一种智能高校考试组卷方法技术

本发明专利技术公开了一种智能高校考试组卷方法

【技术实现步骤摘要】
一种智能高校考试组卷方法、系统、设备及存储介质


[0001]本专利技术涉及考试组卷
，尤其是涉及一种智能高校考试组卷方法
、
系统
、
设备及存储介质
。

技术介绍

[0002]高校需要对学生进行学习评估，检查学生的学习情况，通常通过平时考试，期中或期末考试进行，这些考试都需要进行组卷工作，由于高校课程多，课程分类多，要求也各不相同，目前已有的自动组卷系统需要每一门课程分别组卷，造成工作人员大量重复性的工作，工作过程也极其繁琐
。

技术实现思路

[0003]本专利技术旨在至少解决现有技术中存在的技术问题之一
。
为此，本专利技术提出一种智能高校考试组卷方法
、
系统
、
设备及存储介质，能够提高组卷效率，提升组卷质量
。
[0004]第一方面，本专利技术实施例提供了一种智能高校考试组卷方法，所述智能高校考试组卷方法包括：构建关键词集合
、
题型分类字典
、
难易度字典和章节字典；对所述关键词集合采用共现矩阵和奇异值分解方法构建词向量字典；对输入文段进行分词，并在所述词向量字典中搜索相近词，将相近度大于预设值的词作为第一词集合；计算所述第一词集合中每个分词和所述词向量字典之间最相近的关系，得到与所述关系对应的关键词；根据所述关键词和所述题型分类字典，采用组卷函数计算多种题型分类中每个题型的出题概率，并根据所述出题概率从每种题型分类中选择多个题型进行课程组卷，得到每个课程的多个组卷结果；根据所述难易度字典和所述章节字典，对每个所述组卷结果进行评估，得到评估结果，并选择所述评估结果最好的组卷结果作为对应课程的组卷
。
[0005]与现有技术相比，本专利技术第一方面具有以下有益效果：本方法通过对关键词集合采用共现矩阵和奇异值分解方法构建词向量字典，通过奇异值分解能够降维，减少计算量和存储量，并且能够考虑全局信息；根据关键词和题型分类字典，采用组卷函数计算多种题型分类中每个题型的出题概率，并根据出题概率从每种题型分类中选择多个题型进行课程组卷，得到每个课程的多个组卷结果，通过考虑全局信息进行自动组卷，能够提高组卷效率，提高组卷人员满意度；根据难易度字典和章节字典，对每个组卷结果进行评估，得到评估结果，并选择评估结果最好的组卷结果作为对应课程的组卷，通过组卷评估，找到评估结果最好的组卷结果作为对应课程的组卷，能够提高组卷质量
。
[0006]根据本专利技术的一些实施例，通过如下方式计算所述第一词集合中每个分词和所述
词向量字典之间最相近的关系：
[0007]其中，表示每个分词和所述词向量字典之间最相近的关系，表示所述第一词集合中所有分词数量，表示所述第一词集合中的第个点，表示所述词向量字典中的第个点
。
[0008]根据本专利技术的一些实施例，通过如下方式表示所述组卷函数：
[0009]其中，表示试题的特征，表示当前试题对应的题型分类字典中的所有分类，表示偏置，和表示待求参数
。
[0010]根据本专利技术的一些实施例，通过如下方式计算所述待求参数：
[0011]其中，表示最小化实际结果与计算结果的值，表示所有训练数据，表示第个数据的实际结果
。
[0012]根据本专利技术的一些实施例，所述根据所述难易度字典和所述章节字典，对每个所述组卷结果进行评估，得到评估结果，包括：根据所述难易度字典和所述章节字典，构建评估函数；采用所述评估函数对每个所述组卷结果进行评估，得到评估结果
。
[0013]根据本专利技术的一些实施例，通过如下方式构建评估函数：
[0014]其中，表示所述组卷结果中一个试题对应的所述难易度字典中的难易度，表示所述组卷结果中一个试题对应的所述章节字典中的所属章节，表示第个权重，和表示所述组卷结果中一个试题对应的分类里的试题分类数，和表示所述分类里的所有历史试题数，表示所述难易度字典的长度，表示所述章节字典的长度，和表示所述分类
的试卷数
。
[0015]根据本专利技术的一些实施例，在所述词向量字典中搜索相同词之后，所述智能高校考试组卷方法还包括：将所述词向量字典中未搜索到的词作为第二词集合；将所述第二词集合通过所述共现矩阵和所述奇异值分解方法更新所述词向量字典
。
[0016]第二方面，本专利技术实施例还提供了一种智能高校考试组卷系统，所述智能高校考试组卷系统包括：第一构建单元，用于构建关键词集合
、
题型分类字典
、
难易度字典和章节字典；第二构建单元，用于对所述关键词集合采用共现矩阵和奇异值分解方法构建词向量字典；数据搜索单元，用于对输入文段进行分词，并在所述词向量字典中搜索相近词，将相近度大于预设值的词作为第一词集合；第一计算单元，用于计算所述第一词集合中每个分词和所述词向量字典之间最相近的关系，得到与所述关系对应的关键词；第二计算单元，用于根据所述关键词和所述题型分类字典，采用组卷函数计算多种题型分类中每个题型的出题概率，并根据所述出题概率从每种题型分类中选择多个题型进行课程组卷，得到每个课程的多个组卷结果；组卷评估单元，用于根据所述难易度字典和所述章节字典，对每个所述组卷结果进行评估，得到评估结果，并选择所述评估结果最好的组卷结果作为对应课程的组卷
。
[0017]第三方面，本专利技术实施例还提供了一种智能高校考试组卷设备，包括至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器；所述存储器存储有可被所述至少一个控制处理器执行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制处理器能够执行如上所述的一种智能高校考试组卷方法
。
[0018]第四方面，本专利技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如上所述的一种智能高校考试组卷方法
。
[0019]可以理解的是，上述第二方面至第四方面与相关技术相比存在的有益效果与上述第一方面与相关技术相比存在的有益效果相同，可以参见上述第一方面中的相关描述，在此不再赘述
。
附图说明
[0020]本专利技术的上述和
/
或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：图1是本专利技术一实施例的一种智能高校考试组卷方法的流程图；图2是本专利技术另一实施例的智能高校考试组卷方法的流程图；图3是本专利技术一实施例的一种智能高校考试组卷系统的结构图；图4是本专利技术一实施例的一种电子设备的结构示意图
。
具体实施方式
[0021]下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件
。
下面通过参考附图描述的实施例是示例性的，仅用于解释本专利技术，而不能理解为对本专利技术的限制
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种智能高校考试组卷方法，其特征在于，所述智能高校考试组卷方法包括：构建关键词集合
、
题型分类字典
、
难易度字典和章节字典；对所述关键词集合采用共现矩阵和奇异值分解方法构建词向量字典；对输入文段进行分词，并在所述词向量字典中搜索相近词，将相近度大于预设值的词作为第一词集合；计算所述第一词集合中每个分词和所述词向量字典之间最相近的关系，得到与所述关系对应的关键词；根据所述关键词和所述题型分类字典，采用组卷函数计算多种题型分类中每个题型的出题概率，并根据所述出题概率从每种题型分类中选择多个题型进行课程组卷，得到每个课程的多个组卷结果；根据所述难易度字典和所述章节字典，对每个所述组卷结果进行评估，得到评估结果，并选择所述评估结果最好的组卷结果作为对应课程的组卷
。2.
根据权利要求1所述的智能高校考试组卷方法，其特征在于，通过如下方式计算所述第一词集合中每个分词和所述词向量字典之间最相近的关系：，其中，表示每个分词和所述词向量字典之间最相近的关系，表示所述第一词集合中所有分词数量，表示所述第一词集合中的第个点，表示所述词向量字典中的第个点
。3.
根据权利要求1所述的智能高校考试组卷方法，其特征在于，通过如下方式表示所述组卷函数：，其中，表示试题的特征，表示当前试题对应的题型分类字典中的所有分类，表示偏置，和表示待求参数
。4.
根据权利要求3所述的智能高校考试组卷方法，其特征在于，通过如下方式计算所述待求参数：，其中，表示最小化实际结果与计算结果的值，表示所有训练数据，表示第个数据的实际结果
。5.
根据权利要求1所述的智能高校考试组卷方法，其特征在于，所述根据所述难易度字典和所述章节字典，对每个所述组卷结果进行评估，得到评估结果，包括：根据所述难易度字典和所述章节字典，构建评估函数；
采用所述评估函数对每个所述组卷结果进行评估，得到评估结果
。6.
根据权利要求1所述的智能高校考试组卷方法，其特征在于，通过如下方式构建评估函数：，其中，表示所述组卷结果中一个试题对应的所述难易度字典中的难易度...

【专利技术属性】
技术研发人员：郭尚志，章光裕，赵家乐，徐时红，
申请(专利权)人：湖南强智科技发展有限公司，
类型：发明
国别省市：