一种基于错题知识图谱的个性化作业安排方法及系统与流程

摘要: 本发明涉及在线教育平台的数据处理,特别涉及一种基于错题知识图谱的个性化作业安排方法及系统。背景技术:1、在线教育平台中,作业生成系统是学习管理平台的主要功能模块...
一种基于错题知识图谱的个性化作业安排方法及系统与流程

本发明涉及在线教育平台的数据处理,特别涉及一种基于错题知识图谱的个性化作业安排方法及系统。

背景技术:

1、在线教育平台中,作业生成系统是学习管理平台的主要功能模块。在现有技术中,作业生成系统通常依赖于对用户在答题过程中产生的历史数据进行统计和分析,以确定需要针对性练习的知识点。具体而言,系统会为每位用户维护一个知识状态图数据结构,图中的节点代表知识点,节点属性记录用户在该知识点上的累计表现数据。当用户答错一道习题时,系统会将该错误事件与习题所关联的全部知识点标签进行绑定,并对图中所有对应节点的状态属性值执行均匀的或按预设比例的更新操作。这种粗粒度的数据更新方式实现简单,已成为行业内的通用做法。

2、然而,上述更新方式在实际系统运行中存在以下技术缺陷。由于一道习题通常关联多个知识点,而用户答错的原因往往仅与其中少数知识点相关,均匀更新机制会将错误惩罚扩散至大量未被实际涉及的节点。随着错误反馈数据的不断写入,图中节点的状态属性值逐渐偏离真实的知识状态,形成持续累积的数据噪声。基于噪声状态数据生成的调度队列中,大量被识别为薄弱点的知识点实际上是状态评估值被错误压低的“伪薄弱点”。系统在生成作业时,会针对这些“伪薄弱点”向习题库检索引擎发起大量习题检索请求。这些请求消耗搜索引擎的计算资源,不仅延长了单次作业生成的响应时间,还导致后续数据封装与网络传输中产生大量无效开销。这种数据噪声的累积在应用场景中产生了多方面的不利影响。对用户而言,系统生成的作业中包含大量针对“伪薄弱点”的习题,导致用户需要花费时间练习已掌握的知识点,而真正薄弱的环节却未获得充分练习。对教师而言,基于噪声数据生成的学情分析报告无法准确反映用户的真实知识状态,教学干预的精准度下降。对个性化作业形成而言,调度算法基于失真的状态值筛选知识点候选集,使得作业的个性化特征被严重削弱。因此,如何从数据处理源头减少状态噪声的引入与累积,提升状态数据质量,进而降低作业生成过程中的无效检索负载,成为亟待解决的技术问题。

技术实现思路

1、本发明的主要目的为提供一种基于错题知识图谱的个性化作业安排方法及系统,旨在解决上述背景技术中提出的技术问题。

2、本发明提出一种基于错题知识图谱的个性化作业安排方法,包括:

3、读取用户的错误反馈数据,所述错误反馈数据包含习题标识以及用户在作答时选择的选项标识;

4、根据所述习题标识和所述选项标识,结合预置的第一映射关系,获得与所述选项标识对应的目标知识点集合及数据标签;

5、基于预构建的错题知识图谱中的前置关系边,获取所述目标知识点集合中各节点的前置节点,构成待更新节点集;

6、获取所述待更新节点集中的每个节点的当前状态评估值和历史更新累计值,以计算个体关联评估值,并根据预置的第二映射关系确定所述节点的全局关联参考值;

7、通过获取所述错误反馈数据中数据标签的分布集中度指标,确定置信度权重,并利用所述置信度权重对所述个体关联评估值和所述全局关联参考值加权融合,得到各节点的融合更新权重;

8、根据所述融合更新权重对所述待更新节点集中各节点的状态评估值执行更新,并更新各节点的时间戳属性;

9、基于更新后的所述错题知识图谱,计算各节点的修正状态值和新鲜度衰减值;

10、基于所述修正状态值和所述新鲜度衰减值,生成知识点候选集,并通过逐题迭代评估预期净贡献值的方式生成题量分配方案;

11、根据所述题量分配方案生成结构化作业数据包。

12、本发明的有益效果为:本发明通过查询预置的第一映射关系和第二映射关系,将错误反馈数据精确关联至目标节点,并基于置信度权重融合个体数据源与全局数据源,生成差异化的融合更新权重,使得状态更新精准聚焦于与错误强相关的少数节点,抑制了状态噪声向无关节点的扩散,从而提升了知识状态图的数据质量;且基于降噪更新后的高质量状态数据,通过筛选检索价值最高的知识点候选集,并进一步在分配过程中自动抑制对同一知识点的过度检索,从而减少了针对“伪薄弱点”的无效检索请求数量,降低了搜索引擎的计算负载、作业生成的响应延迟以及数据封装与网络传输的无效开销,提升了系统整体的数据处理效率和吞吐能力。上述技术效果,使得系统生成的作业能够更精准地聚焦于用户的真实薄弱环节,提升了作业的个性化程度和练习效率;同时,基于高质量状态数据生成的学情分析报告能够更准确地反映用户的知识状态,为教师的教学决策提供更可靠的数据支撑。

1.一种基于错题知识图谱的个性化作业安排方法,其特征在于,包括:

2.根据权利要求1所述的基于错题知识图谱的个性化作业安排方法,其特征在于,所述基于预构建的错题知识图谱中的前置关系边,获取所述目标知识点集合中各节点的前置节点,构成待更新节点集,包括:

3.根据权利要求1所述的基于错题知识图谱的个性化作业安排方法,其特征在于,所述获取所述待更新节点集中的每个节点的当前状态评估值和历史更新累计值,以计算个体关联评估值,并根据预置的第二映射关系确定所述节点的全局关联参考值,包括:

4.根据权利要求1所述的基于错题知识图谱的个性化作业安排方法,其特征在于,所述通过获取所述错误反馈数据中数据标签的分布集中度指标,确定置信度权重,并利用所述置信度权重对所述个体关联评估值和所述全局关联参考值加权融合,得到各节点的融合更新权重,包括

5.根据权利要求1所述的基于错题知识图谱的个性化作业安排方法,其特征在于,所述根据所述融合更新权重对所述待更新节点集中各节点的状态评估值执行更新,并更新各节点的时间戳属性,包括:

6.根据权利要求1所述的基于错题知识图谱的个性化作业安排方法,其特征在于,所述基于更新后的所述错题知识图谱,计算各节点的修正状态值和新鲜度衰减值,包括:

7.根据权利要求1所述的基于错题知识图谱的个性化作业安排方法,其特征在于,所述基于更新后的所述错题知识图谱,计算各节点的修正状态值和新鲜度衰减值,还包括:

8.根据权利要求1所述的基于错题知识图谱的个性化作业安排方法,其特征在于,所述基于所述修正状态值和所述新鲜度衰减值,生成知识点候选集,并通过逐题迭代评估预期净贡献值的方式生成题量分配方案,包括:

9.根据权利要求1所述的基于错题知识图谱的个性化作业安排方法,其特征在于,所述根据所述题量分配方案生成结构化作业数据包,包括:

10.一种基于错题知识图谱的个性化作业安排系统,其特征在于,所述系统用于实现权利要求1至9中任一项所述的方法的步骤。