【技术实现步骤摘要】
本专利技术涉及数据处理，尤其涉及一种基于考后报告大模型智能化命题方法及系统。
技术介绍
1、智能出题系统在职业人才测评、人才评估和职业技术人才考试等领域具有重要意义。传统的基于规则的出题方法在这些领域中可能显得力不从心，现有的智能出题系统虽然在一定程度上缓解了这些问题，但仍存在改进空间。
2、目前，智能出题系统主要依赖于预先设定的规则和算法，通过对题库数据的简单组合和变换生成题目。然而，这种方法在面对复杂多变的教育需求时往往显得不够灵活。另外，传统的出题系统缺乏对考生学习过程的动态监控和反馈机制，无法根据考生的实际情况进行实时调整和优化。
技术实现思路
1、有鉴于此，本专利技术实施例提供了一种基于考后报告大模型智能化命题方法及系统，用于提高基于考后报告大模型智能化命题的准确率。
2、本专利技术提供了一种基于考后报告大模型智能化命题方法，包括：采集题库数据以及考生答题数据并进行预处理，得到处理题目数据；
3、根据所述处理题目数据进行出题模型训练，得到智能出题模型；
4、将所述考生答题数据输入所述智能出题模型进行出题策略分析，得到目标出题策略；
5、对所述目标出题策略进行策略优化，得到优化出题策略；
6、根据命题老师预设的命题参数集对所述优化出题策略进行修正，得到目标出题策略，其中，所述命题参数集包括：素材内容、考试科目以及题型数据。
7、在本专利技术中，所述采集题库数据以及考生答题数据并进行预处理，得
8、对题库数据和考生答题数据进行收集处理，得到初步数据集合；
9、对所述初步数据集合进行噪声数据去除处理，得到无噪声数据集合；
10、对所述无噪声数据集合进行缺失数据补全处理，得到完整数据集合；
11、对所述完整数据集合进行标准化处理，得到标准化数据集合；
12、将所述标准化数据集合进行特征提取，得到特征数据集合；
13、将所述特征数据集合输入生成对抗网络进行实体
14、将所述特征数据集合输入生成对抗网络进行题目匹配，得到处理题目数据。
15、在本专利技术中，所述根据所述处理题目数据进行出题模型训练，得到智能出题模型步骤，包括：
16、对所述处理题目数据进行训练数据转换处理，得到训练数据；
17、对所述训练数据进行大规模预训练模型的多轮迭代训练处理，得到初步训练模型；
18、对所述初步训练模型进行参数调整处理，得到优化后的训练模型；
19、对所述优化后的训练模型进行迁移学习处理，得到适应性训练模型；
20、对所述适应性训练模型进行自监督学习处理，得到泛化训练模型；
21、对所述泛化训练模型进行对抗训练处理，得到所述智能出题模型。
22、在本专利技术中，所述将所述考生答题数据输入所述智能出题模型进行出题策略分析，得到目标出题策略步骤，包括：
23、将所述考生答题数据输入所述智能出题模型进行出题策略设计处理，得到初步出题策略；
24、对所述初步出题策略进行知识点覆盖分析处理，得到知识点覆盖出题策略；
25、对所述知识点覆盖出题策略进行题型多样性设计处理，得到多样化出题策略；
26、对所述多样化出题策略进行考生答题记录分析处理，得到个性化出题策略；
27、对所述个性化出题策略进行强化学习处理，得到优化出题策略；
28、通过所述智能出题模型的图神经网络对所述优化出题策略进行知识点关系分析，得到知识点关系数据；
29、根据所述知识点关系数据进行出题策略分析，得到目标出题策略。
30、在本专利技术中，所述将所述考生答题数据输入所述智能出题模型进行出题策略分析，得到目标出题策略步骤，包括：
31、将所述考生答题数据输入所述智能出题模型进行出题策略设计处理，得到初步出题策略；
32、对所述初步出题策略进行知识点覆盖分析处理，得到知识点覆盖出题策略；
33、对所述知识点覆盖出题策略进行题型多样性设计处理，得到多样化出题策略；
34、对所述多样化出题策略进行考生答题记录分析处理，得到个性化出题策略；
35、对所述个性化出题策略进行强化学习处理，得到优化出题策略；
36、通过所述智能出题模型的图神经网络对所述优化出题策略进行知识点关系分析，得到知识点关系数据；
37、根据所述知识点关系数据进行出题策略分析，得到目标出题策略。
38、在本专利技术中，所述根据命题老师预设的命题参数集对所述优化出题策略进行修正，得到目标出题策略，其中，所述命题参数集包括：素材内容、考试科目以及题型数据步骤，包括：
39、对所述优化出题策略进行命题老师反馈信息处理，得到反馈路径生成数据；
40、对所述反馈路径生成数据进行命题路径生成处理，得到命题路径；
41、对所述命题路径进行适合命题资源推荐处理，得到推荐命题资源；
42、根据所述推荐命题资源进行策略修正，得到目标出题策略。
43、在本专利技术中，所述根据所述推荐命题资源进行策略修正，得到目标出题策略步骤，包括：
44、对所述推荐命题资源进行练习题目生成处理，得到个性化练习题目；
45、对所述个性化练习题目进行命题建议生成处理，得到个性化命题建议；
46、对所述个性化命题建议进行策略修正，得到目标出题策略。
47、本专利技术还提供了一种基于考后报告大模型智能化命题系统，包括：
48、采集模块，用于采集题库数据以及考生答题数据并进行预处理，得到处理题目数据；
49、训练模块，用于根据所述处理题目数据进行出题模型训练，得到智能出题模型；
50、分析模块，用于将所述考生答题数据输入所述智能出题模型进行出题策略分析，得到目标出题策略；
51、优化模块，用于对所述目标出题策略进行策略优化，得到优化出题策略；
52、计划模块，用于根据命题老师预设的命题参数集对所述优化出题策略进行修正，得到目标出题策略，其中，所述命题参数集包括：素材内容、考试科目以及题型数据。
53、本专利技术提供的技术方案中，通过对题库数据和考生答题数据的全面采集和预处理，包括噪声数据去除、缺失数据补全和标准化处理，确保了数据的高质量和一致性，为后续的数据分析和模型训练提供了坚实基础。通过自然语言处理技术和生成对抗网络（gan），对题目文本和答案进行特征提取和题目匹配处理，生成多样化且高质量的题目数据，大大丰富了题库内容。在出题模型训练过程中，采用大规模预训练模型（如gpt-4）进行多轮迭代训练，并结合超参数调优、迁移学习和自监督学习技术，极大地提升了模型的训练效果和泛化能力。尤其是通过自监督学习和对抗训练，模型能够更好地捕捉题目和知识点之间的本文档来自技高网...
【技术保护点】
1.一种基于考后报告大模型智能化命题方法，其特征在于，包括：
2.根据权利要求1所述的基于考后报告大模型智能化命题方法，其特征在于，所述采集题库数据以及考生答题数据并进行预处理，得到处理题目数据步骤，包括：
3.根据权利要求1所述的基于考后报告大模型智能化命题方法，其特征在于，所述根据所述处理题目数据进行出题模型训练，得到智能出题模型步骤，包括：
4.根据权利要求1所述的基于考后报告大模型智能化命题方法，其特征在于，所述将所述考生答题数据输入所述智能出题模型进行出题策略分析，得到目标出题策略步骤，包括：
5.根据权利要求1所述的基于考后报告大模型智能化命题方法，其特征在于，所述对所述目标出题策略进行策略优化，得到优化出题策略步骤，包括：
6.根据权利要求1所述的基于考后报告大模型智能化命题方法，其特征在于，所述根据命题老师预设的命题参数集对所述优化出题策略进行修正，得到目标出题策略，其中，所述命题参数集包括：素材内容、考试科目以及题型数据步骤，包括：
7.根据权利要求6所述的基于考后报告大模型智能化命题方法，
8.一种基于考后报告大模型智能化命题系统，用以执行如权利要求1至7任一项所述的基于考后报告大模型智能化命题方法，其特征在于，包括：
...【技术特征摘要】
1.一种基于考后报告大模型智能化命题方法，其特征在于，包括：
2.根据权利要求1所述的基于考后报告大模型智能化命题方法，其特征在于，所述采集题库数据以及考生答题数据并进行预处理，得到处理题目数据步骤，包括：
3.根据权利要求1所述的基于考后报告大模型智能化命题方法，其特征在于，所述根据所述处理题目数据进行出题模型训练，得到智能出题模型步骤，包括：
4.根据权利要求1所述的基于考后报告大模型智能化命题方法，其特征在于，所述将所述考生答题数据输入所述智能出题模型进行出题策略分析，得到目标出题策略步骤，包括：
5.根据权利要求1所述的基于考后报告大模型智能化命...
【专利技术属性】
技术研发人员：马赫，倪小明，郭南明，杜育林，洪潜凯，刘佳荣，李剑，崔浩松，
申请(专利权)人：网才科技广州集团股份有限公司，
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。