Hi!这是 基于Bloom认知理论的知识熟练度计算方法研究 的代码实现,根据毕设的内容,本项目的代码分为两个模块,分别是知识熟练度计算和高阶知识组发现。
数据集使用了两个,分别是ASSIST(公开)和HDU(爬取)
在知识熟练度计算中,相关的文件主要是单独出来的py文件。
在高阶知识组发现中,相关的文件存放在Cluster文件夹下。
- 主要代码的结构
data_analysis.py :数据集相关信息统计代码
data_process.py:数据预处理代码,完成知识组矩阵的计算和高阶知识组矩阵的计算,并产生对应的数据对,为模型的训练提供数据。
BloomCDM.py:Bloom模型的定义代码
predict.py:模型的预测代码
train.py:模型的训练代码
constract_test:所有的对比试验代码
- 运行命令行
可以下载数据集后通过命令行运行
数据处理命令行 python data_process.py
模型 python train.py
(参数在程序中有默认值,也可以自己设置,添加在命令行中即可)