多元协同过滤推荐算法在医科类执业资格考试中的应用

李连焕

（南阳医学高等专科学校国际教育学院 河南省南阳市 473061）

医学类执业资格考试涵盖了医学专业临床、口腔、中医、护理、检验、影像、中药、药学等所有人员从业必须具备的执业资格考试[1]。其中临床执业助理医师资格考试的性质是行业准入考试，学生毕业后能否顺利通过医师资格考试直接关系到学生的就业执业资格。据国家医学考试中心分析数据显示，近几年来，人机对话模式下高职高专学生医学类执业考试通过率较低的现象普遍存在，河南省医学类执业考试通过率也低于全国总通过率。市场上为提高人机对话考试模式下高职高专学生考试资格通过率开发的系统大部分功能模块有限，提供的执业资格学习资源零散、不系统、不规范，不能提供个性化服务，学生使用效果欠佳。如何在执业助理医师交互考试系统中为教师和学生提供个性化服务，提高学生知识和技能水平，以此提高助理执业医师资格考试通过率，包括医科类执业资格考试涉及的口腔、中医、护理、检验、影像、中药、药学等其他专业执业资格考试通过率，从而提高职业医学院学生就业率，是目前医学院校亟待的问题。

目前有很多在线学习平台的个性化推荐功能的研究都是对推荐系统进行总体设计或对平台的资源推荐策略、学习路径进行研究[2-4]。基于用户的协同过滤推荐算法在实际应用中大多只关注用户在使用时共同存在的薄弱知识点对相似性的影响，用户共同薄弱知识点占的比例越高，算法推荐的题目与用户就越相似。因未考虑学生个人学习基础情况等因素，导致推荐效果不理想[5]。

针对以上关于传统协同过滤推荐推荐研究的不足，本文提出了一个多元协同过滤推荐算法设计，应用在教学团队前期研究开发的“医学类执业资格交互考试系统”，该算法综合考虑执业资格知识点的权重、难易程度、错误率等多个要素，将这些元素作为权重因子对传统基于用户的协同过滤推荐算法进行改进，解决了基于用户的协同过滤推荐算法仅仅根据错题情况、历史成绩推荐准确率不高的问题，从而提高推荐的准确性和针对性。

1 基于用户的协同过滤推荐算法

基于用户的协同过滤推荐算法的基本思想就是根据目标用户历史操作信息记录，挖掘与目标用户兴趣相似度高的近邻用户集合，然后根据邻居用户薄弱知识点的情况来预测目标用户的薄弱知识点，把该知识点相关试题推荐给目标用户[6]。

研究发现基于用户的协同过滤推荐算法在对学生学习中存在的薄弱知识点的推荐时只考虑对相似性的影响因素，而不考虑学生的个体差异。事实上，尽管用户薄弱知识点相似，但因学生学习基础不同，基于用户的算法会对基础薄弱的学生推荐大量难题，导致学生很难由浅入深学习；又因试题在执业资格考试中的权重不同，基于用户的算法会推荐执考中占分很低的薄弱知识点试题，而占分高的薄弱知识点试题推荐很少，导致学生学习重点不明确；基于用户的算法因没有考虑用户错误率因素，会大量推荐一些偶然性答错的题目，导致推荐效果不理想[7-9]。

2 医学类执业资格考试系统

职业院校应为了全面做好学历证书与执业资格对接,提高人机对话考试模式下高职高专学生考试资格通过率，采用了一些市场上开发的系统，但大部分系统功能模块有限，提供的执业资格学习资源零散、不系统、不规范，不能提供个性化服务，学生使用效果欠佳。教师和学生急需内容涵盖医科类执业资格考试涉及的临床、口腔、中医、护理、检验、影像、中药、药学等专业的执业资格交互考试系统。

为解决这一问题，我们教学团队在教育教学实践中历经探索，研究并开发了“医学类执业资格交互考试系统”，系统完全按照执业资格人机对话考试形式进行设计，题库巨大，能够进行模拟考试、知识点练习等。该系统在我校2016-2018 届临床专业毕业生中使用，三年医学综合考试通过率分别为：45.07%、49.16%、51.05%，学生考试通过率有稳步提升现象。但个性化推荐效果仍不能达到使用需求。

3 多元协同过滤推荐算法设计

多元协同过滤推荐算法的设计是在基于用户的协同过滤推荐算法的基础上进行改进，根据学生前期使用记录构建学生知识点掌握概率模型，然后综合考虑执业资格知识点的权重、知识点难易程度、错误率多个因素，并将这多个因素作为权重因子对基于用户的协同过滤推荐算法进行改进，具体做法如下：

3.1 构建学生知识点掌握概率模型

在执业资格交互考试系统的个性化推荐设计中，构建学生知识点掌握概率模型是核心，学生知识点掌握概率表示了学生在执业资格考试中对执考知识点的掌握情况。目前De La Torre[10]提出的认知诊断模型（DINA 模型）是在获取学生知识点掌握程度中使用最多的。 但DINA 模型得到的知识点掌握情况只有掌握或未掌握两种，容易造成数据丢失，导致知识点推荐不太准确[11-12]。本文研究针对 DINA 模型存在的缺陷，提出构建学生知识点掌握概率模型得到学生知识点的掌握情况。

3.2 通过引入执考知识点权重因素提高重点内容推荐率

在人机对话考试中执业资格考试知识点是有规律的，我们用知识点的执考权重来表示。执考权重代表知识点在考试中的重要度，某个知识点的权重值与知识点的重要程度成正比，知识点的权重值高的也是最应该推荐给学生的。在执考权重的设计上安排了执考知识点的历史考核权重和测试考核权重两个方面。

第一步分析学生每次人机对话测试题Tv，通过Tv来考核对知识点Kn的掌握程度，得到知识点权重w'n，如式（1）所示。

根据公式（1）分析多年执考知识点考核情况，计算出在执考中知识点 n 的历史权重 his-w'n，通过分析多次人机对话测试题知识点考核情况，计算出相应知识点的测试权重 test-w'n。

第二步分析学生的知识点的历史考核权重，每一年的执业资格考试大纲虽然都有调整，但都会参考往年的考试真题。要重点分析历年考试真题权重，通过分析5年执业资格考试真题得到影响因子，如果多次测试真题权重都为0，表示该知识点发生了调整，历史考核权重值越高表示这个知识点在历年的考试中都重复出现，就表明这个知识点越重要：

3.3 结合知识点难易度因素实现个性化推荐

知识点难易度是分析学生的学习情况的重要因素，如果学生在知识点容易的试题中做错，说明学生基础较差，知识点容易的题目更值得推荐，学生在反复练习易题中掌握基础。为学生搭建由浅入深的学习方式，以此种模式提高薄弱知识点的掌握程度。知识点难易度的取值为[0,1]。知识点越容易，说明该知识点越基础。通过分析历年执考真题获得影响因子a，计算知识点难易度In。详见公式（3）。

3.4 融合错误率因素增加错题复现率

错误率指分类错误的样本数占样本总数的比例，表示学生在执业资格系统测试中多次练习某个考试知识点错误次数和这个知识点考核次数的比。在执业资格交互考试系统中，某一个执业考试知识点没有得到标准分就认定为错误。某个执考知识点错误的次数越多，表明这个知识点是考生薄弱点，是需要着重强化的点，也是值得多次练习推荐的知识点。错误率的计算如公式（4）、公式（5）所示。

4 数据采集和评价

实验采用医学高职院校三年毕业生医师资格考试医学综合考试为实验数据，使用大数据平台对采集到的原始数据进行数据预处理，清洗整理，得到比较全面的用户学习数据。

5 实验分析

制订详细的算法研究实施方案，将用户学习数据导入多元协同过滤推荐算法中进行计算得到结果，并将推荐的结果导入数据库，开发一个推荐引擎，对外开放接口并输出推荐结果。

6 结束语

本文通过分析影响职业医学院校学生人机对话考试模式下考试资格通过率低的主要原因，采用教学团队前期自行开发设计的医学类执业资格交互考试系统，在基于用户的协同过滤推荐算法的基础上加入相应改进措施，运用多元协同过滤推荐算法进行研究，并根据学生使用数据结果进行分析，取得比较全面的信息推荐数据。该算法研究进一步运用个性化协同过滤推荐技术，开展多元协同过滤研究，把多元协同过滤推荐算法应用在执业职格考试系统中，可以有效找到学生个人的薄弱知识点，使学生根据推荐结果精准把握执业资格考试未掌握的相关知识点，及时调整学习侧重点，增强学习的针对性。还可以根据学生使用过程中存在的共性薄弱知识点问题进行反馈，引导教师根据分析结果掌握学生普遍存在的课程薄弱知识点，及时调整教学内容和教学方法，在授课中开展有针对性强化讲解，将教学内容与执业资格考试大纲紧密相结合。通过“教师找共性问题，学生找个性问题”达到教、学双向提高的目的。实验结果表明，多元协同过滤推荐算法可以有效提高学生助理执业医师资格考试成绩，提高临床专业学生执业资格考试通过率。