一种融合熵调控与双目标策略优化的个性化习题推荐方法

本发明公开了一种融合熵调控与双目标策略优化的个性化习题推荐方法，包括如下：1)数据预处理后构建学生知识四元组，四元组的内容包括：学生的代号、学生交互的习题、学生对习题的回答情况以及学生所交互习题的难度；2)通过熵函数减小推荐策略在习题之间的推荐度差异；3)通过多概念融合矩阵、带有自注意力机制的知识追踪以及习题价值网络拟合最优动作‑‑价值函数，输出下一道推荐习题；4)通过抗遗忘性和平缓性两个奖励函数，减少学生的知识遗忘和习题难度波动。5)通过强化学习方法对模型进行训练，得到最优推荐策略。本发明通过熵函数、知识追踪和双目标策略优化，将强化学习和习题推荐进行了结合，与传统的习题推荐算法相比，提高了所推荐习题的探索性和准确性。