买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西安电子科技大学申请的专利一种结合难度与薄弱知识点的多样化习题推荐方法、系统及设备获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116186409B 。

龙图腾网通过国家知识产权局官网在2025-09-02发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310207879.6，技术领域涉及：G06F16/9535；该发明授权一种结合难度与薄弱知识点的多样化习题推荐方法、系统及设备是由饶毓;权义宁;黄纾学;孙鹏岗;宋建锋;苗启广设计研发完成，并于2023-03-06向国家知识产权局提交的专利申请。

本一种结合难度与薄弱知识点的多样化习题推荐方法、系统及设备在说明书摘要公布了：一种结合难度与薄弱知识点的多样化习题推荐方法、系统及设备，方法包括：首先将学生历史答题序列进行编码，得到标准格式的模型输入数据；使用e‑DKT模型对习题进行建模，得到学生习题正确回答概率，使用k‑DKT模型对知识点进行建模，得到学生知识点掌握程度；基于正确回答概率和知识点掌握程度，计算习题个人难度和学生薄弱知识点，利用过滤模块，从习题集中选择难度适中且包含薄弱知识点的习题构建候选子集；利用模拟退火算法从候选子集中选择空间距离最大的习题，生成推荐习题列表；设计评估指标以度量推荐的效果，使习题推荐兼具准确性、新颖性及多样性；其系统及设备用于结合难度与薄弱知识点进行多样化习题推荐；本发明同时保证了习题推荐的准确性、新颖性、多样性，具有实用高效的优点。

本发明授权一种结合难度与薄弱知识点的多样化习题推荐方法、系统及设备在权利要求书中公布了：1.一种结合难度与薄弱知识点的多样化习题推荐方法，其特征在于，具体包括以下步骤： 步骤一，在输入层将学生历史答题序列进行编码，得到标准格式的模型输入数据； 步骤二，在预测层对输入的习题数据建模，获得学生习题正确回答概率和学生知识点掌握程度； 步骤三，基于预测层获取的习题正确回答概率和知识点掌握程度，根据习题个人难度和学生薄弱知识点，利用过滤模块，从全部习题集中选取出难度合适、包含学生薄弱知识点的候选子集； 步骤四，利用模拟退火算法从候选子集中选择空间距离最大的习题，生成推荐习题列表；并将生成的推荐习题列表REL进行输出； 每个习题包含一个或多个知识点，将习题视为是高维空间上的点，空间维度即数据集中知识点数量n，据此，生成多样化习题推荐列表任务能够转化为求解高维空间中距离大的M个点，M表示REL中习题数量，通过模拟退火算法SimulatedAnnealing，SA求解，具体步骤如下： a.首先从候选习题子集CS中随机选取M个习题，初始化当前习题列表L，并计算当前习题列表的习题距离矩阵DL，DL是一个M×M维矩阵，其中每个值表示习题列表中两个习题间的欧式距离： DLi,j表示DL矩阵中第i行第j列的值，eiK、ejK表示习题列表L中对应习题的知识点向量，可见DLi,j的值越大表明在高维空间中两个习题间的距离越大；同时，定义平均矩阵距离，用于衡量整个习题列表L的空间距离： meanDL越大表明习题列表L空间距离越大，即包含知识点更加多样化； b.从候选习题子集CS中随机选取一个习题替换当前习题列表L中的一个，得到新的习题列表L'，同时计算新习题列表的距离矩阵DL'与平均矩阵距离meanDL'； c.根据Metropolis接受准则设置接受新习题列表L'的规则，当meanDL'meanDL时，即新习题列表L'多样化程度高，利用新习题列表L'更新当前习题列表L，否则，以概率p将新习题列表L'更新当前习题列表L： 其中T表示温度，κB表示玻尔兹曼常数，κB＝1.380649×10-23JK，具体接受方法如式下： 其中r＝random0,1表示0到1之间的随机数； d.分为内外两层迭代,外层迭代由温度T控制，每次迭代时都会以特定的衰减系数c进行降温，初始温度为T0，经过多次迭代后，当温度小于终止温度Tf时则停止迭代，否则继续进行步骤b、步骤c；内层迭代设置固定次数s，使得在同一个温度T下进行多次搜索； 同时在每次迭代中求解使得平均矩阵距离meanDL最大的习题列表DL，如下所示，当整个迭代结束后，作为推荐系统列表输出REL REL←argmaxLmeanDL； 步骤五，对输出的推荐习题列表REL从准确性、新颖性、多样性指标进行评估。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。