[發(fā)明專利]基于用戶歷史行為分析的智能試卷算法

在審

• 申請?zhí)枺?/td>: 202010838743.1
• 申請日: 2020-08-19
• 公開（公告）號: CN112015861A
• 公開（公告）日: 2020-12-01
• 發(fā)明（設(shè)計）人: 朱春平
• 申請（專利權(quán)）人: 浙江無極互聯(lián)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

本發(fā)明提供一種基于用戶歷史行為分析的智能試卷算法，包括以下步驟：1)、獲取所需題目數(shù)據(jù)；2)、將所需題目數(shù)據(jù)和歷史考試習(xí)題數(shù)據(jù)輸入到數(shù)據(jù)倉庫中進行智能，得到智能分析結(jié)果；3)、對于智能分析結(jié)果利用卷積神經(jīng)網(wǎng)絡(luò)模型進行處理，得到考題習(xí)題數(shù)據(jù)；4)、根據(jù)所需題目數(shù)據(jù)，從歷史考試習(xí)題數(shù)據(jù)中選擇部分題目，生成考試習(xí)題數(shù)據(jù)。在步驟1中：所需題目數(shù)據(jù)是人為輸入，所需題目數(shù)據(jù)具體包括分值和題目類別。本發(fā)明基于用戶歷史行為分析的智能試卷算法，可以通過學(xué)習(xí)過程從歷史考試習(xí)題數(shù)據(jù)中選取部分題目，生成考題習(xí)題數(shù)據(jù)，作為試卷的題目。

技術(shù)領(lǐng)域

本發(fā)明涉及教學(xué)及信息處理技術(shù)領(lǐng)域，具體涉及一種基于用戶歷史行為分析的智能試卷算法。

背景技術(shù)

隨著計算機應(yīng)用技術(shù)和網(wǎng)絡(luò)技術(shù)的不斷發(fā)展，計算機考試系統(tǒng)已經(jīng)成為廣為使用的一種考試系統(tǒng)，并逐漸取代傳統(tǒng)的考試模式。計算機考試系統(tǒng)具有隨機組卷、考試時間控制規(guī)范、系統(tǒng)自動評分、有效防止舞弊的優(yōu)點，由此使得考務(wù)工作自動化，也保證了出卷、考試和考生管理各階段的正常和有序，使考試更趨于客觀、合理和公證。

與傳統(tǒng)考試模式一樣，在計算機考試系統(tǒng)的應(yīng)用中，對于測試者所完成的試卷進行分析也是在考試完成后所需要進行的，由此來獲取測試者在考試過程中的整體答題情況以及對知識點的掌控情況。但是現(xiàn)有技術(shù)中對于試卷分析通常只包括：本次考試中整份試卷各個分數(shù)段的測試者人數(shù)、相對頻率、最高分、最低分、平均分以及及格率。可見，該試卷分析僅僅使考察方獲取了對一次考試中測試者分數(shù)分布情況的概況，而對于試卷的試題合理性分布以及試題難度的選定并沒有給出任何有指導(dǎo)意義的或者提示性的建議。

因此，需要對現(xiàn)有技術(shù)進行改進。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問題是提供一種高效的基于用戶歷史行為分析的智能試卷算法。

為解決上述技術(shù)問題，本發(fā)明提供一種基于用戶歷史行為分析的智能試卷算法，包括以下步驟：

1)、獲取所需題目數(shù)據(jù)；

2)、將所需題目數(shù)據(jù)和歷史考試習(xí)題數(shù)據(jù)輸入到數(shù)據(jù)倉庫中進行智能，得到智能分析結(jié)果；

3)、對于智能分析結(jié)果利用卷積神經(jīng)網(wǎng)絡(luò)模型進行處理，得到考題習(xí)題數(shù)據(jù)；

4)、根據(jù)所需題目數(shù)據(jù)，從歷史考試習(xí)題數(shù)據(jù)中選擇部分題目，生成考試習(xí)題數(shù)據(jù)。

作為對本發(fā)明基于用戶歷史行為分析的智能試卷算法的改進：

在步驟1中：

所需題目數(shù)據(jù)是人為輸入，所需題目數(shù)據(jù)具體包括分值和題目類別。

作為對本發(fā)明基于用戶歷史行為分析的智能試卷算法的改進：

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(jīng)網(wǎng)絡(luò)的輸入特征學(xué)習(xí)深度表示特征。

作為對本發(fā)明基于用戶歷史行為分析的智能試卷算法的改進：

在步驟2中：

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

難易度是題目復(fù)雜程度，分為1-5共五級；項目反應(yīng)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(guān)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(qū)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(qū)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(shù)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(jié)合項目反應(yīng)理論，基于該些數(shù)據(jù)確定用于向用戶推薦的題目；