[發(fā)明專利]組卷方法、電子設備及計算機可讀介質(zhì)

在審

• 申請?zhí)枺?/td>: 202010340143.2
• 申請日: 2020-04-26
• 公開（公告）號: CN111552796A
• 公開（公告）日: 2020-08-18
• 發(fā)明（設計）人: 何明;吳士婷
• 申請（專利權）人: 北京易真學思教育科技有限公司
• 主分類號: G06F16/335
• 分類號: G06F16/335;G06F16/35;G06K9/62;G06N3/04;G06N3/08;G06Q50/20
• 代理公司: 北京合智同創(chuàng)知識產(chǎn)權代理有限公司 11545
• 代理人: 李杰

1.一種組卷方法，其特征在于，包括：

構建用于表征試題錯誤屬性的試題錯誤要素向量、用于表征用戶在預設的各個試題錯誤要素上的犯錯概率的用戶錯誤要素向量、用于表征用戶做題習慣的用戶做題偏好矩陣；

根據(jù)所述用戶做題偏好矩陣和組卷參數(shù)，獲得用于表征待生成的試卷的試題參數(shù)的試題參數(shù)向量；

從試題庫中獲取與所述試題錯誤要素向量、所述用戶錯誤要素向量和所述試題參數(shù)向量相匹配的試題，根據(jù)獲取的所述試題進行組卷。

2.根據(jù)權利要求1所述的方法，其特征在于，所述構建用于表征試題錯誤屬性的試題錯誤要素向量，包括：

獲取預設數(shù)量的歷史試卷數(shù)據(jù)，對所述歷史試卷數(shù)據(jù)進行分析，獲得多個試題錯誤要素及各個試題錯誤要素對應的易錯概率；

以所述多個試題錯誤要素及各個試題錯誤要素對應的易錯概率為試題錯誤屬性，構建試題錯誤要素向量。

3.根據(jù)權利要求2所述的方法，其特征在于，所述對所述歷史試卷數(shù)據(jù)進行分析，獲得多個試題錯誤要素及各個試題錯誤要素對應的易錯概率，包括：

基于所述歷史試卷數(shù)據(jù)，分別進行用戶的做題過程數(shù)據(jù)分析、做題結(jié)果數(shù)據(jù)分析和做題答案數(shù)據(jù)分析，獲得對應的用戶的做題數(shù)據(jù)向量、做題結(jié)果數(shù)據(jù)和做題答案數(shù)據(jù)；

根據(jù)所述用戶的做題數(shù)據(jù)向量、做題結(jié)果數(shù)據(jù)和做題答案數(shù)據(jù)，獲得做題特征向量；

對所述做題特征向量中的每個向量進行錯誤類型劃分；

根據(jù)劃分結(jié)果進行試題錯誤要素的統(tǒng)計及各個試題錯誤要素對應的數(shù)量統(tǒng)計，根據(jù)統(tǒng)計結(jié)果獲得多個試題錯誤要素及各個試題錯誤要素對應的易錯概率。

4.根據(jù)權利要求3所述的方法，其特征在于，所述對所述做題特征向量中的每個向量進行錯誤類型劃分，包括：

針對所述歷史試卷數(shù)據(jù)中的每道題目，確定對應的做題特征向量；

對確定的所述做題特征向量進行聚類，并根據(jù)聚類結(jié)果獲得至少一個類別及各個所述類別的聚類中心，以及所述做題特征向量與各個聚類中心的相似度；

基于決策樹，獲得各個所述聚類中心在每個錯誤類別上的概率值；

根據(jù)所述概率值和所述相似度，確定所述用戶針對當前題目的錯誤類型。

5.根據(jù)權利要求4所述的方法，其特征在于，所述基于決策樹，獲得各個所述聚類中心在每個錯誤類別上的概率值，包括：

通過決策樹，對各個所述聚類中心的錯誤類型進行預測；

并且，針對當前聚類中心的預測過程，若在所述預測過程中，確定決策樹收斂，則根據(jù)當前聚類中心在所述決策樹的各個分支上的基尼值，確定當前聚類中心在每個錯誤類別上的基尼值；根據(jù)當前聚類中心在每個錯誤類別上的基尼值，確定當前聚類中心在每個錯誤類別上的概率值。

6.根據(jù)權利要求1所述的方法，其特征在于，構建用于表征用戶做題習慣的用戶做題偏好矩陣，包括：

針對每個用戶，從所述歷史試卷數(shù)據(jù)中確定當前用戶的用戶試卷數(shù)據(jù)；

根據(jù)所述用戶基于所述用戶試卷數(shù)據(jù)的做題順序數(shù)據(jù)，構建不同題型之間的題型轉(zhuǎn)換概率矩陣和構建不同試題難度之間的難度轉(zhuǎn)換概率矩陣；

根據(jù)所述題型轉(zhuǎn)換概率矩陣和所述難度轉(zhuǎn)換概率矩陣，獲得用于表征用戶做題習慣的用戶做題偏好矩陣。

7.根據(jù)權利要求1所述的方法，其特征在于，所述根據(jù)所述用戶做題偏好矩陣和組卷參數(shù)，獲得用于表征待生成的試卷的試題參數(shù)的試題參數(shù)向量，包括：

將所述組卷參數(shù)輸入以所述組卷參數(shù)的滿足程度和所述用戶做題偏好矩陣的滿足程度為目標函數(shù)的循環(huán)神經(jīng)網(wǎng)絡RNN中，通過所述RNN輸出所述試題參數(shù)向量。

8.根據(jù)權利要求7所述的方法，其特征在于，所述RNN包括第一部分和第二部分；

其中，所述第一部分用于根據(jù)輸入的所述組卷參數(shù)輸出候選的試題參數(shù)向量；所述第二部分用于根據(jù)輸入的所述候選的試題參數(shù)向量和所述組卷參數(shù)，對所述候選的試題參數(shù)向量中的參數(shù)的順序進行調(diào)整，輸出與所述用戶做題偏好矩陣相匹配的最終試題參數(shù)向量。