英语分级阅读材料自动推荐方法及装置制造方法及图纸

本发明专利技术实施例公开了一种英语分级阅读材料自动推荐方法及装置，所述方法包括：首先，构建优质题库；计算每一阅读材料文本的难度预测指标的特征值；使用标准十分乘以10的计算方式，将阅读材料文本中的试题的难度均值构建为TL难度指数，然后，获取学生的阅读能力水平；从优质题库中选出适合学生阅读的阅读材料文本。本发明专利技术实施例公开的英语分级阅读材料自动推荐方法及装置，通过构建优质题库，计算难度预测指标的特征值，最终生成了TL难度指数，使TL难度指数更加科学、更加准确，进而能够根据TL难度指数向读者推荐适合的阅读材料文本，从而循序渐进地提高阅读能力水平。

Automatic Recommendation Method and Device for English Graded Reading Materials

【技术实现步骤摘要】
英语分级阅读材料自动推荐方法及装置
本专利技术实施例涉及计算机
，具体涉及一种英语分级阅读材料自动推荐方法及装置。
技术介绍
分级阅读是按照孩子在不同年龄段的智力和心理发育程度为他们提供的阅读计划，这些阅读计划具有科学性、针对性、系统性，能够循序渐进地提高读者的阅读能力。阅读材料的难度将对提高读者的阅读能力产生至关重要的影响，因此，科学、准确地确定阅读材料的难度成了关键。现有技术中，针对阅读材料的材料难度指数的确定，存在如下问题：一、试题等值的难度。许多测量学家和统计学家也提出了各式各样的等值方法，但仍然存在难以实践的问题。事实上，传统的等值方法需要首先设计一个共同组，然后邀请共同组完成两份不同的试题，或者是设计一套共同题，然后邀请两组学生(符合一定的人口学特征或者是教育学特征的分布)来完成试题。这样做的后果是，第一，每次可等值的题量较少，至多不到30道题目，效率很低。第二，每次等值都需要进行专门的、实验化的设计，而独立于专门的业务活动，这样做会造成等值的成本较高(主要是邀请被试的成本较高，因为需要与学校或培训机构协商，且要保障样本的合理性，同时考虑到被试的心理，不一定能建立长期、稳定的合作点)。由于过多的限制条件，导致题库建设实际上是一个非常漫长而繁琐的过程。这个是行业内尚未解决的技术难点。二、阅读材料参数估计的难度。阅读材料的难度估计依赖于建立在该文本之上的试题的难度，而试题编制的本质是心理测验的编制，因此要服从于心理测验的编制流程，也即对每一份心理测验的题目都要进行预试以获取相关指标的特征，比如难度。然而，对于市场化的公司而言，对每一篇阅读都完成上述流程是一件极高成本的事情，而越过此一环节又难以保证质量，如何在保证质量的前提下高效地产出阅读文本，是行业内难以解决的问题。三、适应于特定读者的预测。一些做法是采取蒙特卡洛模拟的方法证明，使用项目反应理论的方法来预测读者对该文本的掌握概率，与使用试题均值来预测没有显著差异。在此基础上，构建回归模型来预测阅读难度，从而免去了对文本的预试和等值的环节。然而，这种方案通常会存在以下几个问题，第一，未能考虑到母语学习与二语学习者区别。第二，这种分级阅读体系，并未考虑特定读者的刚性需求，例如，高考考生对高考英语的提分需求。
技术实现思路
为此，本专利技术实施例提供一种英语分级阅读材料自动推荐方法及装置，以解决现有技术中由于机械化地套用国外分级阅读体系的模型而导致的难度指数结果不准确、无法适应特定读者的需求的问题。为了实现上述目的，本专利技术实施例提供如下技术方案：根据本专利技术实施例的第一方面提供一种英语分级阅读材料自动推荐方法，包括：对预设的历次考试中的阅读材料文本中的试题进行参数估计和等值处理，构建优质题库；计算每一阅读材料文本的难度预测指标的特征值；使用标准十分乘以10的计算方式，将阅读材料文本中的试题的难度均值构建为TL难度指数；获取学生的阅读能力水平；根据学生的阅读能力水平，从所述优质题库中选出适合学生阅读的阅读材料文本。进一步地，所述对预设的历次考试中的阅读材料文本中的试题进行参数估计和等值处理，具体包括：采用项目反应理论中的3PL模型对预设的历次考试中的阅读材料文本中的试题进行参数估计和等值处理。进一步地，所述计算每一阅读材料文本的难度预测指标的特征值，具体包括：遴选阅读材料文本的难度预测指标；对阅读材料文本进行清洗和分词，获取每一阅读材料文本的难度预测指标的特征值。进一步地，所述难度预测指标包括初选指标：难词比、词频对数均值、平均句长、全文长度、主题和体裁。进一步地，所述将阅读材料文本中的试题的难度均值构建为TL难度指数之后，还包括：计算教师上传的目标阅读材料文本的TL难度指数；获取所述目标阅读材料文本的教学用途上的标注和对应的试题，所述标注和试题是教师根据目标阅读材料文本的内在的知识点、能力点等内容，并结合高考考察规律进行完成的；根据所述目标阅读材料文本，以及所述目标阅读材料文本的教学用途上的标注和对应的试题，构建授课过程中使用的素材。根据本专利技术实施例的第二方面提供一种英语分级阅读材料自动推荐装置，包括：构建模块，用于对预设的历次考试中的阅读材料文本中的试题进行参数估计和等值处理，构建优质题库；计算模块，用于计算每一阅读材料文本的难度预测指标的特征值；生成模块，用于使用标准十分乘以10的计算方式，将阅读材料文本中的试题的难度均值构建为TL难度指数；获取模块，用于获取学生的阅读能力水平；推荐模块，用于根据学生的阅读能力水平，从所述优质题库中选出适合学生阅读的阅读材料文本。进一步地，所述对预设的历次考试中的阅读材料文本中的试题进行参数估计和等值处理，具体包括：采用项目反应理论中的3PL模型对预设的历次考试中的阅读材料文本中的试题进行参数估计和等值处理。再一方面，本专利技术实施例提供一种电子设备，包括：存储器、处理器，以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现上述方法的步骤。又一方面，本专利技术实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，当所述计算机程序被处理器执行时，实现上述方法的步骤。本专利技术实施例具有如下优点：本专利技术实施例公开的英语分级阅读材料自动推荐方法及装置，通过构建优质题库，计算难度预测指标的特征值，最终生成了TL难度指数，使TL难度指数更加科学、更加准确，进而能够根据TL难度指数向读者推荐适合的阅读材料文本，从而循序渐进地提高阅读能力水平。附图说明为了更清楚地说明本专利技术的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本专利技术可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本专利技术所能产生的功效及所能达成的目的下，均应仍落在本专利技术所揭示的
技术实现思路
得能涵盖的范围内。图1为本专利技术实施例提供的一种英语分级阅读材料自动推荐方法示意图；图2为本专利技术实施例提供的英语分级阅读材料自动推荐技术原理图；图3为本专利技术实施例提供的一种英语分级阅读材料自动推荐装置示意图；图4为本专利技术实施例提供的电子设备的结构示意图。具体实施方式以下由特定的具体实施例说明本专利技术的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本专利技术的其他优点及功效，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。图1为本专利技术实施例提供的一种英语分级阅读材料自动推荐方法示意图，如图1所示，本专利技术实施例提供一种英语分级阅读材料自动推荐方法，其执行主体为英语分级阅读材料自动推荐装置，该方法包括：步骤S101、对预设的历次考试中的阅读材料文本中的试题进行参数估计和等值处理，构建优质题库；步骤S102、计算每一阅读材料文本的难度预测指标的特征值；步骤S103、使用标准十本文档来自技高网...

【技术保护点】
1.一种英语分级阅读材料自动推荐方法，其特征在于，包括：对预设的历次考试中的阅读材料文本中的试题进行参数估计和等值处理，构建优质题库；计算每一阅读材料文本的难度预测指标的特征值；使用标准十分乘以10的计算方式，将阅读材料文本中的试题的难度均值构建为TL难度指数；获取学生的阅读能力水平；根据学生的阅读能力水平，从所述优质题库中选出适合学生阅读的阅读材料文本。

【技术特征摘要】
1.一种英语分级阅读材料自动推荐方法，其特征在于，包括：对预设的历次考试中的阅读材料文本中的试题进行参数估计和等值处理，构建优质题库；计算每一阅读材料文本的难度预测指标的特征值；使用标准十分乘以10的计算方式，将阅读材料文本中的试题的难度均值构建为TL难度指数；获取学生的阅读能力水平；根据学生的阅读能力水平，从所述优质题库中选出适合学生阅读的阅读材料文本。2.根据权利要求1所述的英语分级阅读材料自动推荐方法，其特征在于，所述对预设的历次考试中的阅读材料文本中的试题进行参数估计和等值处理，具体包括：采用项目反应理论中的3PL模型对预设的历次考试中的阅读材料文本中的试题进行参数估计和等值处理。3.根据权利要求1所述的英语分级阅读材料自动推荐方法，其特征在于，所述计算每一阅读材料文本的难度预测指标的特征值，具体包括：遴选阅读材料文本的难度预测指标；对阅读材料文本进行清洗和分词，获取每一阅读材料文本的难度预测指标的特征值。4.根据权利要求1所述的英语分级阅读材料自动推荐方法，其特征在于，所述难度预测指标包括初选指标：难词比、词频对数均值、平均句长、全文长度、主题和体裁。5.根据权利要求1所述的英语分级阅读材料自动推荐方法，其特征在于，所述将阅读材料文本中的试题的难度均值构建为TL难度指数之后，还包括：计算教师上传的目标阅读材料文本的TL难度指数；获取所述目标阅读材料文本的教学用途上的标注和对应的试题，...

【专利技术属性】
技术研发人员：刘晓峰，刘学，孙雄飞，
申请(专利权)人：北京学格科技有限公司，
类型：发明
国别省市：北京,11