基于深度学习的智能阅读能力测评系统技术方案

本发明专利技术涉及的基于深度学习的智能阅读能力测评系统包括：信息获取模块，用于获取用户的用户信息，在测评题库中调用所述用户信息对应的初始测试题组，以供用户进行测试；信息处理模块，获取测试结果通过将测试结果与预设的标准答案进行对比，获取用户的成绩和对应的测试题构成初始数据集，将初始数据集中明显异常的成绩和对应的测试题丢弃，并将剩余数据进行标注，获得标注数据集，并将标注数据集划分为训练集与测试集；所述信息处理模块包括深度学习单元，所述深度学习单元用于选择和设计深度学习模型，获得深度学习初始模型和深度学习最终模型。本发明专利技术的有益效果是：能够提高对测试人员阅读能力评价的快捷性和准确性。人员阅读能力评价的快捷性和准确性。人员阅读能力评价的快捷性和准确性。

【技术实现步骤摘要】
基于深度学习的智能阅读能力测评系统


[0001]本专利技术涉及测评管理系统，尤其涉及基于深度学习的智能阅读能力测评系统。

技术介绍

[0002]目前，阅读能力是个体发展过程中一项重要的基本素质，也是基础教育阶段教育的重要任务之一。不同的测试人员，基于自身的发展，阅读的能力完全不同。“分级阅读”是适应和配合不同年龄测试人员身心发展的特点、为提高测试人员阅读能力实行的一种阅读计划。
[0003]但是，现有的分级方法存在以下缺陷：忽视了儿童对图书的认知水平——对图书的题材、体裁、词汇水平等方面的认知能力以及接受能力等的差异性，只能对图书分级，不能对阅读能力进行分级。

技术实现思路

[0004]为了克服现有技术中的至少部分缺陷，本专利技术实施例提供了一种基于深度学习的智能阅读能力测评系统，能够基于测试人员的注意力情况来针对性的进行阅读能力的计算，能够使计算结果更加精准。
[0005]本专利技术涉及的一种基于深度学习的智能阅读能力测评系统，其特征在于，包括：
[0006]信息获取模块，用于获取用户的用户信息，在测评题库中调用所述用户信息对应的初始测试题组，以供用户进行测试；
[0007]信息处理模块，获取测试结果通过将测试结果与预设的标准答案进行对比，获取用户的成绩和对应的测试题构成初始数据集，将初始数据集中明显异常的成绩和对应的测试题丢弃，并将剩余数据进行标注，获得标注数据集，并将标注数据集划分为训练集与测试集；
[0008]所述信息处理模块包括深度学习单元，所述深度学习单元用于选择和设计深度学习模型，获得深度学习初始模型和深度学习最终模型，具体步骤如下：
[0009]S1、选择深度学习模型；根据所选择的深度学习模型，在网络的首层添加一个自适应层，获得深度学习设计模型；根据所述深度学习设计模型，在网络的尾层添加一个自定义的损失函数loss，获得深度学习初始模型；
[0010]S2、调整深度学习初始模型超参数，根据获得的训练集数据，对所述深度学习初始模型进行训练，获得深度学习训练后模型，根据获得的测试集数据，对所述深度学习训练后模型进行测试，计算获得测试系数；
[0011]S3、判断所述测试系数是否达到一固定参数值以上，判断结果为是，则深度学习训练后模型参数符合要求，训练结束，获得深度学习最终模型；否则，深度学习训练后模型参数不符合要求，返回步骤S2；
[0012]S4、采用深度学习最终模型对用户的阅读能力进行判断。
[0013]进一步地，所述测试结果包括测试人员对文本的识别能力，对文本的评价能力以
及对文本的阅读认知能力。
[0014]进一步地，信息处理模块包括信息筛选单元，所述信息筛选单元用于设定阅读能力的第一阈值和第二阈值，并将低于第一阈值和高于第二阈值的数据舍弃；
[0015]所述信息处理模块还包括注意力判断单元，所述注意力判断单元用于根据心跳或眼动数据获得测试人员的注意力集中程度，并将注意低状态下的测试数据舍弃。
[0016]进一步地，所述测试结果包括识读文本的评分，包括能够认读和从形式上辨识文本的各组成部分——文字、词语、句子及标点；
[0017]解释文本的评分，包括理解文本内的词语、句子、文章的大意等，表现为能够解释文本中的重要词语、句子、段落意涵；
[0018]复述文本的评分，包括复述文本内容，表现为能够摘录、复现文本的观点、情节、事件和思路；
[0019]概述文本的评分，包括概括表述全文或各部分主旨，后者表现为能勾画分出若干文本段落并表述每个段落的意思；
[0020]解析文本的评分：包括分析解读文本，表现为能够对文本做出的辨析和解说；
[0021]评说文本分评分，包括对文本做出评论，表现为能够分辨文本不同部分、构件、观点、人物、事件等的异同，综合相关材料或论点，给出一些评价意见。
[0022]进一步地，还包括文本分级模块，所述文本分级模块对文本的分级包括以下步骤，
[0023]A1、将待评估的作品文本输入到训练后的文本分类模型中，再根据分类结果，将分类结果及其待评估的作品输入到步骤S3中训练得到的该类别下的分级模型中，得待评估作品文本的分类分级结果，再将待评估作品文本的分类分级结果作为所属类别下作品文本的阅读难度等级评估值，然后将该作品文本及其该作品文本的分类分级结果存储于数据库中；
[0024]A2、获取汉语的阅读能力维度及考察点，并根据所述阅读能力维度、考察点、测试题目的文本篇幅、文本体裁类型、生字覆盖率进行阅读能力定级；
[0025]进一步地，还包括分类单元，所述分类单元用于将不同难度等级的作品按照学科分类进行再次分类，并形成不同的作品集合，用于不同学科的阅读能力的测试，进而判断出测试者的薄弱环节，对测试者阅读能力的提高提供指导。
[0026]进一步地，所述采集模块包括心跳数据采集单元，所述心跳数据获取单元用于通过毫米波雷达或心跳传感器获取测试人员的心跳数据，并将心跳数据发送到注意力判断单元，注意力判断单元将测试人员的注意力是否集中的数据发送至所述信息处理模块。
[0027]进一步地，所述采集模块包括眼动数据获取单元，所述眼动数据获取单元在所述用户查看每个作品的过程中，采集所述用户查看每个作品对应的眼动数据，并将眼动数据发送到注意力判断单元，所述用于根据所述眼动数据，确定所述用户当前的注意力的集中状态，并将其发送至信息处理模块。
[0028]进一步地，还包括显示模块，所述显示模块用于展示测试人员的测试结果，还用于向所述测试人员推送测试测试题组，测试人员通过与所述显示模块连接的人机交互接口进行测试题组的作答。
[0029]进一步地，还包括辅助判断单元和视频存储单元，所述视频存储单元用于存储测试人员的答题视频，所述辅助判断单元连接有人机交互接口，辅助评测人员通过观看测试
人员的答题视频对答题情况进行判断，并通过人机交互接口输入修正值，对深度学习最终模型的计算结果进行修正，所述辅助判断单元还与所述分类单元及作品分级模块信号连接，用于对分类结果及分级结果进行修正。
[0030]本专利技术的有益之处在于：对测试人员的阅读能力进行测评并划分等级和阶段，解决了现有分级阅读中，只能对图书分级，无法对阅读能力进行分级的问题；
[0031]通过现有的测试数据获得深度学习最终模型，能够提高对阅读能力的评价速度，能够快速的为测试人员的阅读方向提供指导，降低现有技术中评价过程繁杂，评价标准难以统一的缺陷；
[0032]能够对测试人员在不同注意力情况下的阅读能力进行分别处理，避免因为测试人员的集中力不同，而导致测试结果相差较大，影响最终结果的确定，提高测试结果的精准度；
[0033]为了进一步提高精准度，还引入了辅助判断单元和视频存储单元，方便进行后续的复盘，在系统发生误判时能够及时进行纠正。
[0034]为让本专利技术的上述和其他目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附图式，作详细说明本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的智能阅读能力测评系统，其特征在于，包括：信息获取模块，用于获取用户的用户信息，在测评题库中调用所述用户信息对应的初始测试题组，以供用户进行测试；信息处理模块，获取测试结果通过将测试结果与预设的标准答案进行对比，获取用户的成绩和对应的测试题构成初始数据集，将初始数据集中明显异常的成绩和对应的测试题丢弃，并将剩余数据进行标注，获得标注数据集，并将标注数据集划分为训练集与测试集；所述信息处理模块包括深度学习单元，所述深度学习单元用于选择和设计深度学习模型，获得深度学习初始模型和深度学习最终模型，具体步骤如下：S1、选择深度学习模型；根据所选择的深度学习模型，在网络的首层添加一个自适应层，获得深度学习设计模型；根据所述深度学习设计模型，在网络的尾层添加一个自定义的损失函数loss，获得深度学习初始模型；S2、调整深度学习初始模型超参数，根据获得的训练集数据，对所述深度学习初始模型进行训练，获得深度学习训练后模型，根据获得的测试集数据，对所述深度学习训练后模型进行测试，计算获得测试系数；S3、判断所述测试系数是否达到一固定参数值以上，判断结果为是，则深度学习训练后模型参数符合要求，训练结束，获得深度学习最终模型；否则，深度学习训练后模型参数不符合要求，返回步骤S2；S4、采用深度学习最终模型对用户的阅读能力进行判断。2.根据权利要求1所述的基于深度学习的智能阅读能力测评系统，其特征在于，所述测试结果包括测试人员对文本的识别能力，对文本的评价能力以及对文本的阅读认知能力。3.根据权利要求1所述的基于深度学习的智能阅读能力测评系统，其特征在于，信息处理模块包括信息筛选单元，所述信息筛选单元用于设定阅读能力的第一阈值和第二阈值，并将低于第一阈值和高于第二阈值的数据舍弃；所述信息处理模块还包括注意力判断单元，所述注意力判断单元用于根据心跳或眼动数据获得测试人员的注意力集中程度，并将注意低状态下的测试数据舍弃。4.根据权利要求1所述的基于深度学习的智能阅读能力测评系统，其特征在于：所述测试结果包括识读文本的评分，包括能够认读和从形式上辨识文本的各组成部分——文字、词语、句子及标点；解释文本的评分，包括理解文本内的词语、句子、文章的大意等，表现为能够解释文本中的重要词语、句子、段落意涵；复述文本的评分，包括复述文本内容，表现为能够摘录、复现文本的观点、情节、事件和思路；概述文本的评分，包括概括表述全文或各部分主旨，后者表现为能勾画分出若干文本段落并表述每个段落的意思；解析文本的评分：包括分析解读文本，表现为能够对文本做出的辨析和解说；评说文本分评分，包括对文本做出评论...

【专利技术属性】
技术研发人员：张瑞杰，
申请(专利权)人：张瑞杰，
类型：发明
国别省市：