一种基于DKT与汤普森采样算法的习题推荐方法及系统

专利主权项内容

1.基于DKT与汤普森采样算法的习题推荐方法，其特征在于，包括：获取学校编程学习平台的习题的信息和专家标注的知识点信息，建立知识点关系表和习题知识点关系表；获取学校编程学习平台的用户的信息，包括新用户和历史用户的学习特征信息，建立新用户的相似用户集；利用汤普森用户采样模型，在新用户的相似用户集中抽取相似用户所做过的习题，建立习题推荐列表并推荐给新用户进行作答；更新汤普森用户采样模型的参数；循环执行该步骤直至循环结束条件；根据输入的新用户做题记录数据，深度知识追踪模型输出预测的新用户在未作答习题上的答题正确率向量；将深度知识追踪模型输出的新用户在未作答习题上的答题正确率向量，输入汤普森知识点采样模型，得到为新用户进行习题推荐的汤普森知识点采样模型；通过汤普森知识点采样模型，抽取习题建立习题推荐列表推荐给新用户，并采集用户本次的做题结果信息；将用户历史做题结果和用户本次做题结果再次输入深度知识追踪模型，更新用户未作答习题的答题正确率向量；根据用户本次做题结果和更新后的用户未作答习题的答题正确率向量，结合知识点关系表更新汤普森知识点采样模型的贝塔分布参数；在用户做题过程中，持续根据用户做题情况更新模型参数和预测结果，动态的为用户提供个性化的习题推荐。