一种题目知识点智能推荐方法
【技术领域】
[0001]本发明涉及一种题目知识点智能推荐方法，属于智能知识点推荐应用技术领域。
【背景技术】
[0002]在当今物联网潮流的推动下，在线教育系统得到了迅猛发展，并为广大受教育者提供了丰富的教育资源。为了提供更好的服务，在线教育系统需要更好的理解其中的教育资源以及终端用户。其中，知识点是在教育活动中传递给学生的最小单元，比如定理，概念，定义，结论，等等。传统意义上，知识点是以树状数据结构组织起来的，比如上层知识点是较为普遍笼统的知识点，而下层则较为细节具体，以此形成由上至下逐渐细化的递进数据结构；并且这种树状数据结构中，一个上层知识点可以拥有多个子知识点，且位于同一层的知识点之间则相互独立。但是，这种树状数据结构过于简化了知识点之间的结构，举例来说，有些知识点是另一知识点的前置知识点，但于此同时，它们也可能存在位于同一层次的情况，诸如“平面几何”到“立体几何”；或者，一些知识点可能有多个父知识点，诸如“平面解析几何”有两个父知识点:“二次方程”和“平面几何”。因此，知识点的多层结构更类似于多联通网状结构，而不是单向树状结构。因此，在目前的在线教育系统中，教育资源往往并没有系统化的结构，具体来说，许多问题没有显性的知识点标签，如果缺乏此项信息，教育者将难以有效率的给学生分配正确的问题。为了准确并有效的将教育资源提供给学生，在线教育的推荐系统必须高度自动化和个性化。现有技术通常采用协同滤波(collaborativefiltering，CF)的方法，协同滤波(collaborative filtering，CF)是目前用于推荐系统最常见也较为有效的方法，但在在线教育的应用场景下，协同滤波却受限与其几项特殊的性质，一般来说，协同滤波通过寻找相似的用户或相似的物件，来预测用户对物件的评价打分，但是将该方法应用到在线教育系统当中，总是推荐相似的物件并不能满足用户的需求，比如，推荐一个学生已经知道的问题没有意义的；类似的，如果学生一直在同一类的问题上出错，继续推荐此类问题也是帮助不大的。
【发明内容】
[0003]本发明所要解决的技术问题是提供一种题目知识点智能推荐方法，基于知识点与其隐性话题之间的对应关系，建立知识点网络图，并以此依据知识点序列，能够准确实现问题文本的推荐。
[0004]本发明为了解决上述技术问题采用以下技术方案:本发明设计了一种题目知识点智能推荐方法，包括如下步骤:
[0005]步骤001.针对数据库中的各个问题文本分别进行中文分词操作，分别获得各个问题文本所对应的各个中文分词，并进入步骤002 ；
[0006]步骤002.根据预设无意义常见词库，分别针对各个问题文本所对应的中文分词进行过滤，分别删除各个问题文本所对应中文分词中的无意义词，分别更新获得各个问题文本所对应的中文分词，进入步骤003 ;
[0007]步骤003.根据预设加权统计算法，获得各个问题文本所对应各个中文分词的加权统计值，然后根据各个问题文本所对应的各个分词，以及各个中文分词所对应的加权统计值，针对预设主题模型进行训练，获得训练后的预设主题模型，并进入步骤004 ;
[0008]步骤004.采用训练后的预设主题模，将预设数目的隐性话题分配至各个问题文本，分别获得各个问题文本所对应的隐性话题，并进入步骤005 ;
[0009]步骤005.分别获得各个问题文本所对应的知识点，并根据各个问题文本所对应的隐性话题，获得各个知识点与各个隐性话题之间的对应关系，并进入步骤006 ;
[0010]步骤006.根据各个知识点与各个隐性话题之间的对应关系，判断各个知识点彼此之间的预设对应数据关系，并据此构建知识点网络图，并进入步骤007 ;
[0011 ] 步骤007.根据知识点网络图，获得对应于其中各个知识点的知识点序列，并进入步骤008 ；
[0012]步骤008.根据知识点序列顺序，实现针对数据库中各个问题文本的依序进行推荐。
[0013]作为本发明的一种优选技术方案:所述预设主题模型为潜在狄利克雷分配模型。
[0014]作为本发明的一种优选技术方案:所述步骤003中，在获得各个问题文本所对应各个中文分词的加权统计值之后，将各个问题文本所对应各个中文分词的加权统计值构成Bag-Of-Words模型表征数据集，然后根据Bag-Of-Words模型表征数据集，针对潜在狄利克雷分配模型进行训练，获得训练后的潜在狄利克雷分配模型。
[0015]作为本发明的一种优选技术方案:所述加权统计算法为TF-1DF算法，所述加权统计值为TF-1DF值。
[0016]作为本发明的一种优选技术方案:所述步骤006中，所述判断各个知识点彼此之间的预设对应数据关系具体为:判断各个知识点彼此之间的父子关系。
[0017]作为本发明的一种优选技术方案:所述步骤007中，针对知识点网络图中的各个知识点，根据知识点网络图，采用人工设置的方式，设计获得知识点序列。
[0018]作为本发明的一种优选技术方案:所述步骤007中，针对知识点网络图中的各个知识点，根据知识点网络图，采用统计的方式，设计获得知识点序列。
[0019]本发明所述一种题目知识点智能推荐方法采用以上技术方案与现有技术相比，具有以下技术效果:本发明设计的一种题目知识点智能推荐方法，引入知识点与其隐性话题之间的对应关系，构建知识点网络图，更好的理解了在线教育系统中的教育资源以及终端用户，能够更加准确地为终端用户提供问题文本。
【附图说明】
[0020]图1是本发明设计一种题目知识点智能推荐方法的流程示意图；
[0021]图2是应用本发明设计题目知识点智能推荐方法实施例中的知识点与隐性话题对应关系的建立不意图；
[0022]图3是应用本发明设计题目知识点智能推荐方法实施例中的知识点网络图；
[0023]图4是基于本发明设计题目知识点智能推荐方法的知识点序列实施例一；
[0024]图5是基于本发明设计题目知识点智能推荐方法的知识点序列实施例二。
【具体实施方式】
[0025]下面结合说明书附图对本发明的【具体实施方式】作进一步详细的说明。
[0026]如图1所示，本发明所设计题目知识点智能推荐方法在实际应用过程当中，具体包括如下步骤:
[0027]步骤001.针对数据库中的各个问题文本