试题难度预测方法及相关装置制造方法及图纸

本申请实施例公开了一种试题难度预测方法及相关装置，方法包括：获取第一试题的待分析试题信息，所述待分析试题信息包括试题文本信息和目标群体信息，所述目标群体信息用于指示需要使用所述第一试题的目标用户群体；处理所述待分析试题信息得到所述第一试题的试题难度预测特征，所述试题难度预测特征包括解题过程特征和目标群体特征；将所述解题过程特征和所述目标群体特征输入预先训练的绝对难度级别预测模型，得到所述第一试题的绝对难度预测结果。本申请不仅能够保证试题难度预测的客观性，还可以适应不同目标群体的难度主观认知。

【技术实现步骤摘要】
试题难度预测方法及相关装置
本申请涉及深度学习
，具体涉及一种试题难度预测方法及相关装置。
技术介绍
个性化教育作为未来基础教育发展的一个重要方向，受到众多教育领域工作者的认同。相对于现有的传统教育模式，个性化教育可以在教授、学习、测评、练习等多个教育环节提升教育教学质量，降低学生负担。然而长久以来现有教育模式下有限的教育资源限制了个性化教育工作的推进，这一问题随着教育信息化工作的覆盖和深入得到了有效缓解，大量的教育领域数据，如试题数据、学生学习过程数据、考试数据等为个性化教育的推进提供了数据基础，使得深度学习、数据挖掘等技术可以在各个教育环节发挥作用。
技术实现思路
本申请实施例提供了一种试题难度预测方法及相关装置，以期提高针对不同群体的试题的难度预测的效率和准确率。第一方面，本申请实施例提供试题难度预测方法，包括：获取第一试题的待分析试题信息，所述待分析试题信息包括试题文本信息和目标群体信息，所述目标群体信息用于指示需要使用所述第一试题的目标用户群体；处理所述待分析试题信息得到所述第一试题的试题难度预测特征，所述试题难度预测特征包括解题过程特征和目标群体特征；将所述解题过程特征和所述目标群体特征输入预先训练的绝对难度级别预测模型，得到所述第一试题的绝对难度预测结果。第二方面，本申请实施例提供一种试题难度预测装置，包括处理单元和通信单元，其中，所述处理单元，用于通过所述通信单元获取第一试题的待分析试题信息，所述待分析试题信息包括试题文本信息和目标群体信息，所述目标群体信息用于指示需要使用所述第一试题的目标用户群体；以及用于处理所述待分析试题信息得到所述第一试题的试题难度预测特征，所述试题难度预测特征包括解题过程特征和目标群体特征；以及用于将所述解题过程特征和所述目标群体特征输入预先训练的绝对难度级别预测模型，得到所述第一试题的绝对难度预测结果。第三方面，本申请实施例提供一种电子设备，包括处理器、存储器、通信接口以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，上述程序包括用于执行本申请实施例第一方面任一方法中的步骤的指令。第四方面，本申请实施例提供了一种计算机可读存储介质，其中，上述计算机可读存储介质存储用于电子数据交换的计算机程序，其中，上述计算机程序使得计算机执行如本申请实施例第一方面任一方法中所描述的部分或全部步骤。第五方面，本申请实施例提供了一种计算机程序产品，其中，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如本申请实施例第一方面任一方法中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。可以看出，本申请实施例中，首先获取第一试题的待分析试题信息，所述待分析试题信息包括试题文本信息和目标群体信息，所述目标群体信息用于指示需要使用所述第一试题的目标用户群体；然后处理所述待分析试题信息得到所述第一试题的试题难度预测特征，所述试题难度预测特征包括解题过程特征和目标群体特征；最后将所述解题过程特征和所述目标群体特征输入预先训练的绝对难度级别预测模型，得到所述第一试题的绝对难度预测结果。可见，本申请提供的试题难度预测方法及相关装置不仅可以保证试题难度预测的客观性，还可以适应不同目标群体的难度主观认知。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例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本申请的一些实施例，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，还可以根据这些附图获得其他的附图。图1是本申请实施例提供的一种试题难度预测系统的示意图；图2是本申请实施例提供的一种试题难度预测的流程示意图；图3a是本申请实施例提供的一种试题解答过程解析树示意图；图3b是本申请实施例提供的一种难度级别预测模型训练系统结构示意图；图4本申请实施例提供的一种电子设备的结构示意图；图5本申请实施例提供的一种试题难度预测装置的功能单元组成框图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，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。本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。目前，试题难度预测技术主要分为基于传统统计方法的方案和基于深度学习方法的方案两个大的类别，但是因为基于统计方法的方案是根据学生作答记录进行统计计算，因此计算结果受采集的作答记录影响较大，而基于深度学习方法的方案以试题内容为基础进行分析，因此在个性化教育场景下，试题难度的标尺并不统一，不同学生群体对同一试题的难度认知又有所不同。针对上诉问题，本申请实施例提供了一种试题难度预测方法及相关装置，下面结合附图对本申请实施例进行详细介绍。如图1所示，图1是本申请实施例提供的一种试题难度预测系统的示意图，所述试题难度预测系统100包括客户端110和服务器120。所述服务器120用于训练绝对难度级别预测模型，所述服务器120与所述客户端110通信连接，用于向客户端110推送训练好的绝对难度级别预测模型，所述客户端110用于对所述绝对级别难度预测模型进行应用，使得用户可以在客户端110处进行试题难度预测。请参阅图2，图2是本申请实施例提供的一种试题难度预测的流程示意图，如图所示，本试题难度预测方法包括如下步骤。S201，获取第一试题的待分析试题信息，所述待分析试题信息包括试题文本信息和目标群体信息，所述目标群体信息用于指示需要使用所述第一试题的目标用户群体。其中，试题文本信息包括但不限于试题题干文本、试题标准答案文本和试题解析文本，特别的，针对部分试题内容可能以图片形式表示，如公式、配图等，还可以通过OCR(OpticalCharacterRecognition，光学字符识别)技术对图像进行识别，得到文本信息。目标群体信息包括使用待分析试题的学生群体，目标群体信息包括但不限于学校或班级信息和群体历史答题本文档来自技高网...

【技术保护点】
1.一种试题难度预测方法，其特征在于，包括：/n获取第一试题的待分析试题信息，所述待分析试题信息包括试题文本信息和目标群体信息，所述目标群体信息用于指示需要使用所述第一试题的目标用户群体；/n处理所述待分析试题信息得到所述第一试题的试题难度预测特征，所述试题难度预测特征包括解题过程特征和目标群体特征；/n将所述解题过程特征和所述目标群体特征输入预先训练的绝对难度级别预测模型，得到所述第一试题的绝对难度预测结果。/n

【技术特征摘要】
1.一种试题难度预测方法，其特征在于，包括：
获取第一试题的待分析试题信息，所述待分析试题信息包括试题文本信息和目标群体信息，所述目标群体信息用于指示需要使用所述第一试题的目标用户群体；
处理所述待分析试题信息得到所述第一试题的试题难度预测特征，所述试题难度预测特征包括解题过程特征和目标群体特征；
将所述解题过程特征和所述目标群体特征输入预先训练的绝对难度级别预测模型，得到所述第一试题的绝对难度预测结果。


2.根据权利要求1所述的方法，其特征在于，所述处理所述待分析试题信息得到所述第一试题的试题难度预测特征，包括：
根据所述试题文本信息确定所述第一试题的试题解答过程；
对所述试题解答过程进行特征抽取，得到所述解题过程特征；
根据所述目标群体信息确定所述目标用户群体针对所述第一试题的所述群体水平特征，所述目标群体特征包括所述群体水平特征。


3.根据权利要求2所述的方法，其特征在于，所述根据所述试题文本信息确定所述第一试题的试题解答过程，包括：
对所述试题文本信息进行步骤分离，得到步骤分离结果；
根据所述步骤分离结果生成作答篇章结构树；
根据所述作答篇章结构树预测节点间的数学关系，所述节点包括条件步骤节点和结论步骤节点，所述节点间的数学关系为条件步骤节点和结论步骤节点之间的数学关系，所述数学关系用于表征所述第一试题的试题解答过程。


4.根据权利要求2或3所述的方法，其特征在于，所述对所述试题解答过程进行特征抽取，得到所述解题过程特征，包括：
调用预先设置的特征抽取模型；
将所述试题解答过程输入所述特征抽取模型，得到所述解题过程特征。


5.根据权利要求2-4任一项所述的方法，其特征在于，所述根据所述目标群体信息确定所述目标用户群体针对所述第一试题的所述群体水平特征，...

【专利技术属性】
技术研发人员：沙晶，付瑞吉，王士进，魏思，
申请(专利权)人：科大讯飞股份有限公司，
类型：发明
国别省市：安徽;34