本发明涉及计算机，具体而言，涉及一种基于课后习题和学生做题情况的个性化知识追踪方法。
背景技术：
1、目前，随着教育信息化的发展，能够充分利用大数据下的优质教育资源，提升教学质量。传统的评测方法中，往往只考虑了学生做题的对错，但获得对错后还仍然需要人工进行判断学生没有理解到的知识，无法对问题或答案下隐藏的知识点进行判断，并且无法对答案中相似或不同的词对学生理解的知识点进行一个判断。
技术实现思路
1、本发明的目的在于提供了一种基于课后习题和学生做题情况的个性化知识追踪方法，用以解决现有技术中存在的上述问题。
2、本发明实施例提供了一种基于课后习题和学生做题情况的个性化知识追踪方法，包括：
3、获得课后习题语句、对应的标准答案、学生答案和知识库；所述课后习题语句表示学生答案对应的问题的内容；所述知识库为存储课后习题语句对应的多个知识点的数据库；
4、基于所述课后习题语句与知识库，构建树结构，得到知识树；所述知识树表示课后习题语句包含的知识点；
5、基于所述标准答案和学生答案，通过知识树，判别学生理解和未理解的知识点，得到标准子树和相差子树；
6、基于所述标准子树和相差子树，分别找到学生理解知识点和学生未理解知识点。
7、可选的，所述基于所述标准答案和学生答案，通过知识树，判别学生理解和未理解的知识点，得到标准子树和相差子树，包括：
8、基于所述标准答案，通过第一神经网络，提取标准答案中的知识，得到标准知识标号；所述知识标号表示知识库中与标准答案有关的全部的知识点；
9、通过第一神经网络，学生答案对应获得学生答案关键词；
10、在多个知识树中，分别找到包含标准答案关键词和学生答案关键词的对应的知识树进行标记，得到多个标准知识树和多个答案知识树；
11、将所述标准知识树中找到和答案知识树中的节点对应的值重合的节点进行标记，得到标记节点；
12、将所述标准知识树中的标记节点和对应的根节点进行保留，得到标准子树；
13、将所述答案知识树中标准子树对应的节点对应的值设为0，得到修改答案知识树；
14、删除所述修改答案知识树中子树中的值全部为0的节点，得到相差子树。
15、可选的，所述基于所述标准答案，通过第一神经网络，提取标准答案中的知识，得到标准知识标号，包括：
16、建立所述课后习题语句和标准答案的关系，共同输入第一神经网络，得到多个第一知识标号；
17、采用标准答案作为标注数据训练第二神经网络，得到训练好的第二神经网络；
18、将所述课后习题语句输入训练好的第二神经网络，得到多个第二知识标号；
19、将所述多个第一知识标号与多个第二知识标号进行融合，得到知识标号。
20、可选的，所述建立所述课后习题语句和标准答案的关系，共同输入第一神经网络，得到多个第一知识标号，包括：
21、通过训练好的语句检测网络，提取课后习题语句中的关键词，得到第一习题关键词；
22、在多个知识树中，提取包含第一习题关键词的知识树，得到多个第一知识树；
23、按照层级关系，将所述多个第一知识树进行排列，得到知识集合；
24、多个第一习题关键词对应获得多个知识集合；
25、将所述多个知识集合分别输入第一神经网络，得到多个输出特征；
26、将所述多个输出特征输入关键词融合网络，提取多个关键词对应的知识的特征，得到多个第一知识标号。
27、可选的，所述基于所述课后习题语句与知识库，构建树结构，得到知识树，包括：
28、将所述课后习题语句按照字对应的标号进行替换，得到课后习题矩阵；
29、将所述课后习题输入语句检测网络，检测是否存在知识库中的词，得到多个表面知识关键词；
30、基于所述知识库，构建知识之间的学习关系，得到多个知识总树；
31、在多个知识总树中找到表面知识关键词的位置，得到关键点位置；
32、以关键点位置为根节点，将根节点的子树进行提取，得到知识子树；
33、多个关键点位置对应获得多个知识子树。
34、可选的，所述采用标准答案作为标注数据训练第二神经网络，得到训练好的第二神经网络，包括：
35、获取训练第二历史数据；所述训练第二历史数据包含多个历史的课后习题语句；
36、将所述训练第二历史数据输入第二神经网络，得到第二预测答案；
37、将所述第二预测答案与标准答案求取损失，后向传播训练第二神经网络。
38、可选的，所述基于所述知识库，构建知识之间的学习关系，得到多个知识总树，包括：
39、在知识库中获取目录；所述目录为课本上记录的目录；
40、将所述知识库中目录作为一个根节点，目录下的多个知识点按照包含的顺序依次构建子节点，得到知识总树；
41、多个目录对应获得多个知识总数。
42、可选的，采用历史的多个课后习题语句矩阵作为训练数据；
43、采用知识库中的课后习题语句矩阵对应的知识点作为标注数据；
44、二维卷积核在课后习题语句矩阵的行上以步长为1进行卷积，训练语句检测网络；
45、所述二维卷积核的尺寸为3*2。
46、可选的，采用提取第一标号和第二标号中相同的标号作为知识标号。
47、可选的，所述基于所述标准子树和相差子树，分别找到学生理解知识点和学生未理解知识点，包括：
48、将所述标准子树中全部节点对应的知识点作为学生理解知识点；
49、将所述相差子树中全部节点对应的知识点作为学生未理解知识点。
50、相较于现有技术，本发明实施例达到了以下有益效果：
51、本发明实施例还提供了一种基于课后习题和学生做题情况的个性化知识追踪方法，所述方法包括：获得课后习题语句、对应的标准答案、学生答案和知识库；所述课后习题语句表示学生答案对应的问题的内容；所述知识库为存储课后习题语句对应的多个知识点的数据库；基于所述课后习题语句与知识库，构建树结构，得到知识树；所述知识树表示课后习题语句包含的知识点；基于所述标准答案和学生答案，通过知识树，判别学生理解和未理解的知识点，得到标准子树和相差子树；基于所述标准子树和相差子树，分别找到学生理解知识点和学生未理解知识点。
52、本发明中，根据建立知识树，来判断课后习题语句对应的标准答案和学生答案包含的词隐含的知识点，体现语句中不为其存在的关键词但也存在知识信息，能够更加准确的提取知识的结构和包含信息从而更加准确的提取知识点对应的特征。通过将知识树按照两种方法输入神经网络，判断知识树中的知识点是否是学生理解的知识点，并且透过对知识点的检测，提取知识树中的节点，得到标准子树和相差子树。按照标准子树和相差子树达到能够更加准确的判别学生已经理解和未理解的知识点，体现学生对于课后习题掌握知识点的状态的技术效果。
1.一种基于课后习题和学生做题情况的个性化知识追踪方法，其特征在于，包括：
2.根据权利要求1所述的一种基于课后习题和学生做题情况的个性化知识追踪方法，其特征在于，所述基于所述标准答案和学生答案，通过知识树，判别学生理解和未理解的知识点，得到标准子树和相差子树，包括：
3.根据权利要求2所述的一种基于课后习题和学生做题情况的个性化知识追踪方法，其特征在于，所述基于所述标准答案，通过第一神经网络，提取标准答案中的知识，得到标准知识标号，包括：
4.根据权利要求3所述的一种基于课后习题和学生做题情况的个性化知识追踪方法，其特征在于，所述建立所述课后习题语句和标准答案的关系，共同输入第一神经网络，得到多个第一知识标号，包括：
5.根据权利要求1所述的一种基于课后习题和学生做题情况的个性化知识追踪方法，其特征在于，所述基于所述课后习题语句与知识库，构建树结构，得到知识树，包括：
6.根据权利要求3所述的一种基于课后习题和学生做题情况的个性化知识追踪方法，其特征在于，所述采用标准答案作为标注数据训练第二神经网络，得到训练好的第二神经网络，包括：
7.根据权利要求5所述的一种基于课后习题和学生做题情况的个性化知识追踪方法，其特征在于，所述基于所述知识库，构建知识之间的学习关系，得到多个知识总树，包括：
8.根据权利要求5所述的一种基于课后习题和学生做题情况的个性化知识追踪方法，其特征在于，采用历史的多个课后习题语句矩阵作为训练数据；
9.根据权利要求3所述的一种基于课后习题和学生做题情况的个性化知识追踪方法，其特征在于，采用提取第一标号和第二标号中相同的标号作为知识标号。
10.根据权利要求1所述的一种基于课后习题和学生做题情况的个性化知识追踪方法，其特征在于，所述基于所述标准子树和相差子树，分别找到学生理解知识点和学生未理解知识点，包括：
