[發明專利]基于用戶歷史行為分析的智能試卷算法

在審

• 申請號: 202010838743.1
• 申請日: 2020-08-19
• 公開（公告）號: CN112015861A
• 公開（公告）日: 2020-12-01
• 發明（設計）人: 朱春平
• 申請（專利權）人: 浙江無極互聯科技有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06K9/62;G06N3/04;G06N3/08;G06Q50/20
• 代理公司: 北京中濟緯天專利代理有限公司 11429
• 代理人: 王會祥

1.基于用戶歷史行為分析的智能試卷算法，其特征在于：包括以下步驟：

1)、獲取所需題目數據；

2)、將所需題目數據和歷史考試習題數據輸入到數據倉庫中進行智能分析，得到智能分析結果；

3)、對于智能分析結果利用卷積神經網絡模型進行處理，得到考題習題數據；

4)、根據所需題目數據，從歷史考試習題數據中選擇部分題目，生成考試習題數據。

2.根據權利要求1所述的基于用戶歷史行為分析的智能試卷算法，其特征在于：

在步驟1中：

所需題目數據是人為輸入，所需題目數據具體包括分值和題目類別。

3.根據權利要求2所述的基于用戶歷史行為分析的智能試卷算法，其特征在于：

在步驟2中：

智能分析包括對題目特征、難易度、全局錯誤率和單獨錯誤率進行分析，以此作為卷積神經網絡的輸入特征學習深度表示特征。

4.根據權利要求3所述的基于用戶歷史行為分析的智能試卷算法，其特征在于：

在步驟2中：

題目特征包括區分度、猜測參數、分值等，同一知識點下的題目可以具有不同的難度系數，能力估計值較低的用戶作答難度系數較高的問題的正確率相對較低；

難易度是題目復雜程度，分為1-5共五級；項目反應理論認為用戶成功解答某一問題的可能性與用戶特征有一定的關系；在用戶能力估計值一定的情況下，難易度提高則答題正確率降低；區分度是指在能力估計值的改變對正確率的變化的影響，如果區分度高，則能力估計值的微小改變可能造成答題正確率的較大變化；猜測參數是指當用戶的能力估計值極低的情況下仍然能夠正確解答問題的概率；可以結合項目反應理論，基于該些數據確定用于向用戶推薦的題目；

全局錯誤率為學生做一整個試卷中的該考題的錯誤率；

單獨錯誤率為學生做單獨一道該考題的錯誤率。

5.根據權利要求4所述的基于用戶歷史行為分析的智能試卷算法，其特征在于：

在步驟3中：

卷積神經網絡的輸出節點通過多個邏輯斯特回歸擬合降維得到二值碼；

通過所述卷積神經網絡輸出的特征與所述原始特征降維后特征的擬合殘差進行誤差反向傳播訓練得到更新后的卷積神經網絡模型；

利用所述更新后的卷積神經網絡模型對考試考題數據進行深度語義特征映射，然后利用K均值聚類算法得到考題習題數據。

6.根據權利要求5所述的基于用戶歷史行為分析的智能試卷算法，其特征在于：

在步驟4中：

依照題目數據的題目類別，選擇歷史考試習題數據中題目的難易度等級；接著對選擇的歷史考試習題數據中題目的各個難易度等級分別進行分值計算，再求平均值，平均值即需要等于所需題目數據的分值；

分值計算的公式為：

A＝B*C+B*D

A為該難易度等級的分值，B為歷史考試習題數據中題目的難易度等級，C為全局錯誤率，D為單獨錯誤率。