[發明專利]試題高階屬性挖掘方法及系統

有效

• 申請號: 201610425977.7
• 申請日: 2016-06-14
• 公開（公告）號: CN107506359B
• 公開（公告）日: 2020-02-07
• 發明（設計）人: 蘇喻;張丹;劉青文;鄧曉棟;陳志剛;魏思;胡郁
• 申請（專利權）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

本發明公開了一種試題高階屬性挖掘方法及系統，該方法包括：獲取試題的低階屬性及學生歷史答題信息，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，形成預估高階屬性；基于所述低階屬性及學生歷史答題信息，確定學生能力；根據所述學生能力和學生歷史答題信息，確定各預估高階屬性上的學生能力在每個試題中的權重；統計權重大于設定閾值的學生能力對應的各預估高階屬性的個數；如果所述個數大于設定值，則將對應的預估高階屬性作為試題的高階屬性。利用本發明，可以高效、準確地確定試題的高階屬性。

技術領域

本發明涉及數據挖掘領域，具體涉及一種試題高階屬性挖掘方法及系統。

背景技術

近年來，隨著計算機技術和教育信息化的不斷推進發展，計算機和人工智能技術已經逐步應用于日常的教育教學各項活動中。試題的高階屬性作為試題低階屬性(主要指知識點，如三角函數、二次方程等)的補充、上位，其在題庫構建、以及學生能力評估、個性化學習等方面起著重要的作用。

現有的試題屬性信息多是基于人工專家標注的低階屬性，即通過此試題所在領域的人工專家制定領域下的標注體系，再對此試題進行主觀評價，從而獲取試題的低階屬性標注。現有的人工專家標注的方法具有以下缺點：對標注人員的要求較高，需要相關領域的專家，并且在標注之前需要事先定義合理的標注體系；此外，這種人工標注的方法成本較高，且受主觀因素影響，容易出現不同專家標準不一致的情況。

發明內容

本發明提供一種試題高階屬性挖掘方法及系統，以高效、準確地確定試題的高階屬性。

為此，本發明提供如下技術方案：

一種試題高階屬性挖掘方法，包括：

獲取試題的低階屬性及學生歷史答題信息，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，形成預估高階屬性；

基于所述低階屬性及學生歷史答題信息，確定學生能力；

根據所述學生能力和學生歷史答題信息，確定各預估高階屬性上的學生能力在每個試題中的權重；

統計權重大于設定閾值的學生能力對應的各預估高階屬性的個數；

如果所述個數大于設定值，則將對應的預估高階屬性作為試題的高階屬性。

優選地，所述方法還包括：

根據學生歷史答題信息對不同低階屬性間的關聯度進行評估，得到評估結果；

所述對不同低階屬性進行組合，形成預估高階屬性包括：

根據所述評估結果對不同低階屬性進行組合，形成預估高階屬性。

優選地，所述根據學生歷史答題信息對不同低階屬性間的關聯度進行評估，得到評估結果包括：

根據學生歷史答題信息獲取每個學生在各知識點上的得分，得到得分矩陣；

根據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；

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大于或等于設定閾值，則確定所述不同低階屬性具有高關聯度。

優選地，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。

優選地，所述根據所述評估結果對不同低階屬性進行組合，形成預估高階屬性包括：

將具有高關聯度的低階屬性進行設定階數范圍內的任意組合，形成預估高階屬性。

優選地，所述基于所述低階屬性及學生歷史答題信息，確定學生能力包括：