原创力文档- 1、本文档共13页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
习题的关联分析及其向量化表示方法
郭娜路梅赵向军
江苏师范大学计算机科学与技术学院
摘要：
随着互联网+教育的深度融合以及移动终端上电子习题的推广使用，学生的学习 过程数据可以被实时获取，充分利用这些过程数据，及吋定位学生的知识病灶， 开具有针对性的辅导处方，实现知识的按需推送，对于减轻学生的简单重复劳 动，提高学习效率将会产生积极影响。试图通过分析在线习题系统的答题数据， 发现学生的知识掌握规律，根据错题的伴生状况捕获习题的相关性。为此，构建 了题向量化模型，提出了题向量表示的新方法，设计了负釆样训练算法，并用 程序实现了上述算法。经过实际在线系统的相关数据训练，获得了相应题向量, 而后利用题向量的向量运算，可方便查找相同习题、相同知识点习题以及相近知 识点习题等，可根据学生错题个案，推断其知识掌握的其他薄弱环节。
关键词：
题向量;题向量化模型;知识推动;教育智能;
作者简介：郭娜（1991-）,女，江苏邳州人，硕士生，研究方向为教育智能。 E-mail :1624810084@qq. com,通信地址:221116江苏省徐州市江苏师范大学计 算机科学与技术学院
作者简介：路梅（1976-）,女，江苏徐州人，博士生，讲师，研究方向为机器 学习。E-mail: lumei@jsnu. edu.cn，通信地址:221116江苏省徐州市江苏师范大 学计算机科学与技术学院
作者简介：赵向军（1974-）,男，河南林州人，博士，教授，CCF会员 （14167M）,研宄方向为数字媒体计算、虚拟现实和教育智能。
E-mail:xjzhao@jsnu. edu.cn，通信地址:221116江苏省徐州市江苏师范大学计 算机科学与技术学院
收稿日期：2015—11-26 基金:国家自然科学基金61272297）
Correlation analysis of exercise and its vectorization method
GUO Na LU Mei ZHAO Xiang-jun
School of Computer Science and Technology，
Jiangsu Normal University;
Abstract：
With the extensive application of Internet+in education and the popularity of electronic exercises on mobile devices, the learning data of students can be captured in real time. Mining the learning process data can locate the students’ weak points of knowledge, carry out targeted counseling prescriptions and push on-demand knowledge, which has a positive impact on students in terms of reducing simple repetition and boosting learning efficiency. We analyze the data of students’ answer to the online exercises and propose a novel vector representation of exercise. The correlation between exercises is captured by analyzing the data of wrong answers to the exercise by different students and the exercise-tovector (xcise2 vec) model is constructed. We also design a negative samples training algorithm and implement it in Linux.The exercise vector can be obtained by training the data generated from the online system. Then, we can search for similar, equivalent and interrelated exercises via exercise vector operation, and deduce other knowledge weak li
文档评论（0）