基于GIKT深度知识追踪模型的习题推荐系统源代码+数据库+使用说明,后端采用flask,前端采用vue
yanglamei1962 2024-10-20 10:03:01 阅读 67
基于GIKT深度知识追踪模型的习题推荐系统
目录结构
Flask-BackEnd <code>flask后端
app 后端主体文件
alg 深度学习模块
data 数据集
data_process.py 数据预处理
gikt.py GIKT模型
pebg.py PEBG模型
params.py 一些参数
train.py 仅模型训练
train_test.py 模型训练和测试-五折交叉验证
train_test2.py 模型训练和测试-4:1训练测试
utils.py 工具函数
view flask蓝图
_init_.py 初始化
create_data.py 创建初始数据
entity.py 实体类
setup.py 启动
migrate 数据库迁移文件
Vue-FrontEnd vue前端
public 共用文件
src 源代码
api 全局请求设置
assets 静态组件
components 自定义vue组件
layout 页面布局
router 路由
store 信息储存
views 页面
App.vue 开始文件
main.js js包引入
其他的是一些配置
启动
上面未提及的一些目录都在.gitignore
,请手动添加后再启动
前端
进入目录Vue-FrontEnd
cd Vue-FrontEnd
安装需要的包
cnpm install
启动
npm run serve
后端
用pycharm打开目录Flask-BackEnd
修改mysql数据库配置项
执行er_gikt.sql
文件, 生成数据库结构
运行data_process.py
,生成预训练数据
运行pre_train.py,生成预训练问题向量
运行train.py
,训练并保存一次模型(以便后端调用)
用pycharm或者终端启动setup.py
,根据报错安装需要的包,其中:
pytorch==1.10.1
flask==2.2.5
解决报错后,运行一次create_data.py
(或者在__init__.py
的app_context中调用一次create_data函数),在数据库中添加初始数据
重新启动,访问本机5001端口,测试系统
项目存在的一些问题
算法
PEBG模型未按论文实现,实际上忽略了pnn网络(实现中出现了问题,故将其忽略)参数仍可调优,最终结果可以继续优化
前端
前端使用的是vue2+vue-cli,最好可以用vue3+vite重构一遍
重复组件较多,Table,Chart等图都直接写在页面中,而未在assests中单独实现
习题、知识的CRUD没有实现(个人感觉没有必要)
后端
包引用(尤其是对算法包alg
的引用)存在问题,使用了粗暴的解决方式 sys.path.append()
,且无法使用相对路径导入flask数据库迁移会报错,只能自己手动通过DBMS修改
项目界面展示
完整代码下载地址:基于GIKT深度知识追踪模型的习题推荐系统
声明
本文内容仅代表作者观点,或转载于其他网站,本站不以此文作为商业用途
如有涉及侵权,请联系本站进行删除
转载本站原创文章,请注明来源及作者。