[發明專利]基于深度學習的命題智能分析處理方法和系統有效
| 申請號: | 202010856601.8 | 申請日: | 2020-08-24 |
| 公開(公告)號: | CN112015780B | 公開(公告)日: | 2021-06-01 |
| 發明(設計)人: | 崔煒 | 申請(專利權)人: | 上海松鼠課堂人工智能科技有限公司 |
| 主分類號: | G06F16/2458 | 分類號: | G06F16/2458;G06F16/28;G06F16/248 |
| 代理公司: | 暫無信息 | 代理人: | 暫無信息 |
| 地址: | 200237 上海市徐*** | 國省代碼: | 上海;31 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 基于 深度 學習 命題 智能 分析 處理 方法 系統 | ||
1.基于深度學習的命題智能分析處理方法,其特征在于,其包括如下步驟:
步驟S1,獲取預設目標學科對應的歷史命題數據,并從所述歷史命題數據中確定同類型命題對應的出現時間信息和出現次數信息,以此確定所述同類型命題的綜合出現規律評價值;
步驟S2,根據歷史考試命題大綱和歷史熱點命題信息,對所述同類型命題的綜合出現規律評價值進行優化處理,以此確定所述同類型命題的優化處理后的綜合出現規律評價值,并確定同類型命題對應的命題占比權重值;
步驟S3,根據所述同類型命題的優化處理后的綜合出現規律評價值和命題占比權重值,確定預測命題信息,并將所述預測命題信息進行可視化顯示以供用戶選擇;
步驟S4,接收所述用戶選擇的所述預測命題信息,產生與所述用戶選擇的預測命題信息對應的考試試卷;
其中,在所述步驟S1中,獲取預設目標學科對應的歷史命題數據,并從所述歷史命題數據中確定同類型命題對應的出現時間信息和出現次數信息,以此確定所述同類型命題的綜合出現規律評價值具體包括:
步驟S101,根據預設目標學科的學科類別信息,從預設命題歷史數據庫中,摘選與所述預設目標學科對應的歷史命題數據;
步驟S102,根據所述預設目標學科的歷史考試時間戳信息,對所述歷史命題數據進行識別處理,以此確定所述歷史命題數據中同類型命題對應的出現時間信息和出現次數信息;
步驟S103,根據所述出現時間信息、所述出現次數信息以及下面公式(1),確定所述同類型命題的綜合出現規律評價值A:
在上述公式(1)中,m1表示在所述歷史命題數據中,根據所述歷史考試時間戳信息所確定的所述同類型命題對應的知識內容的所有類型命題的出現總次數,m0表示所述歷史命題數據中根據所述歷史考試時間戳信息確定的所述同類型命題的出現總次數;在所述歷史命題數據中,根據所述歷史考試時間戳信息,按照考試時間從前往后的順序將所述同類型命題對應的知識內容的所有類型命題進行排序,形成所述同類型命題對應的知識內容的命題序列,此時,m0-1表示所述命題序列中第m0-1組相鄰的兩個所述同類型命題之間所間隔的命題數目;Δk表示第k組相鄰的兩個所述同類型命題之間的出現時間間隔,T(Δm′)表示m0-1組相鄰的兩個所述同類型命題之間的出現時間間隔中的最大值;T(Δm″)表示m0-1組相鄰的兩個所述同類型命題之間的出現時間間隔中的最小值;
其中,在所述步驟S2中,根據歷史考試命題大綱和歷史熱點命題信息,對所述同類型命題的綜合出現規律評價值進行優化處理,以此確定所述同類型命題的優化處理后的綜合出現規律評價值,并確定同類型命題對應的命題占比權重值具體包括:
步驟S201,根據歷史考試命題大綱、歷史熱點命題信息和下面公式(2),對所述同類型命題的綜合出現規律評價值A進行優化處理,從而得到所述同類型命題的優化處理后的綜合出現規律評價值A′:
在上述公式(2)中,n表示根據所述歷史考試時間戳信息確定的歷史考試總次數,si表示所述同類型命題對應的知識內容在第i次歷史考試對應的考試命題大綱中對應的命題出現概率值、且i=1、2、3、…、n,pi表示所述同類型命題對應的知識內容在第i次歷史考試對應的熱點命題中對應的熱度值、且i=1、2、3、…、n;
步驟S202,將所有的同類型命題各自的優化處理后的綜合出現規律評價值A′按照從大到小的順序進行排序,獲得同類型命題排序序列;
步驟S203,獲取同類型命題排序序列中的每個同類型命題各自的命題關鍵詞,按照如下公式(3)分別確定每個同類型命題對應的命題占比權重值:
在上述公式(3)中,wj表示同類型命題排序序列中第j個同類型命題對應的命題占比權重值;m表示所述預設目標學科對應的歷史命題數據中所包括的所有命題關鍵詞在所有歷史考試中所出現的總次數;βj表示所述預設目標學科對應的歷史命題數據中第j個命題關鍵詞在所有歷史考試中對應的出現總次數,表示包含第j個命題關鍵詞的所有命題在所述歷史命題數據中的數據比特占比;所述同類型命題的命題關鍵詞包括命題類型的類型關鍵詞和命題對應的知識內容的關鍵詞;
步驟S204,將所述同類型命題排序序列中的每個同類型命題與其相應的命題占比權重值進行一一對應記錄,形成命題預測參考列表;
其中,在所述步驟S3中,根據所述同類型命題的優化處理后的綜合出現規律評價值和命題占比權重值,確定預測命題信息,并將所述預測命題信息進行可視化顯示以供用戶選擇具體包括:
步驟S301,在所述命題預測參考列表中,選擇前X位的同類型命題;
步驟S302,根據所述前X位的同類型命題各自的命題占比權重值、預設的試卷命題總數量,確定前X位的同類型命題各自對應的基準命題數量;
步驟S303,針對前X位的同類型命題中的每個同類型命題:從預設命題庫中,調取出該個同類型命題對應的Y個命題,所述Y等于或大于該個同類型命題對應的基準命題數量;
步驟S304,將調取出的前X位的同類型命題各自對應的所有命題作為預測命題信息,將預測命題信息進行可視化顯示以供用戶選擇。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于上海松鼠課堂人工智能科技有限公司,未經上海松鼠課堂人工智能科技有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010856601.8/1.html,轉載請聲明來源鉆瓜專利網。





