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alg
深度学习模块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app
后端主体文件migrate
数据库迁移文件
Vue-FrontEnd
vue前端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public
共用文件src
源代码其他的是一些配置
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：
flask==2.2.5
pytorch==1.10.1
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：
https://download.csdn.net/download/yanglamei1962/89771707
