1.一种基于聚类算法的学科题目知识点推荐方法,其特征在于:所述方法包括:
S1,获取学科历史教学信息;所述学科历史教学信息为以往学年的学科教学信息;
S2,采用聚类算法一对所述学科历史教学信息进行聚类处理,以提取出对应的学科题目知识点以构成学科知识点集合一;
S3,获取学科实时教学信息;所述学科实时教学信息为当前学年的教学信息;采用聚类算法二对所述学科实时教学信息进行聚类处理,以提取出对应的学科题目知识点以构成学科知识点集合二;
S4,将所述学科知识点集合一和所述学科知识点集合二融合为学科知识点集合;
所述将所述学科知识点集合一和所述学科知识点集合二融合为学科知识点集合,包括:基于章节对所述学科知识点集合一和所述学科知识点集合二分别进行分组,提取出所述学科知识点集合二与所述学科知识点集合一存在重合的分组知识点的所属章节,将所述学科知识点集合一中对应章节的分组知识点替换为所述学科知识点集合二中相同章节的分组知识点;
融合方式为覆盖替换式,即将学科实时教学信息中的知识点替换学科历史教学信息中的对应知识点;通过将知识点分章节进行替换,既有利于知识点的分组归类,也将替换行为限制在一个合理的限度,避免无限制的覆盖替换导致得出的知识点集合逐渐失真;
还获取若干年份的考试真题信息,采用聚类算法三提取出知识点集合三,并基于所述知识点集合三绘制各知识点的考评趋势图,基于所述考评趋势图确定各知识点的重要度标签;所述将所述学科知识点集合一中对应章节的分组知识点替换为所述学科知识点集合二中相同章节的分组知识点,包括:基于所述重要度标签来重新确定所述学科知识点集合二中相同章节的分组知识点;
所述重要度标签包括:逐渐加强、逐渐减弱、相对稳定;所述基于所述重要度标签来重新确定所述学科知识点集合二中相同章节的分组知识点,包括:若所述重要度标签为逐渐加强或相对稳定,则保留该知识点于该章节分组中;若所述重要度标签为逐渐减弱,则将该知识点从该章节分组中删除;
所述聚类算法一、所述聚类算法二、所述聚类算法三为K-means聚类算法、均值漂移聚类算法、DBSCAN聚类算法、凝聚层次聚类算法、混合高斯模型的最大期望聚类算法中的一种或多种。
2.一种学科题目知识点推荐系统,所述系统包括第一获取模块、第一提取模块、第二获取模块、第二提取模块、融合模块,包括:第一获取模块,用于获取学科历史教学信息;所述学科历史教学信息为以往学年的学科教学信息;
第一提取模块,用于采用聚类算法一对所述学科历史教学信息进行聚类处理,以提取出对应的学科题目知识点以构成学科知识点集合一;
第二获取模块,用于获取学科实时教学信息;所述学科实时教学信息为当前学年的教学信息;
第二提取模块,用于采用聚类算法二对所述学科实时教学信息进行聚类处理,以提取出对应的学科题目知识点以构成学科知识点集合二;
融合模块,用于将所述学科知识点集合一和所述学科知识点集合二融合为学科知识点集合;
所述将所述学科知识点集合一和所述学科知识点集合二融合为学科知识点集合,包括:基于章节对所述学科知识点集合一和所述学科知识点集合二分别进行分组,提取出所述学科知识点集合二与所述学科知识点集合一存在重合的分组知识点的所属章节,将所述学科知识点集合一中对应章节的分组知识点替换为所述学科知识点集合二中相同章节的分组知识点;
融合方式为覆盖替换式,即将学科实时教学信息中的知识点替换学科历史教学信息中的对应知识点;通过将知识点分章节进行替换,既有利于知识点的分组归类,也将替换行为限制在一个合理的限度,避免无限制的覆盖替换导致得出的知识点集合逐渐失真;
还获取若干年份的考试真题信息,采用聚类算法三提取出知识点集合三,并基于所述知识点集合三绘制各知识点的考评趋势图,基于所述考评趋势图确定各知识点的重要度标签;所述将所述学科知识点集合一中对应章节的分组知识点替换为所述学科知识点集合二中相同章节的分组知识点,包括:基于所述重要度标签来重新确定所述学科知识点集合二中相同章节的分组知识点;
所述重要度标签包括:逐渐加强、逐渐减弱、相对稳定;所述基于所述重要度标签来重新确定所述学科知识点集合二中相同章节的分组知识点,包括:若所述重要度标签为逐渐加强或相对稳定,则保留该知识点于该章节分组中;若所述重要度标签为逐渐减弱,则将该知识点从该章节分组中删除;
所述聚类算法一、所述聚类算法二、所述聚类算法三为K-means聚类算法、均值漂移聚类算法、DBSCAN聚类算法、凝聚层次聚类算法、混合高斯模型的最大期望聚类算法中的一种或多种。
3.一种电子设备,其特征在于,所述设备包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行如权利要求1所述的方法。
4.一种计算机存储介质,其特征在于,所述存储介质存储有计算机指令,所述计算机指令被调用时,用于执行如权利要求1所述的方法。