【技术实现步骤摘要】
本专利技术涉及深度学习和数据挖掘，特别是涉及一种自适应测试方法及装置。
技术介绍
1、自适应测试(computerized adaptive testing，cat)是一种根据学生过去的做题表现，自适应地选择最适合学生能力题目的一项技术。
2、在传统的自适应测试中，进行选题时通常采用一种暴力搜索的方式选取题目，即逐个计算题库中的每个题目的信息量，选取具有最大信息量的题目，选题的时间复杂度和题库中的题目数量(n)成正比。假设一个在线教育系统具有10万个题目，在采用暴力搜索的方式根据fisher(fisher information，费希尔信息)信息量选取一个题目需要花费的时间超过10秒。因此，大型自适应测试通常聘用专家来筛选编制题目组成一个较小的题库。这种传统的自适应测试解决方案选题准确度高，但是选题效率低，无法大规模应用。
技术实现思路
1、有鉴于此，本专利技术提供一种自适应测试方法及装置，通过该方法，保证选题准确率高的同时，提高选题效率。
2、一种自适应测试方法，包括：
3、若接收到用户发起的测试请求，调用预先构建在目标题库上的空间划分树，所述空间划分树包含各个子空间和叶子空间，每个所述子空间存在子节点和各个子题目数据，每个所述叶子空间存在叶子节点和各个叶子题目数据；
4、确定所述用户对应的各个历史能力值后，利用预设的认知诊断模型估计所述测试请求对应的估计能力值；
5、判断各个所述历史能力值中是否存在与所述估计能力值相似
6、若是，则确定所述估计能力值对应的叶子节点以及该叶子节点对应的叶子空间中的各个叶子题目数据，计算这些叶子题目数据对应的各个信息量后，选择其中最大信息量对应的目标叶子题目数据，并利用该目标叶子题目数据对所述用户进行测试；
7、若否，则对各个所述子空间进行上限计算，得到各个上限结果，再确定符合所述上限结果的各个子空间，以确定每个所述子空间对应的各个叶子空间中的各个叶子题目数据，计算这些叶子题目数据对应的各个信息量后，选择其中最大信息量对应的目标叶子题目数据，并利用该目标叶子题目数据对所述用户进行测试。
8、上述的方法，可选的，所述若接收到用户发起的测试请求之后，调用预先构建在目标题库上的空间划分树之前，还包括：
9、设置与所述测试请求对应的测试题库。
10、上述的方法，可选的，所述在目标题库上的空间划分树的构建，包括：
11、采集包含每个用户对应的各个题目数据的题库；
12、基于预设过滤标准，过滤所述题库中的各个所述题目数据，得到各个目标题目数据以及包含各个所述目标题目数据的目标题库，各个所述目标题目数据中包含用于模拟自适应环境的各个第一题目数据和用于校准所述目标题库的各个第二题目数据；
13、利用各个所述第二题目数据对所述目标题库进行难度校准，得到各个所述用户对应的能力值集合，所述能力值集合包含每个所述用户对应的各个历史能力值，每一所述估计能力值对应一能力程度值；
14、确定所述目标题库为根节点后，开始以递归的方式对所述目标题库中的各个所述目标题目数据进行空间划分；
15、依据各个所述能力程度值以及各个所述第二题目数据所模拟的自适应环境，确定所述根节点对应的各个树节点；
16、基于预设算法计算各个所述树节点，确定用于分割左子空间和右子空间的超平面，以将各个所述目标题目数据分别划分至所述左子空间和所述右子空间，每一所述树节点对应一所述左子空间或所述右子空间；
17、当确定用于分割左叶子空间和右叶子空间的超平面，以将各个所述目标题目数据划分至所述左叶子空间和所述右叶子空间后，停止进行空间划分，生成包含各个所述目标题目数据的空间划分树。
18、可选的，所述依据各个所述能力程度值以及各个所述第二题目数据所模拟的自适应环境，确定所述根节点对应的各个树节点，包括：
19、依据各个所述能力程度值，在所述能力值集合中，分别确定第一最高能力值和第一最低能力值；
20、在各个所述第二题目数据所模拟的自适应环境中，将所述最高历史能力值和所述最低历史能力值分别与各个目标题目数据输入至预设的信息量函数，得到所述最高历史能力值和所述最低历史能力值分别与各个目标题目数据对应的各个信息值；
21、依据各个所述信息值，在各个所述目标题目数据中，分别确定与所述最高历史能力值匹配的各个最高题目数据以及所述最低历史能力值匹配的各个最低题目数据，并在各个所述最高题目数据和各个所述最低题目数据中分别确定最匹配的目标最高题目数据和目标最低题目数据，以将所述目标最高题目数据和所述目标最低题目数据分别确定为所述根节点对应的每个树节点。
22、上述的方法，可选的，所述基于预设算法计算各个所述树节点，确定用于分割左子空间和右子空间的超平面，包括：
23、将各个所述树节点输入至预设算法，得到各个平面位置坐标；
24、依据各个所述平面位置坐标，确定用于分割左子空间和右子空间的超平面。
25、上述的方法，可选的，所述判断各个所述历史能力值中是否存在与所述估计能力值相似的目标能力值，包括：
26、获取预设的渐进性算法以及相似性阈值；
27、将所述估计能力值与各个所述历史能力值输入所述渐进性算法中，通过计算得到所述估计能力值与各个所述历史能力值对应的各个相似值；
28、若多个所述相似值均小于所述相似性阈值，则这些相似值对应的各个历史能力值与估计能力值相似，将其中相似值最小的历史能力值确定为目标能力值；
29、若各个所述相似值均大于所述相似性阈值，则各个所述历史能力值中不存在与所述估计能力值相似的目标能力值。
30、上述的方法，可选的，还包括：
31、将进行所述测试的各个所述叶子题目数据存储至所述测试题库，得到目标测试题库；
32、通过将所述估计能力值存储至所述能力值集合和将所述目标测试题库存储至所述目标题库，以更新所述空间划分树。
33、一种自适应测试装置，包括：
34、调用模块，用于若接收到用户发起的测试请求，调用预先构建在目标题库上的空间划分树，所述空间划分树包含各个子空间和叶子空间，每个所述子空间存在子节点和各个子题目数据，每个所述叶子空间存在叶子节点和各个叶子题目数据；
35、估计模块，用于确定所述用户对应的各个历史能力值后，利用预设的认知诊断模型估计所述测试请求对应的估计能力值；
36、判断模块，用于判断各个所述历史能力值中是否存在与所述估计能力值相似的目标能力值；
37、第一处理模块，用于若是，则确定所述估计能力值对应的叶子节点以及该叶子节点对应的叶子空间中的各个叶子题目数据，计算这些叶子题目数据对应的各个信息量后，选择其中最大信息量对应的目标叶子题目数据，并利用该目标叶子题目数据对所述用户进行测试本文档来自技高网...
【技术保护点】
1.一种自适应测试方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述若接收到用户发起的测试请求之后，调用预先构建在目标题库上的空间划分树之前，还包括：
3.根据权利要求1所述的方法，其特征在于，所述在目标题库上的空间划分树的构建，包括：
4.根据权利要求3所述的方法，其特征在于，所述依据各个所述能力程度值以及各个所述第二题目数据所模拟的自适应环境，确定所述根节点对应的各个树节点，包括：
5.根据权利要求3所述的方法，其特征在于，所述基于预设算法计算各个所述树节点，确定用于分割左子空间和右子空间的超平面，包括：
6.根据权利要求1所述的方法，其特征在于，所述判断各个所述历史能力值中是否存在与所述估计能力值相似的目标能力值，包括：
7.根据权利要求1至3任一所述的方法，其特征在于，还包括：
8.一种自适应测试装置，其特征在于，包括：
9.根据权利要求8所述的装置，其特征在于，还包括：
10.根据权利要求8所述的装置，其特征在于，所述调用模块中所述空间划分树
...【技术特征摘要】
1.一种自适应测试方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述若接收到用户发起的测试请求之后，调用预先构建在目标题库上的空间划分树之前，还包括：
3.根据权利要求1所述的方法，其特征在于，所述在目标题库上的空间划分树的构建，包括：
4.根据权利要求3所述的方法，其特征在于，所述依据各个所述能力程度值以及各个所述第二题目数据所模拟的自适应环境，确定所述根节点对应的各个树节点，包括：
5.根据权利要求3所述的方法，其特征在于，所...
【专利技术属性】
技术研发人员：洪玉婷，童世炜，黄威，庄严，刘淇，陈恩红，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。