基于GIKT深度知识追踪模型的习题推荐系统
目录结构
- Flask-BackEnd
flask后端
- 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
- api
- 其他的是一些配置
- public
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
bash
cd Vue-FrontEnd
安装需要的包
bash
cnpm install
启动
bash
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