基于GIKT深度知识追踪模子的习题保举系统源代码+数据库+使用说明，后端采用
基于GIKT深度知识追踪模子的习题保举系统目录布局
[*]Flask-BackEnd flask后端
[*]app 后端主体文件
[*]alg 深度学习模块
[*]data 数据集
[*]data_process.py 数据预处置处罚
[*]gikt.py GIKT模子
[*]pebg.py PEBG模子
[*]params.py 一些参数
[*]train.py 仅模子训练
[*]train_test.py 模子训练和测试-五折交叉验证
[*]train_test2.py 模子训练和测试-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 数据库迁徙文件
[*]Vue-FrontEnd vue前端
[*]public 共用文件
[*]src 源代码
[*]api 全局哀求设置
[*]assets 静态组件
[*]components 自界说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
安装须要的包
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
[*] 实行er_gikt.sql文件, 生成数据库布局
[*] 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，训练并保存一次模子（以便后端调用）
[*] 用pycharm或者终端启动setup.py，根据报错安装须要的包，其中：
[*]pytorch==1.10.1
[*]flask==2.2.5
[*] 办理报错后，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模子未按论文实现，现实上忽略了pnn网络（实现中出现了问题，故将其忽略）
[*]参数仍可调优，终极结果可以继续优化
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（个人感觉没有须要）
后端
[*]包引用（尤其是对算法包alg的引用）存在问题，使用了粗暴的办理方式 sys.path.append() ，且无法使用相对路径导入
[*]flask数据库迁徙会报错，只能自己手动通过DBMS修改
项目界面展示
https://i-blog.csdnimg.cn/direct/ff91ce8c2ec044a6a4a4efb8ae2b0854.png完备代码下载地址：基于GIKT深度知识追踪模子的习题保举系统
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。
页:
[1]