發(fā)布時(shí)間：2020-05-12 02:15

【摘要】：習(xí)題是教育領(lǐng)域重要的學(xué)習(xí)資源。個(gè)性化的習(xí)題推薦算法在在線教育平臺(tái)中發(fā)揮著重要作用。由于認(rèn)知診斷模型很好地描述了學(xué)生、知識(shí)點(diǎn)和習(xí)題三者之間的關(guān)系,因此在習(xí)題推薦領(lǐng)域得到了廣泛的應(yīng)用,但仍然存在一些問(wèn)題。首先,基于認(rèn)知診斷模型的習(xí)題推薦算法依賴于Q矩陣作為輸入。Q矩陣是習(xí)題與知識(shí)點(diǎn)的關(guān)系映射矩陣,通常由領(lǐng)域?qū)＜沂謩?dòng)標(biāo)注,因此有較強(qiáng)的主觀依賴性。其次,Q矩陣的標(biāo)注費(fèi)時(shí)費(fèi)力,含有Q矩陣標(biāo)注的習(xí)題數(shù)量有限。對(duì)于缺少Q(mào)矩陣標(biāo)注的習(xí)題,一直沒(méi)有行之有效的推薦算法。因此,針對(duì)Q矩陣標(biāo)注不準(zhǔn)確和大量習(xí)題缺少Q(mào)矩陣標(biāo)注這兩個(gè)問(wèn)題,本文分別提出兩種不同的習(xí)題推薦算法,均在公開(kāi)數(shù)據(jù)集上取得了較好的實(shí)驗(yàn)結(jié)果,優(yōu)于現(xiàn)有的算法。同時(shí),基于這兩種算法開(kāi)發(fā)了在線教學(xué)系統(tǒng)原型。研究?jī)?nèi)容與創(chuàng)新點(diǎn)如下:(1)提出基于隱含知識(shí)點(diǎn)的習(xí)題推薦算法。首先,該算法利用知識(shí)追蹤技術(shù)得到習(xí)題和隱含知識(shí)點(diǎn)的動(dòng)態(tài)映射結(jié)果,即習(xí)題—隱含知識(shí)點(diǎn)矩陣。然后,將專家標(biāo)注的Q矩陣作為橋梁,結(jié)合習(xí)題—隱含知識(shí)點(diǎn)矩陣重新構(gòu)建Q矩陣,并將該矩陣作為認(rèn)知診斷模型的輸入。最后,利用認(rèn)知診斷模型預(yù)測(cè)習(xí)題得分并進(jìn)行習(xí)題推薦。(2)提出基于學(xué)生—習(xí)題加權(quán)矩陣分解的習(xí)題推薦算法。該算法無(wú)需Q矩陣作為輸入,僅在基礎(chǔ)矩陣分解模型中加入習(xí)題難度和學(xué)生能力值作為未知數(shù)據(jù)的先驗(yàn)知識(shí),并采用基于元素的快速交替最小二乘更新策略優(yōu)化模型參數(shù),最后,利用模型的預(yù)測(cè)值進(jìn)行習(xí)題推薦。(3)設(shè)計(jì)并實(shí)現(xiàn)了基于習(xí)題推薦算法的在線教學(xué)系統(tǒng)原型。該系統(tǒng)將提出的兩種習(xí)題推薦算法應(yīng)用在教學(xué)系統(tǒng)中,利用學(xué)生的做題記錄檢驗(yàn)學(xué)生是否掌握所學(xué)知識(shí),并為學(xué)生推薦合適的習(xí)題,避免重復(fù)作答已經(jīng)掌握的習(xí)題。實(shí)驗(yàn)結(jié)果表明,提出的兩種習(xí)題推薦算法在公開(kāi)數(shù)據(jù)集的F1值均取得了較好的結(jié)果。不僅緩解了認(rèn)知診斷領(lǐng)域手動(dòng)標(biāo)注Q矩陣帶來(lái)的誤差問(wèn)題,還為大量缺少Q(mào)矩陣標(biāo)注的習(xí)題提供了一種可行的推薦策略。在線教學(xué)系統(tǒng)上對(duì)這兩種算法的成功應(yīng)用更有利于改善學(xué)生的學(xué)習(xí)過(guò)程并提升教師的教學(xué)效果。
【圖文】：

第一章 緒論的偏好，而且也可利用相似用戶的行為數(shù)據(jù)趙營(yíng)[9]采用 CF 推薦算法，根據(jù)習(xí)題練中的相似學(xué)生的做錯(cuò)的習(xí)題進(jìn)行推薦。Matrix Factorization，簡(jiǎn)稱 MF）的推薦算法[ 中也得到了成功的應(yīng)用。該類算法只從一個(gè)學(xué)習(xí)，就能得到一個(gè)精確的推薦。如圖 1 所習(xí)題和學(xué)生得分集合，用“＋”表示學(xué)生已已經(jīng)觀測(cè)到的值來(lái)預(yù)測(cè)未知的值，即“？”部

圖 3 習(xí)題—隱含知識(shí)點(diǎn)矩陣的建模過(guò)程圖從圖 3 可以看出，DKVMN 模型首先輸入習(xí)題編號(hào)（如 1、2、3...等）。之后，習(xí)題編號(hào)經(jīng)過(guò)一個(gè) embedding 層來(lái)得到維度是 50 的向量。之后將這個(gè)向量輸入“讀過(guò)程”，在這個(gè)過(guò)程中，該向量與 矩陣之間進(jìn)行內(nèi)積計(jì)算，再利用 softmax 激活函數(shù)來(lái)進(jìn)一步計(jì)算相關(guān)權(quán)重。因?yàn)?矩陣存儲(chǔ)了隱含知識(shí)點(diǎn)的表示，因此經(jīng)過(guò) softmax激活函數(shù)得到的習(xí)題—隱含知識(shí)點(diǎn)相關(guān)權(quán)重 ，就是習(xí)題—隱含知識(shí)點(diǎn)的映射關(guān)系。該映射關(guān)系說(shuō)明了習(xí)題所屬的隱含知識(shí)點(diǎn)。因此，在下一步的計(jì)算中，找到 矩陣中目前該隱含知識(shí)點(diǎn)的掌握狀態(tài)來(lái)預(yù)測(cè)學(xué)生是否會(huì)做對(duì)這道習(xí)題。在經(jīng)過(guò)預(yù)測(cè)之后，接下來(lái)再利用習(xí)題標(biāo)簽來(lái)更新 矩陣。具體地，，在“寫(xiě)過(guò)程”輸入習(xí)題編號(hào)和標(biāo)簽，經(jīng)過(guò) embedding 層之后得到的向量與 矩陣進(jìn)行內(nèi)積運(yùn)算。由于 矩陣是存儲(chǔ)隱含知識(shí)點(diǎn)掌握程度的表示矩陣并且在此次輸入時(shí)將習(xí)題是否做對(duì)的標(biāo)簽也進(jìn)行了輸入，因此經(jīng)過(guò)內(nèi)積計(jì)算之后， 的隱含知識(shí)點(diǎn)掌握程度得到了更新。第二步，利用 DKVMN 模型訓(xùn)練好的 構(gòu)建習(xí)題-隱含知識(shí)點(diǎn)矩陣。 的計(jì)
【學(xué)位授予單位】：西北大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：G434;TP391.3

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 成保梅;;基于協(xié)同過(guò)濾的電子商務(wù)個(gè)性化推薦算法研究[J];現(xiàn)代電子技術(shù);2019年20期

2 俞偉;徐德華;;推薦算法概述與展望[J];科技與創(chuàng)新;2019年04期

3 張世東;;推薦算法概述[J];科技傳播;2019年04期

4 張艷紅;諶頏;;基于標(biāo)簽的自助教育資源推薦算法研究[J];現(xiàn)代信息科技;2019年12期

5 李欣鞠;;個(gè)性化推薦算法下的“信息繭房”效應(yīng)研究——以“天天快報(bào)”為例[J];西部廣播電視;2019年13期

6 陳軍;謝衛(wèi)紅;陳揚(yáng)森;;國(guó)內(nèi)外大數(shù)據(jù)推薦算法領(lǐng)域前沿動(dòng)態(tài)研究[J];中國(guó)科技論壇;2018年01期

7 向洋樂(lè);;大數(shù)據(jù)背景下互聯(lián)網(wǎng)購(gòu)物推薦算法應(yīng)用研究[J];中國(guó)戰(zhàn)略新興產(chǎn)業(yè);2018年04期

8 喻國(guó)明;劉鈺菡;王暢穎;王丹敏;;推薦算法:信息推送的王者品性與進(jìn)階重點(diǎn)[J];山東社會(huì)科學(xué);2018年03期

9 劉順程;岳思穎;鐘瑞敏;;基于拉普拉斯噪聲的輕型推薦算法[J];中國(guó)戰(zhàn)略新興產(chǎn)業(yè);2018年20期

10 劉濤;劉佐;;一種面向新文章的個(gè)性化推薦算法研究[J];控制工程;2018年06期

相關(guān)會(huì)議論文 前10條

1 米傳民;彭鵬;單曉菲;馬靜;;考慮顯式評(píng)分的基于二部圖的推薦算法[A];第十七屆中國(guó)管理科學(xué)學(xué)術(shù)年會(huì)論文集[C];2015年

2 秦國(guó);杜小勇;;基于用戶層次信息的協(xié)同推薦算法[A];第二十一屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2004年

3 王韜丞;羅喜軍;杜小勇;;基于層次的推薦:一種新的個(gè)性化推薦算法[A];第二十四屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2007年

4 唐燦;;基于模糊用戶心理模式的個(gè)性化推薦算法[A];2008年計(jì)算機(jī)應(yīng)用技術(shù)交流會(huì)論文集[C];2008年

5 蘇日啟;胡皓;汪秉宏;;基于網(wǎng)絡(luò)的含時(shí)推薦算法[A];第五屆全國(guó)復(fù)雜網(wǎng)絡(luò)學(xué)術(shù)會(huì)議論文（摘要）匯集[C];2009年

6 梁莘q

本文編號(hào)：2659463