大概结构可如图2所示。

作为本发明的优选，本发明的该方法所构建的课程内容知识图谱可以是可视化。

2)、设计网状题库

在该步骤中，本发明的该方法基于上述所构建的课程内容知识图谱来进一步设计网状题库。本发明中，题库中会包含有很多的课程题目，每个课程题目的数据都是一段字符串，每个课程题目均会被设定有至少一个属性，这些属性会根据一定的规则组合在一起。

本发明的该方法在设计课程题目时，会为课程题目定义出多个属性，如图3所示，在本实施例中，题库中的课程题目均至少具有题目编号、题目类型、题目题干、题目答案、题目分值、题目知识点以及出题人等属性。其中，题目编号指明了该课程题目在题库中的存放顺序；题目类型指明了该课程题目的题型，例如填空题、选择题、计算题、简答题、编程题等；题目题干是该课程题目内容的具体描述；题目答案为该课程题目的详细解答；题目分值为该课程题目所占的分数；题目知识点则为上述所构建的课程内容知识图谱中相应的某个或某些知识点，例如：将“求阶乘”这一课程题目的题目知识点标记为“递归”并存储于网状题库中。需要说明的是，每个课程题目中的题目知识点的数量可以是一个或多个。

本发明的该方法具体就是通过将题库中各课程题目基于其属性建立起它们之间的关联，并进而实现题库的知识图谱形式的存储，最终构建一完整的网状题库，也就是说，各课程题目之间的多种属性之间的关联构成了知识图谱形式存储的网状题库结构。

例如，如图4所示，对于《算法设计与分析》这本教材来说，网状题库中的多个课程题目可以具有相同的某个或某些属性，例如：“求解汉诺塔”和“求n的阶乘”这两个课程题目的题目类型都为计算题，且都运用了“递归”这一题目知识点，则我们就可以将这两个课程题目用“题目知识点”和“题目类型”这两个属性关联起来；再例如，“求n的阶乘”和“简述矩阵连乘算法的基本思路”这两个课程题目的题目分值都为10分，则我们就可以将这两个课程题目用“题目分值”这一属性关联起来。

显而易见地，与传统题库的设计策略不同，本发明的该方法所构建的上述网状题库具有明显的自身特点，一是对于题库中的每个课程题目都增加了所考查的一个或多个知识点，而这些知识点均来自于本发明的该方法所构建的课程内容知识图谱，即与课程内容知识图谱中的知识点相对应；二是题库的存储形式为知识图谱，即将题库中课程题目的属性建立关联，得到网状题库，这非常有利于提升个性化作业布置的智能化。

3)、采集学生作业答题情况数据

在该步骤中，本发明的该方法从存储学生信息的数据库中，对学生的作业答题情况数据进行采集，存储学生信息的数据库主要存储有教师批改后的各类作业成绩、知识点掌握成绩以及题目完成时间等数据。学生作业答题情况数据可用于衡量学生知识点掌握情况，同时也是个性化作业布置的数据依据。

在本发明中，对学生作业答题情况数据的采集可按一定的格式与规则进行，具体为按图5所示的数据结构进行采集。其中，学生学号是唯一的，每个学号代表了一位学生；题目编号是所完成课程题目的编号；题目类型与题目题干是对课程题目的具体描述；学生题目解答是学生所答题的内容；题目得分是学生的解题步骤得分，这里记为p；题目知识点得分是学生对知识点的掌握得分，这里记为k；答题用时是学生完成课程题目所用的时间。

通常来讲，一个课程题目的总得分可由两部分组成，就是解题步骤得分，即题目得分p，以及学生对知识点的掌握得分，即题目知识点得分k。其中，题目得分p和题目知识点得分k均是老师批改学生作业时针对课程题目给出的打分。

需要说明的是，鉴于一课程题目中往往不只是包含有1个知识点，往往可能包含有2个以上的知识点，因此，在本发明中，题目知识点得分k可以继续细分，其包含有针对每一个知识点的掌握得分。

本发明的该方法所使用的数据结构所包含的这几个方面能够从解答步骤、知识点掌握程度、答题速度和学生能做对的题目类型等方面进行衡量，有利于对学生进行较全面的评价。

4)、布置个性化作业

在该步骤中，本发明的该方法针对学生进行作业的个性化布置，结合网状题库中课程题目的属性，自动从网状题库中选取适合学生实际情况的课程题目，并有针对性地布置给该学生。

首先，本发明的该方法进行作业题目的选择，即从网状题库中选择与错误知识点(即学生未掌握该知识点)有关的课程题目。通常，学生所完成的作业中往往包含有一个或多个知识点，这些知识点对应于课程题目的“题目知识点”属性，而学生作业答题情况数据中的“题目知识点得分”则反映了学生对知识点的掌握情况，是牢固，还是薄弱或错误。

本发明的该方法基于上述所采集的学生作业答题情况数据计算得到知识点掌握得分占总得分的比例K_m，用下式表示：

其中，SK_m表示在学生所完成的作业中学生对第m个知识点的实际掌握得分，其基于上述“题目知识点得分k”获得；TK_m表示在学生所完成的作业中学生完全掌握第m个知识点时的总得分(即满分)，K_m表示学生掌握第m个知识点的得分比。

基于上述计算所出的得分比K_m，本发明的该方法进行课程题目的选择，确定所述网状题库中涉及第m个知识点的课程题目的数量QT_sum。首先，在本发明中，给定两个阈值β₁和β₂，其取值范围均在0到1之间，具体选择规则如此定义：如果1-K_m≧β₁，则选择只包含第m个知识点的课程题目，并在所述网状题库中查询相应课程题目的数量值并赋予QT_sum；如果β₁>1-K_m≧β₂，则选择包含总知识点数为2个的课程题目，其中一个知识点为第m个知识点，并在所述网状题库中查询相应课程题目的数量值并赋予QT_sum；如果β₂>K_m，则选择包含总知识点数为3个及以上的课程题目，其中一个知识点为第m个知识点，并在所述网状题库中查询相应课程题目的数量值并赋予QT_sum。

例如，假设，在某位学生所完成的作业中，第m个知识点为“递归”这一知识点，其知识点应得分为10分/个，“递归”这一知识点在该学生所完成的作业中的总个数为10个，那么即有总得分TK_m＝10×10＝100分，再假设，基于采集到的学生作业答题情况数据计算得到该学生所完成的作业中学生对“递归”这一知识点实际掌握得分SK_m＝70分，则有得分比K_m＝＝70/100＝0.7。

进一步地，假设，令β₁＝＝0.6，β₂＝0.4，基于上述所计算出的得分比K_m＝0.7，则有K_m＝0.7>β₁＝0.6，基于上述选择规则可知，应该选择只包含“递归”这一个知识点的课程题目，例如，这里可以假设在网状题库中查询到一共有100道只包含“递归”这一个知识点的课程题目，即QT_sum＝100。

然后，本发明的该方法进行课程题目的类型及数量的选择。具体地，本发明的该方法根据以下算法从网状题库中选择课程题目的类型及数量：

(1)使用下述公式求出在学生所完成的作业中某一类型的课程题目中学生未给出正确答案的错误课程题目所占的比例，即错题率QT_i：

其中，i表示第i种类型的课程题目，通常来说，课程题目的类型可分为5种，即：填空题、选择题、计算题、简答题、编程题；t_i表示在学生所完成的作业中学生未给出正确答案的第i种类型的错误课程题目的数量，T_i表示在学生所完成的作业中第i中类型的课程题目的总数量。

例如，假设，令i＝填空题，假设基于采集得到的学生作业答题情况数据得知某位学生所完成的作业中共有4个填空题，那么即有T_i＝4，其中学生未给出正确答案的错误的填空题为2个，那么即有t_i＝2，则有错题率QT_i＝2/4＝0.5。

(2)根据上述计算所得的错题率QT_i进一步得到要计划布置给学生的作业中的各类型课程题目的数量QN_i，公式如下：

其中，QN_i表示在要计划布置给学生的QN个课程题目中第i种类型课程题目的数量(如果为小数，则四舍五入)；QN表示要计划布置给学生的作业中的课程题目的总数量，QN≤QN_sum。

继续承接上面的示例，对于在之前步骤中已经确定出来的网状题库中的QT_sum＝100道只包含“递归”这一个知识点的课程题目而言，例如，假设计划要布置给学生的作业中课程题目的总数量QN＝10，即计划要布置给学生10道课程题目，这10道课程题目要从前述100道只包含“递归”这一个知识点的课程题目中选取。

再有，令i＝填空题，其中，假设其它类型课程题目的错题率QT_i分别为：选择题为0.3、计算题为0.5、简答题为0.3、编程题为0.3，则计划要布置给学生的作业中课程题目中的填空题的个数QN_i＝(0.5/(0.5+0.3+0.5+0.3+0.3))×10＝2.6，四舍五入后得3，即计划要布置给学生的10道课程题目中要有3道填空题。

显而易见地，其它类型课程题目的数量也可依前述方法计算。

5)、计算学生知识掌握评价新指标值

作为本发明的进一步改进，在该步骤中，本发明的该方法计算学生知识掌握评价新指标值。基于所采集的学生作业答题情况数据，本发明的该方法给出课程题目的总得分S，该总得分S被称之为“学生知识掌握评价新指标值”。

具体地，本发明的该方法所给出的课程题目的总得分S具体由两部分组成，即解题步骤得分(即上述题目得分p)和知识点掌握得分(即上述题目知识点得分k)，其计算公式如下：

S＝αp+(1-α)k

其中，α表示p与k所占的比例，其可以根据需求进行调整。例如，解题步骤得分p为80分，知识点掌握得分k为60分，则总得分S为80×0.5+60×0.5＝70，其中参数α＝0.5。

每个课程题目都包含有知识点，每个课程题目也都有对应的解题过程，本发明将总得分S设定为这两部分的加权和，反映的是这两部分不同的侧重。例如，如果α是0.5，就说明知识点掌握和解题过程同等重要；如果α大于0.5，说明解题过程在该总成绩中占的比重比较大；反之，如果α小于0.5，那就知识点掌握在总成绩中占的比重比较大。

通常来讲，学生往往有着自己不同的特点，有的学生掌握了知识点，但解题过程不怎么样，有的学生知识点掌握不好，但是解题过程比较条理清晰。通过设定不同的α所带来的总得分S的变动趋势，可以反映出学生在解题分析能力与知识点理解掌握能力之间的侧重。

本发明的该方法所计算的这个总得分S本质是上一种评价策略，既可以给学生看，也可以给老师看，亦是本发明的该方法布置作业的一个参考依据。例如，作业中出了一个题目，这个题目中包含了某个或某些知识点，老师在批改某位学生作业时，发现如果该学生做得不好，知识点掌握不好，得到分低，那么本发明的该方法会自动再布置包含相关知识点的课程题目给这个学生。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (7)

1.一种知识图谱驱动的个性化作业布置方法，其特征在于，该方法包括以下步骤：

步骤一、构建课程内容知识图谱，基于知识图谱构建目标课程内容的所述课程内容知识图谱；

步骤二、设计网状题库，基于所述课程内容知识图谱进一步设计所述网状题库，其中，所述网状题库包含有课程题目，所述课程题目被定义为至少具有题目类型、题目分值和题目知识点这三个属性；

步骤三、采集学生作业答题情况数据，所采集的所述数据为学生所完成的作业的答题情况数据，所述数据至少包括题目类型、题目得分p和题目知识点得分k；

步骤四、布置个性化作业，具体为：

步骤1、基于下述公式计算知识点掌握得分占总得分的比例K_m：

其中，SK_m表示在学生所完成的作业中学生对第m个知识点的实际掌握得分，其基于所述步骤三中的所述题目知识点得分k获得；TK_m表示在学生所完成的作业中学生完全掌握第m个知识点时的总得分，K_m表示学生掌握第m个知识点的得分比例；

步骤2、确定所述网状题库中涉及第m个知识点的课程题目的数量QT_sum，具体为：给定两个阈值β₁和β₂，其取值范围均在0到1之间，如果1-K_m≧β₁，则选择只包含第m个知识点的课程题目，并在所述网状题库中查询相应课程题目的数量值并赋予QT_sum；如果β₁>1-K_m≧β₂，则选择包含总知识点数为2个的课程题目，其中一个知识点为第m个知识点，并在所述网状题库中查询相应课程题目的数量值并赋予QT_sum；如果β₂>K_m，则选择包含总知识点数为3个及以上的课程题目，其中一个知识点为第m个知识点，并在所述网状题库中查询相应课程题目的数量值并赋予QT_sum；

步骤3、基于下述公式计算学生未给出正确答案的错误课程题目所占的比例，即错题率QT_i：

其中，i表示第i种类型的课程题目；t_i表示在学生所完成的作业中学生未给出正确答案的第i种类型的错误课程题目的数量，T_i表示在学生所完成的作业中第i中类型的课程题目的总数量；

步骤4、基于下述公式计算要计划布置给学生的作业中的各类型课程题目的数量QN_i：

其中，QN表示要计划布置给学生的作业中的课程题目的总数量，QN≤QN_sum；QN_i表示在要计划布置给学生的QN个课程题目中第i种类型课程题目的数量，计算结果如果为小数，则四舍五入。

2.根据权利要求1所述的一种知识图谱驱动的个性化作业布置方法，其特征在于，该方法进一步包括：步骤五、计算学生知识掌握评价新指标值，基于下述公式计算该学生知识掌握评价新指标值，即课程题目的总得分S：

S＝αp+(1-α)k

其中，题目得分p、题目知识点得分k在所述步骤三中获得；α表示p与k所占的比例，其可以根据需求进行调整。

3.根据权利要求1或2所述的一种知识图谱驱动的个性化作业布置方法，其特征在于，所述步骤一进一步包括：对所述目标课程内容中的知识点进行实体标注的步骤，其中，采用jieba分词加载外部用户词典并对收集到的知识源文本进行自动化标注，该自动化标注采用BIEOS标注策略；以及，对所述目标课程内容中的知识点进行实体识别的步骤，其中，进行实体识别时进行数据清洗处理。

4.根据权利要求1-3中任意一项所述的一种知识图谱驱动的个性化作业布置方法，其特征在于，所述步骤二中，所述课程题目还被定义为具有题目编号、题目题干、题目答案以及出题人这四个属性。

5.根据权利要求1-4中任意一项所述的一种知识图谱驱动的个性化作业布置方法，其特征在于，所述步骤二中，所述题目类型至少为：填空题、选择题、计算题、简答题和编程题。

6.根据权利要求1-5中任意一项所述的一种知识图谱驱动的个性化作业布置方法，其特征在于，所述数据还包括：学生学号、题目编号、题目题干、学生题目解答以及答题用时。

7.根据权利要求1-6中任意一项所述的一种知识图谱驱动的个性化作业布置方法，其特征在于，所述步骤四中的步骤4中，所述第i种类型的课程题目具体是指填空题、选择题、计算题、简答题和编程题中的至少一种。

Images