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！

龙图腾网获悉河南大学申请的专利基于属性探索的试题隐含知识属性关联挖掘及相关试题推送方法及系统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：CN114528333B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202210065549.3，技术领域涉及：G06F16/2458；该发明授权基于属性探索的试题隐含知识属性关联挖掘及相关试题推送方法及系统是由张磊;李星辰;沈夏炯;韩道军;贾培艳;史先进;丁文珂设计研发完成，并于2022-01-20向国家知识产权局提交的专利申请。

本基于属性探索的试题隐含知识属性关联挖掘及相关试题推送方法及系统在说明书摘要公布了：本发明属于教育数据挖掘技术领域，公开一种基于属性探索的试题隐含知识属性关联挖掘及相关试题推送方法及系统，该方法包括：构建学生对错误题目集合的形式背景：对学生题目作答记录源数据进行预处理，之后结合标注的题目中所包含的知识属性集合，过滤出学生的错误应答信息；使用属性探索知识属性挖掘算法对当前形式背景进行探索，得到通过任一学生错误应答信息得出的知识属性蕴含关联集合与非冗余试题集合；利用概念格相似度分析计算试题之间的相似度，寻找含有与练习错题相似知识点的题目，选择满足阈值最近似的若干个相关试题进行推送。本发明解决了传统分析模式中学生模糊判断缺失属性带来的弊端，能够为学生提供针对性试题推荐。

本发明授权基于属性探索的试题隐含知识属性关联挖掘及相关试题推送方法及系统在权利要求书中公布了：1.一种基于属性探索的试题隐含知识属性关联挖掘及相关试题推送方法，其特征在于，包括： 步骤A，构建学生对错误题目集合的形式背景K：对学生题目作答记录源数据进行预处理，之后结合标注的题目中所包含的知识属性集合，过滤出学生的错误应答信息，所述错误应答信息由学生的错误作答题目及每道题目所包含的知识属性集合组成； 步骤B，使用属性探索知识属性挖掘算法对当前形式背景进行探索，得到通过步骤A中任一学生错误应答信息得出的知识属性蕴含关联集合与非冗余试题集合； 步骤C，利用概念格相似度分析计算试题之间的相似度，寻找含有与练习错题相似知识点的题目，选择满足阈值最近似的若干个相关试题进行推送； 所述步骤B包括： 步骤B1，构建知识属性集合的字典序集合Z，取出字典序集合中的末位知识属性集合，并在当前形式背景、即非冗余试题集合中计算出；其中表示拥有知识属性集合中所有属性的试题集合，表示所有试题元素集合中所共同拥有的知识属性集合； 步骤B2，在预处理后的数据、即形式背景K中，计算是否成立；如果不成立则执行步骤B3，否则执行步骤B4；其中表示在形式背景K中计算拥有知识属性集合中所有属性的试题集合，表示两个集合的差集； 步骤B3，在形式背景K中查找不满足条件的一项试题加入到非冗余试题集合中，并更新作为新的非冗余试题集合；返回步骤B2； 步骤B4，判断在形式背景K中，包含知识属性集合的非冗余试题集合所共同含有的对象是否等于知识属性集合，如果不相等则将知识属性蕴含关系式加入知识属性蕴含关联集合Y中；其中表示学生在回答错误含有知识属性集合的试题的同时也会将含有属性的试题一同作答错误； 步骤B5，计算字典序集合Z中下一个知识属性集合；判断当前字典序集合中知识属性集合是否成立，如果条件成立则字典序集合下一位为，进入步骤B1；否则j=j-1，并继续在当前步骤计算直至j=0，终结程序；其中表示Y中最后一个知识属性蕴含关系式的后件元素集合，集合E=表示知识属性集合，j为标注的知识属性个数； 步骤B6，对知识属性蕴含关联集合进行清洗，如果知识属性蕴含关系式中集合为Ø，则认为该知识属性蕴含关系式为冗余条件，并进行删除； 步骤B7，通过步骤B1至步骤B6的属性探索知识属性挖掘算法最终得到非冗余试题集合和知识属性蕴含关联集合Y。

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河南大学，其通讯地址为：475001 河南省开封市顺河区明伦街85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”。

以上内容由龙图腾AI智能生成。