本发明涉及个性化推荐，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。
背景技术：
1、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。
2、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。
3、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：
4、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。
5、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。
6、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。
7、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。
技术实现思路
1、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，用以解决或者至少部分解决现有技术中存在的推荐效果不佳的技术问题。
2、为了解决上述技术问题，本发明采用的技术方案具体包括：
3、第一方面公开了一种基于求解策略的个性化习题资源推荐方法，包括：
4、对学习者的反馈数据与学习行为进行分析，得到学习者的知识盲点集合；
5、抽取元数据构建策略层级知识图谱，其中元数据包括各种数学习题资源，策略层级知识图谱包括求解策略层、习题资源层和知识概念层，求解策略层以求解策略作为实体，求解策略之间的关联程度作为实体之间的关系，习题资源层将每个数学习题资源作为实体，数学习题资源的学习顺序作为实体之间的关系，知识概念层将每一个知识概念为实体，知识概念之间的关系作为实体之间的关系，习题资源层与知识概念层、求解策略层存在映射关系；
6、根据知识盲点集合或者目标知识概念的选择情况，获取目标知识概念，在层级知识图谱的知识概念层中，以目标知识概念作为终点，利用拓扑排序逆向追踪目标知识概念在策略层级知识图谱中知识概念层之间的依赖关系，生成考虑知识的逻辑顺序和难易程度的知识概念学习路径；
7、基于生成的知识概念学习路径、习题资源层与知识概念层之间的映射关系以及习题资源层与求解策略层之间的映射关系，生成待推荐的习题资源序列。
8、在一种实施方式中，抽取元数据构建策略层级知识图谱，包括：
9、收集数学习题资源，对数学习题资源中的知识概念和求解策略进行抽取与标注，根据一个求解策略在一个数学习题资源中单独出现的概率以及两个不同的求解策略在同一个数学习题资源中共同出现的概率，计算两个策略之间的配合度，得到配合度矩阵，其中，配合度矩阵中的元素用以衡量两个求解策略之间的关联程度；
10、基于tf-idf算法（term frequency–inverse document frequency 词频-逆文本频率指数）对数学习题资源中的知识概念度进行加权，确定知识概念的重要程度；
11、根据抽取与标注的知识概念、知识概念的重要程度构建知识概念层，根据与标注的求解策略、配合度矩阵构建求解策略层，根据习题资源以及习题资源的学习顺序构建习题资源层。
12、在一种实施方式中，标注的求解策略包括：函数思想、极限思想、化归思想、类比思想、数形结合思想、数学建模思想、整体与局部思想、分类讨论思想以及未知类型思想。
13、在一种实施方式中，学习者的知识盲点集合包括学习者未掌握的知识概念，根据知识盲点集合或者目标知识概念的选择情况，获取目标知识概念，包括：
14、如果学习者已经选择要学习的知识概念，则将已经选择的知识概念作为目标知识概念，否则，将知识盲点集合中的最后一个知识概念作为目标知识概念。
15、在一种实施方式中，基于生成的知识概念学习路径、习题资源层与知识概念层之间的映射关系以及习题资源层与求解策略层之间的映射关系，生成待推荐的习题资源序列，包括：
16、在策略层级知识图谱的习题资源层中查询与知识概念学习路径中包含的知识概念具有映射关系的所有习题资源；
17、基于习题资源层与求解策略层之间的映射关系，将查询到的习题资源序列与求解策略层进行映射，筛选出与目标求解策略配合度最高的求解策略对应的习题资源；
18、根据知识概念的学习顺序，对与之对应的多个习题资源序列进行排序，最终生成待推荐的习题资源序列。
19、在一种实施方式中，基于习题资源层与求解策略层之间的映射关系，将查询到的习题资源序列与求解策略层进行映射，筛选出与用户选择的目标求解策略配合度最高的求解策略对应的习题资源，包括：
20、对习题资源进行个性化的求解策略标记，包括：获取与知识概念学习路径中的知识概念具有映射关系的习题资源的所有求解策略，判断所有求解策略中是否包含用户要学习的目标求解策略，如果包含，则用标记该习题资源，其中，表示习题资源，表示目标求解策略，表示；否则，将所有求解策略与目标求解策略的关联程度进行对比，根据配合度值查找出与目标求解策略关联程度最高的求解策略，根据在配合度矩阵中的求解策略的序号来标记该习题资源，表示求解策略与的配合度值；
21、对于标记的所有习题资源，将标记为的习题资源保留，对于其他的习题资源按照的大小进行排序，保留值最大的习题资源，其余的删除，保留的习题资源为与目标求解策略配合度最高的求解策略对应的习题资源。
22、基于同样的发明构思，本发明第二方面公开了一种基于求解策略的个性化习题资源推荐系统，包括：
23、认知状态诊断模块，用于对学习者的反馈数据与学习行为进行分析，得到学习者的知识盲点集合；
24、知识图谱构建模块，用于抽取元数据构建策略层级知识图谱，其中元数据包括各种数学习题资源，策略层级知识图谱包括求解策略层、习题资源层和知识概念层，求解策略层以求解策略作为实体，求解策略之间的关联程度作为实体之间的关系，习题资源层将每个数学习题资源作为实体，数学习题资源的学习顺序作为实体之间的关系，知识概念层将每一个知识概念为实体，知识概念之间的关系作为实体之间的关系，习题资源层与知识概念层、求解策略层存在映射关系；
25、知识概念学习路径生成模块，用于根据知识盲点集合或者目标知识概念的选择情况，获取目标知识概念，在层级知识图谱的知识概念层中，以目标知识概念作为终点，利用拓扑排序逆向追踪目标知识概念在策略层级知识图谱中知识概念层之间的依赖关系，生成考虑知识的逻辑顺序和难易程度的知识概念学习路径；
26、习题资源推荐模块，用于基于生成的知识概念学习路径、习题资源层与知识概念层之间的映射关系以及习题资源层与求解策略层之间的映射关系，生成待推荐的习题资源序列。
27、基于同样的发明构思，本发明第三方面提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面所述的基于求解策略的个性化习题资源推荐方法。
28、基于同样的发明构思，本发明第四方面提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现第一方面所述的基于求解策略的个性化习题资源推荐方法。
29、相对于现有技术，本发明的优点和有益的技术效果如下：
30、本发明提出了一种基于求解策略的个性化习题资源推荐方法，通过深入分析学生的反馈数据与学习行为，精准识别出学生的知识盲点集合，为后续的习题资源推荐提供了明确的推荐依据。构建了策略层级知识图谱，策略层级知识图谱相比于传统知识图谱的单层次实体关联性，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。策略层级知识图谱不仅包含了知识的多层级结构和实体关联，还合并了与下层知识概念层之间具有上层映射关系的习题资源和求解策略。进行了基于策略层级知识图谱的知识概念学习路径生成：在获得了学生的知识盲点集合和目标知识概念后，根据策略层级知识图谱，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：在生成了知识概念学习路径后，根据策略层级知识图谱中知识概念与习题资源之间的上下层级映射关系，由知识概念层正向映射至习题资源层，并正向映射至求解策略层，进一步由求解策略层反向映射至习题资源层，作为最终的推荐结果，为学生推荐与当前学习路径相匹配的习题资源。通过上述双向映射关系，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，可以达到改善习题推荐的效果。在实际应用过程中可以帮助学生在解决逻辑性强的数学问题的过程中巩固知识、提升解题能力。
1.基于求解策略的个性化习题资源推荐方法，其特征在于，包括：
2.如权利要求1所述的基于求解策略的个性化习题资源推荐方法，其特征在于，抽取元数据构建策略层级知识图谱，包括：
3.如权利要求2所述的基于求解策略的个性化习题资源推荐方法，其特征在于，标注的求解策略包括：函数思想、极限思想、化归思想、类比思想、数形结合思想、数学建模思想、整体与局部思想、分类讨论思想以及未知类型思想。
4.如权利要求1所述的基于求解策略的个性化习题资源推荐方法，其特征在于，学习者的知识盲点集合包括学习者未掌握的知识概念，根据知识盲点集合或者目标知识概念的选择情况，获取目标知识概念，包括：
5.如权利要求2所述的基于求解策略的个性化习题资源推荐方法，其特征在于，基于生成的知识概念学习路径、习题资源层与知识概念层之间的映射关系以及习题资源层与求解策略层之间的映射关系，生成待推荐的习题资源序列，包括：
6.如权利要求5所述的基于求解策略的个性化习题资源推荐方法，其特征在于，基于习题资源层与求解策略层之间的映射关系，将查询到的习题资源序列与求解策略层进行映射，筛选出与目标求解策略配合度最高的求解策略对应的习题资源，包括：
7.基于求解策略的个性化习题资源推荐系统，其特征在于，包括：
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至6中任一项权利要求所述的基于求解策略的个性化习题资源推荐方法。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6中任一项权利要求所述的基于求解策略的个性化习题资源推荐方法。
