一种基于大数据分析的能力测量方法及装置制造方法及图纸

本发明专利技术涉及智能测量领域，揭露一种基于大数据分析的能力测量方法及装置，所述方法包括：获取待测量能力的应用场景，识别待测量能力的能力维度因子，对能力维度因子进行模糊化处理，得到模糊能力水平；构建能力维度因子与待测量能力之间的关联关系，根据能力维度因子、模糊能力水平及关联关系，构建能力分析模型；利用预构建的能力测试项目，对历史能力测试对象进行测试，得到历史测试数据；对能力分析模型进行训练，得到训练好的能力分析模型；利用训练好的能力分析模型确定实时测试数据的测试数据分布和能力测试项目的测试项目分布，根据测试数据分布和测试项目分布，得到能力测量结果。本发明专利技术可以提高能力测量的准确性。性。性。

【技术实现步骤摘要】
一种基于大数据分析的能力测量方法及装置


[0001]本专利技术涉及智能测量领域，尤其涉及一种基于大数据分析的能力测量方法及装置。

技术介绍

[0002]能力测量是指通过对能力测试对象的外显的行为表现或情感意志判断能力来进行评价能力测试对象的能力水平程度的测评。
[0003]传统的能力测量大都是采用能力量化表或是对单一的研究测量对象来进行分析，如对被测对象的能力分析或是关于测试项目或试卷的质量能力分析，而较少有对所述研究测量对象和所述测试项目的对比分析，因而针对于不同的测试项目之间、不同的研究测量对象群体之间、及测试项目与研究测量对象群体之间无法进行能力差异性分析，从而降低了能力测量的准确性。

技术实现思路

[0004]本专利技术提供一种基于大数据分析的能力测量方法及装置，其主要目的在于提高能力测量的准确性。
[0005]为实现上述目的，本专利技术提供的一种基于大数据分析的能力测量方法，包括：获取待测量能力的应用场景，根据所述应用场景，识别所述待测量能力的能力维度因子，利用预构建能力因子的模糊规则，对所述能力维度因子进行模糊化处理，得到模糊能力水平；构建所述能力维度因子与所述待测量能力之间的关联关系，根据所述能力维度因子、所述模糊能力水平及所述关联关系，构建能力分析模型；获取历史能力测试对象，利用预构建的能力测试项目，对所述历史能力测试对象进行测试，得到历史测试数据；基于所述历史测试数据，对所述能力分析模型进行训练，得到训练好的能力分析模型；获取实时测试数据，利用所述训练好的能力分析模型，确定所述实时测试数据的测试数据分布和所述能力测试项目的测试项目分布，根据所述测试数据分布和所述测试项目分布，得到能力测量结果。
[0006]可选地，所述利用预构建的因子模糊规则，对所述能力维度因子进行模糊化处理，得到模糊能力水平之前，还包括：构建所述因子模糊规则，包括：构建所述能力维度因子对应的的因子空间域和因子模糊集，利用下述公式，构建所述能力维度因子的隶属度函数：
其中， μ(x)表示隶属度函数，x表示能力维度因子，a，b，c表示临界常数；根据所述隶属度函数、所述因子空间域及所述因子模糊集，利用预构建的模糊逻辑算法，构建所述因子空间域与所述因子模糊集之间的模糊映射关系；根据所述糊映射关系，确定所述因子模糊规则。
[0007]可选地，所述利用预构建的因子模糊规则，对所述能力维度因子进行模糊化处理，得到模糊能力水平，包括：识别预构建的因子模糊规则中隶属度函数及因子模糊集，根据所述隶属度函数，对所述能力维度因子进行模糊化，得到所述能力维度因子的隶属度；根据所述隶属度和所述因子模糊规则，确定所述因子模糊集中的预构建的能力因子水平，根据所述能力因子水平，确定所述模糊能力水平。
[0008]可选地，所述构建所述能力维度因子与所述待测量能力之间的关联关系，包括：对所述能力维度因子进行相似维度划分，得到划分因子维度，对所述待测量能力进行能力梯度划分，得到划分能力梯度；根据所述划分因子维度和所述划分能力梯度，构建所述能力维度因子与所述待测量能力之间的关联关系。
[0009]可选地，所述根据所述划分因子维度和所述划分能力梯度，构建所述能力维度因子与所述待测量能力之间的关联关系，包括：分别提取所述划分因子维度和所述划分能力梯度的因子语义信息和能力语义信息，对所述因子语义信息和所述能力语义信息进行向量化处理，得到因子语义向量和能力语义向量；计算每个所述因子语义向量和所述能力语义向量之间的语义相似度，并计算所述语义相似度的最大相似度，识别所述最大相似度对应的所述因子语义向量与所述能力语义向量的映射关系；根据所述映射关系，确定所述因子语义向量对应的所述能力维度因子及所述能力语义向量对应的所述待测量能力之间的关联关系。
[0010]可选地，所述基于所述历史测试数据，对所述能力分析模型进行训练，得到训练好的能力分析模型，包括：识别所述历史测试数据对应的历史能力测试对象和能力测试项目，根据所述历史能力测试对象和所述能力测试项目，调整所述历史测试数据，构建对象项目数据表；根据所述对象项目数据表，利用下述公式：
其中，表示第m个历史能力测试对象正确回答第i个测试项目的概率，表示第m个历史能力测试对象的能力值，表示第i个测试项目的难度值， 表示第m个历史能力测试对象回答第i个测试项目的测试结果，exp表示以自然常数为底的指数函数，构建所述对象项目数据表的似然函数，并识别所述似然函数中的参数变量；对所述似然函数进行求对数处理，得到对数似然函数，将所述对数似然函数对所述参数变量进行求导处理，得到似然方程；求解所述似然方程，得到所述似然方程的似然解，根据所述似然解，确定所述参数变量的参数变量值，所述参数变量包括对象能力和项目难度；根据所述参数变量值，分别计算每个所述对象能力和每个所述项目难度的能力均值和难度均值，将所述能力均值和所述难度均值作为能力估计值和难度估计值；构建分对数标尺，将所述能力估计值和难度估计值进行归一化处理，得到所述分对数标尺下的归一能力估计值和归一难度估计值；选取所述能力分析模型的分析指标，根据所述归一能力估计值和所述归一难度估计值，计算所述分析指标的指标值，根据所述指标值，对所述能力分析模型进行分析处理和调整处理，得到能力分析调整模型，根据所述能力分析调整模型，确定训练好的能力分析模型。
[0011]可选地，所述构建所述对象项目数据表的似然函数，包括：识别所述对象项目数据表中的测试正确和测试错误的正确项目编号和错误项目编号，根据所述正确项目编号和所述错误项目编号，构建正确项目集和错误项目集合；根据所述正确项目集和所述错误项目集，利用下述公式，构建所述对象项目数据表的似然函数：其中，表示对象项目数据表的似然函数，表示第m个历史能力测试对象的能力值，表示第1至第n个测试项目的难度值，表示第m个历史能力测试对象正确回答第i个测试项目的概率，L表示正确项目集，Q表示错误项目集，i表示正确项目集的测试项目编号，表示错误项目集的测试项目编号。
[0012]可选地，所述利用所述训练好的能力分析模型，确定所述实时测试数据的测试数据分布和所述能力测试项目的测试项目分布，包括：计算所述实时测试数据的实时能力值和实时项目难度值，对所述实时能力值和所述实时项目难度值进行归一化处理，得到归一能力值和归一难度值；根据所述归一能力值和所述归一难度值，构建所述实时测试数据和所述能力测试项目的怀化图；根据所述怀化图，确定所述测试数据分布和所述测试项目分布。
[0013]可选地，所述根据所述测试数据分布和所述测试项目分布，得到能力测量结果，包
括：获取所述测试数据分布对应的能力测试对象，计算所述能力测试对象的能力值范围，根据所述能力值范围，计算能力值跨度；获取所述测试项目分布对应的能力测试项目，计算所述能力测试项目的难度值范围，根据所述难度值范围，计算难度值跨度；根据所述能力值跨度和难度值跨度，计算所述能力测试对象与所述能力测试项目的匹配度；计算所述测试数据分布和所述测试项目分布的被试能力均值和项目难度均值，比较所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据分析的能力测量方法，其特征在于，所述方法包括：获取待测量能力的应用场景，根据所述应用场景，识别所述待测量能力的能力维度因子，利用预构建能力因子的模糊规则，对所述能力维度因子进行模糊化处理，得到模糊能力水平；构建所述能力维度因子与所述待测量能力之间的关联关系，根据所述能力维度因子、所述模糊能力水平及所述关联关系，构建能力分析模型；获取历史能力测试对象，利用预构建的能力测试项目，对所述历史能力测试对象进行测试，得到历史测试数据；基于所述历史测试数据，对所述能力分析模型进行训练，得到训练好的能力分析模型；获取实时测试数据，利用所述训练好的能力分析模型，确定所述实时测试数据的测试数据分布和所述能力测试项目的测试项目分布，根据所述测试数据分布和所述测试项目分布，得到能力测量结果。2.如权利要求1所述的能力测量方法，其特征在于，所述利用预构建的因子模糊规则，对所述能力维度因子进行模糊化处理，得到模糊能力水平之前，还包括：构建所述因子模糊规则，包括：构建所述能力维度因子对应的的因子空间域和因子模糊集，利用下述公式，构建所述能力维度因子的隶属度函数：其中，μ(x)表示隶属度函数，x表示能力维度因子，a，b，c表示临界常数；根据所述隶属度函数、所述因子空间域及所述因子模糊集，利用预构建的模糊逻辑算法，构建所述因子空间域与所述因子模糊集之间的模糊映射关系；根据所述糊映射关系，确定所述因子模糊规则。3.如权利要求1所述的能力测量方法，其特征在于，所述利用预构建的因子模糊规则，对所述能力维度因子进行模糊化处理，得到模糊能力水平，包括：识别预构建的因子模糊规则中隶属度函数及因子模糊集，根据所述隶属度函数，对所述能力维度因子进行模糊化，得到所述能力维度因子的隶属度；根据所述隶属度和所述因子模糊规则，确定所述因子模糊集中的预构建的能力因子水平，根据所述能力因子水平，确定所述模糊能力水平。4.如权利要求1所述的能力测量方法，其特征在于，所述构建所述能力维度因子与所述待测量能力之间的关联关系，包括：对所述能力维度因子进行相似维度划分，得到划分因子维度，对所述待测量能力进行能力梯度划分，得到划分能力梯度；根据所述划分因子维度和所述划分能力梯度，构建所述能力维度因子与所述待测量能力之间的关联关系。
5.如权利要求4所述的能力测量方法，其特征在于，所述根据所述划分因子维度和所述划分能力梯度，构建所述能力维度因子与所述待测量能力之间的关联关系，包括：分别提取所述划分因子维度和所述划分能力梯度的因子语义信息和能力语义信息，对所述因子语义信息和所述能力语义信息进行向量化处理，得到因子语义向量和能力语义向量；计算每个所述因子语义向量和所述能力语义向量之间的语义相似度，并计算所述语义相似度的最大相似度，识别所述最大相似度对应的所述因子语义向量与所述能力语义向量的映射关系；根据所述映射关系，确定所述因子语义向量对应的所述能力维度因子及所述能力语义向量对应的所述待测量能力之间的关联关系。6.如权利要求1所述的能力测量方法，其特征在于，所述基于所述历史测试数据，对所述能力分析模型进行训练，得到训练好的能力分析模型，包括：识别所述历史测试数据对应的历史能力测试对象和能力测试项目，根据所述历史能力测试对象和所述能力测试项目，调整所述历史测试数据，构建对象项目数据表；根据所述对象项目数据表，利用下述公式：其中， 表示第m个历史能力测试对象正确回答第i个测试项目的概率，表示第m个历史能力测试对象的能力值，表示第 i个测试项目的难度值，表示第m个历史能力测试对象回答第i个测试项目的测试结果，exp表示以自然常数为底的指数函数，构建所述对象项目数据表的似然函数，并识别所述似然函数中的参数变量；对所述似然函数...

【专利技术属性】
技术研发人员：朱益宏，吴少华，
申请(专利权)人：广东中大管理咨询集团股份有限公司，
类型：发明
国别省市：