[發(fā)明專利]試題高階屬性挖掘方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201610425977.7
• 申請日: 2016-06-14
• 公開（公告）號: CN107506359B
• 公開（公告）日: 2020-02-07
• 發(fā)明（設(shè)計）人: 蘇喻;張丹;劉青文;鄧曉棟;陳志剛;魏思;胡郁
• 申請（專利權(quán)）人: 科大訊飛股份有限公司
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06F16/35
• 代理公司: 11252 北京維澳專利代理有限公司
• 代理人: 劉路堯;逢京喜

1.一種試題高階屬性挖掘方法，其特征在于，包括：

獲取試題的低階屬性及學(xué)生歷史答題信息，所述低階屬性包括試題的知識點或技能；

對不同低階屬性進行組合，形成預(yù)估高階屬性；

基于所述低階屬性及學(xué)生歷史答題信息，確定學(xué)生能力；

根據(jù)以所述預(yù)估高階屬性為標注的所述學(xué)生能力和學(xué)生歷史答題信息構(gòu)建回歸模型，訓(xùn)練該回歸模型以確定各預(yù)估高階屬性上的學(xué)生能力在每個試題中的權(quán)重；

統(tǒng)計權(quán)重大于設(shè)定閾值的學(xué)生能力對應(yīng)的各預(yù)估高階屬性的個數(shù)；

如果所述個數(shù)大于設(shè)定值，則將對應(yīng)的預(yù)估高階屬性作為試題的高階屬性。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

根據(jù)學(xué)生歷史答題信息對不同低階屬性間的關(guān)聯(lián)度進行評估，得到評估結(jié)果；

所述對不同低階屬性進行組合，形成預(yù)估高階屬性包括：

根據(jù)所述評估結(jié)果對不同低階屬性進行組合，形成預(yù)估高階屬性。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)學(xué)生歷史答題信息對不同低階屬性間的關(guān)聯(lián)度進行評估，得到評估結(jié)果包括：

根據(jù)學(xué)生歷史答題信息獲取每個學(xué)生在各知識點上的得分，得到得分矩陣；

根據(jù)不同低階屬性在所述得分矩陣上的相似度對所述低階屬性進行聚類，得到多次聚類集合，并記錄不同低階屬性存在于同一個類中的次數(shù)；

如果在所述多次聚類集合中不同低階屬性存在于同一集合中的次數(shù)大于或等于設(shè)定閾值，則確定所述不同低階屬性具有高關(guān)聯(lián)度。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，利用余弦距離或歐氏距離計算不同低階屬性在得分矩陣上的相似度。

5.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述根據(jù)所述評估結(jié)果對不同低階屬性進行組合，形成預(yù)估高階屬性包括：

將具有高關(guān)聯(lián)度的低階屬性進行設(shè)定階數(shù)范圍內(nèi)的任意組合，形成預(yù)估高階屬性。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于所述低階屬性及學(xué)生歷史答題信息，確定學(xué)生能力包括：

分別基于經(jīng)典測量理論和認知診斷模型確定學(xué)生能力診斷向量；

對基于經(jīng)典測量理論確定的學(xué)生能力診斷向量和基于認知診斷模型確定的學(xué)生能力診斷向量進行融合，得到學(xué)生能力向量。

7.根據(jù)權(quán)利要求1至6任一項所述的方法，其特征在于，所述根據(jù)以所述預(yù)估高階屬性為標注的所述學(xué)生能力和學(xué)生歷史答題信息構(gòu)建回歸模型，訓(xùn)練該回歸模型以確定各預(yù)估高階屬性上的學(xué)生能力在每個試題中的權(quán)重包括：

構(gòu)建回歸模型，每個試題對應(yīng)一個回歸模型，所述回歸模型的輸入為以所述預(yù)估高階屬性為標注的做過所述試題的學(xué)生能力，輸出為學(xué)生做所述試題的歷史答題信息，所述以預(yù)估高階屬性為標注的學(xué)生能力為對應(yīng)的以低階屬性為標注的學(xué)生能力的均值；

訓(xùn)練所述回歸模型，得到每個試題對應(yīng)的一個權(quán)重集合，所述權(quán)重集合中的每個權(quán)重對應(yīng)一個在所述預(yù)估高階屬性上的學(xué)生能力，表示在已知答題結(jié)果下，在預(yù)估高階屬性上的學(xué)生能力對所述答題結(jié)果的重要性。

8.一種試題高階屬性挖掘系統(tǒng)，其特征在于，包括：

信息獲取模塊，用于獲取試題的低階屬性及學(xué)生歷史答題信息，所述低階屬性包括試題的知識點或技能；

屬性組合模塊，用于對不同低階屬性進行組合，形成預(yù)估高階屬性；

學(xué)生能力確定模塊，用于基于所述低階屬性及學(xué)生歷史答題信息，確定學(xué)生能力；

權(quán)重確定模塊，用于根據(jù)以所述預(yù)估高階屬性為標注的所述學(xué)生能力和學(xué)生歷史答題信息構(gòu)建的回歸模型，訓(xùn)練該回歸模型以確定各預(yù)估高階屬性上的學(xué)生能力在每個試題中的權(quán)重；

統(tǒng)計模塊，用于統(tǒng)計權(quán)重大于設(shè)定閾值的學(xué)生能力對應(yīng)的各預(yù)估高階屬性的個數(shù)；

判斷模塊，用于判斷所述個數(shù)是否大于設(shè)定值，并且在所述個數(shù)大于設(shè)定值時，將對應(yīng)的預(yù)估高階屬性作為試題的高階屬性。