【技术名称】基于求解策略的个性化习题资源推荐方法及系统

【应用行业】数字教育

【技术领域】本发明涉及个性化推荐技术领域，尤其涉及一种基于求解策略的个性化习题资源推荐方法及系统。

【知识产权】发明专利

【成果完成单位】华中师范大学

【成果完成人姓名】钟睿、王坤

【完成人团队简介】钟睿副教授团队主要从事计算机视觉、多媒体信号处理、机器学习等领域研究，现主持国家自然科学基金青年项目和中央高校基本科研业务费资助项目等科研课题，参与承担湖北省自然科学基金委员会重点项目、国家自然科学基金重点项目等国家级、省部级课题等

【成果完成时间】2024-09-19

【专利号】CN202411302763.1

【授权日期】2025-01-03

【技术成熟度】研发阶段

【应用背景】在当今的信息时代，教育资源的数量和多样性已经非常丰富。学生和用户在学习和娱乐中面临着多样化的选择。然而，海量数据带来了巨大的挑战：如何在海量的教育资源中找到最合适自己的资源。个性化的推荐系统为学生提供了最高效的学习资源推荐。

个性化教育资源推荐系统的核心思想是通过分析学生的行为和喜好，如学习历史、兴趣和需求，为他们推荐最合适的课程、教材、视频等教学内容。

现有技术中的个性化教育资源推荐方法一般包括如下几种：

1)基于内容的推荐：基于内容的推荐算法通过分析教育资源的特征，如标题、描述、标签等，为学生推荐最相似的资源。算法的核心是通过距离度量项目之间的相似度。

2)基于协同过滤的推荐：协同过滤是一种基于学生行为的推荐算法，它通过分析学生之间的相似性，为学生推荐相似的学生喜欢的资源。协同过滤可以分为基于学生的协同过滤和基于教育资源的协同过滤。

3)混合推荐：混合推荐是一种将多种推荐算法结合使用的方法，可以充分利用内容、和协同过滤等不同的信息源，提高推荐质量。

然而，现有的高等数学领域的个性化习题资源推荐算法主要关注学生在知识概念层面上的学习情况与认知状态，忽视了数学题目中的经典解题规律与定理，使得这些方法在习题推荐方面效果不佳。

【成果简介】本发明提供了一种基于求解策略的个性化习题资源推荐方法及系统，其中的方法首先得到学习者的知识盲点集合，然后进行策略层级知识图谱的构建，将学习策略与知识概念紧密结合，生成多层次的、策略导向的知识网络。接着进行基于策略层级知识图谱的知识概念学习路径生成，为学生生成一条考虑了知识的逻辑顺序和难易程度的个性化学习路径，辅助学生能够在尽可能短的时间内，以最高效的学习路径学习并掌握相关知识。最后进行基于求解策略的习题资源推荐，为学生推荐与当前学习路径相匹配的习题资源。通过双向映射关系，最终推荐的习题资源不仅覆盖了学生需要掌握的知识概念，且合并了习题求解策略，从而能够大大改善个性化习题资源的推荐效果。

【成果图片】

【联系方式】汪兵、安红高、刘树楠、吴涛，02767862377，02767862003