申请/专利权人：贵州勾分科技有限责任公司

申请日：2021-12-28

公开（公告）日：2024-06-11

公开（公告）号：CN114328633B

主分类号：G06F16/2457

分类号：G06F16/2457;G06F16/2458

优先权：

专利状态码：有效-授权

法律状态：2024.06.11#授权;2024.05.31#专利申请权的转移;2024.04.09#专利申请权的转移;2022.04.29#实质审查的生效;2022.04.12#公开

摘要：本发明公开了一种基于概念格的错题知识点强化训练试题推荐方法，依次包括以下步骤：A：构建该学生对象的基于错题的知识点信息集合的原始形式背景；B：利用步骤A中构建出的基于错题的知识点信息集合的原始形式背景，构造该学生对象的试题序号与知识点信息的关联概念格，并在建格的过程中寻找含有知识点信息集合中的标准节点集合；C：根据知识强度公式计算知识点信息集合中每个知识点信息的知识强度，然后根据节点相似度计算公式，计算出相似试题并进行关联推送。本发明能够通过形式概念分析的聚类作用对学生练习过程中错题进行分析，并且通过对题目的知识点相似程度的分析，给学生推荐出具有相似知识点的试题。

主权项：1.一种基于概念格的错题知识点强化训练试题推荐方法，其特征在于,依次包括以下步骤：A：对包含学生作答信息的源数据进行筛选，仅保留该学生对象及其错误作答题目信息；然后结合错误作答题目所包含的知识点信息，构建该学生对象所有的错误作答题目序号集合及每道错误作答题目包含的知识点信息集合，即基于错题的知识点信息集合的原始形式背景F＝Nw*Q＝Nw,IA,H；其中，Nw为该学生对象的错误作答题目的题目序号集合，Q为所有作答题目所包含的知识属性集合，IA为所有的题目序号所对应的知识点信息集合，H表示题目序号与知识点信息的关联；B：利用步骤A中构建出的基于错题的知识点信息集合的原始形式背景F，设置开始节点，构造该学生对象的试题序号与知识点信息的关联概念格，并在建格的过程中寻找含有知识点信息集合IA中的标准节点集合；C：根据步骤B中设置的开始节点和得到的标准节点与集合IA中知识点信息集合，首先根据知识强度公式计算知识点信息集合IA中每个知识点信息的知识强度，然后根据节点相似度计算公式，计算出相似试题并进行关联推送；所述的步骤B包括以下具体步骤：B1：将错误作答题目的试题序号集合Nw与Nw中所有试题序号集合所共同具有的知识点信息集合Nw′作为顶节点，将顶节点t表示为Nw,Nw′，标准节点集合O＝{}，开始节点S＝t，将顶节点t放入队列集合D中，将形式背景F中具有相同试题序号集合的多个知识点信息进行等价处理，选取其中一个知识点信息作为具有相同试题序号集合的知识点信息代表，对知识点信息集合IA中的元素进行删减，得到新的知识点信息集合IA*及新的形式背景F*＝Nw,IA*,H*，队列集合D中队首节点的子节点集合P＝{}，概念节点集合L＝{}；然后进入步骤B2；B2：如果队列集合D不为空，则取出队首节点c＝A,B，然后进入步骤B3；如果队列集合D为空，则进入步骤B7；其中，A为错误作答题目的题目序号集合Nw的子集，B为集合A中所有元素所共同具有的知识点信息集合；B3：设集合{IA*-B}包含若干个知识点信息mi，分别为m1、m2、……、mn；i＝1，2，…，n；从集合{Ia*-B}中的第一个知识点信息m1开始，依次对集合{IA*-B}中每个知识点信息mi进行下述判断：若mi′表示包含知识点信息mi的题目序号集合，则进入步骤B4；若则继续对集合{IA*-B}中知识点信息mi的下一个知识点信息mi+1进行上述判断；按照上述方法，对集合{IA*-B}中的n个知识点信息依次进行判断；若包含集合{IA*-B}中每个知识点信息的题目序号集合，与集合A的交集均为空，则在集合{IA*-B}中的最后一个知识点信息判断完毕后，输出子节点集合P，然后进入步骤B6；若对集合{IA*-B}中n个知识点信息与集合A的交集既有空又有非空，那么同样在集合{IA*-B}中的最后一个知识点信息判断完毕后，输出子节点集合P，然后进入步骤B6；B4：新建集合{IA*-B-mi}，知识点信息集合{IA*-B-mi}中包含除知识点信息mi之外集合{IA*-B}中的所有知识点信息，即集合{IA*-B-mi}中具有n-1个知识点信息；从集合{IA*-B-mi}中的第一个知识点信息开始，依次对每个知识点信息mj进行下述判定，j＝1，2，…，n-1：若成立，则返回步骤B3，在步骤B3中对知识点信息mi的下一个知识点信息mi+1，按照步骤B3中的方法进行判断；若不成立，则继续对知识点信息集合{IA*-B-mi}中知识点信息mj的下一个知识点信息mj+1，按照步骤B4中的方法进行判断；按照上述方法，对集合{IA*-B-mi}中的n-1个知识点信息依次进行判断，若集合{IA*-B-mi}中某个知识点信息的题目序号集合包含m′i，则停止后续判断并返回步骤B3，在步骤B3中，对知识点信息mi的下一个知识点信息mi+1，按照步骤B3中的方法进行判断；若包含集合{IA*-B-mi}中每个知识点信息的题目序号集合，均不包含m′i，则在集合{Ia*-B-mi}中最后一个知识点信息判断完毕后，进入步骤B5；B5:更新子节点集合P，P＝P∪A∩m′i,B∪Km，然后返回步骤B3；其中，表示一个节点，表示知识点信息mi的等价类集合，即具有与知识点信息mi相同试题序号集合的知识点信息的集合；B6：依次判断子节点集合P中的每一个子节点在概念节点集合L中是否存在，直至子节点集合P中所有的子节点均完成判断后返回步骤B2；若子节点集合P为空，则队列D同样也为空；子节点p∈P，如果子节点p在概念节点集合L中不存在，则L＝L∪p，并将子节点p加入队列D中，添加队首节点c到子节点p的边；然后继续判断下一个子节点p+1在概念节点集合L是否存在；如果子节点p在概念节点集合L中存在，则直接判断下一个子节点p+1在概念节点集合L是否存在；B7：在概念节点集合L中的每个概念节点l中均包含两个子集，分别为错误作答题目的题目序号集合l1与错误作答题目的题目序号所共同具有的知识点信息集合l2，根据知识点信息集合IA中每个知识点信息的顺序，设集合IA中依次含有知识点信息z1、z2、……、zn；首先，判断知识点信息z1在集合L中每个概念节点的子集l2中是否存在，再判断所得到的所有包含知识点信息z1的一个或多个概念节点中子集l1的个数最大的概念节点Li，并将概念节点Li加入到标准节点集合O中；然后，按照上述方法，依次对所有知识点信息z2至zn进行判断；最后，得到更新后的标准节点集合O′，即为含有知识点信息集合IA中的标准节点集合；输出更新后的标准节点集合O′和开始节点S，然后进入步骤C；其中，更新后的标准节点集合O′中所包含的标准节点依次与集合IA中每个知识点信息相对应；所述的步骤C包括以下具体步骤：C1：根据步骤B中设置的开始节点S和更新后的标准节点集合O′，对更新后的标准节点集合O′中的每个标准节点R依次进行知识强度β的计算，依次得到知识点信息集合IA中每个知识点信息的知识强度，并根据得到的知识强度值对每个知识点信息进行排序，并选取前N个知识点信息加入集合Y；知识强度计算公式为： 其中，|R|表示标准节点中待计算节点的试题数目，即节点中试题序号集合的数目；|S|表示开始节点中试题数目；C2：设集合V中包含{V1，V2，……，Vn}，分别代表每道错误作答题目的知识点信息集合；依次将子集V1至Vn与集合Y相交，并选取所有交集不为的试题集合定义为筛选后错误试题集合T；C3：利用步骤B中的方法，在学生未练习过的习题库中，利用未练习过的试题序号与试题的知识点信息，对习题库构建概念格，得到习题库概念格中的概念节点集合L*，L*中的每个概念节点表示具有同一类知识点信息的试题题目集合，由知识点信息集合与试题题目序号集合两部分组成；C4：遍历概念节点集合L*,依次计算L*中每个概念节点q与筛选后错误试题集合T中每道错误题目t*的相似度值，如果相似度值大于第一阈值Ф1，则将节点q加入待寻找节点集合U中；错误试题t*的知识点信息集合为attt*,attq为概念节点的知识点信息集合，错误试题t*与概念节点z的相似度的计算公式为： C5：待寻找节点集合U中包含多个概念节点，用{u1，u2，……，un}表示，首先查找概念节点u1中的题目序号集合，依次计算每个题目序号代表的试题所包含的知识点信息集合ui′与筛选后错误试题集合T中错误试题t*的知识点信息集合的相似度，设置第二阈值Ф2＝0.6，选取超过阈值的题目作为错误试题t*的相似题目对学生进行推荐，直至对T中的所有错误试题计算完毕；错误试题t*的知识点信息集合与待寻找节点集合U中每个节点所包含的知识点信息集合ui′的相似度计算公式如下式所示计算公式为：

全文数据：

权利要求：

百度查询： 贵州勾分科技有限责任公司 一种基于概念格的错题知识点强化训练试题推荐方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD