本发明专利技术实施例提供了一种基于测评数据的处理方法和装置，所述方法包括：获取当前测评数据集合，并对所述当前测评数据集合中的当前测评数据，按科目进行分类，得到每个用户中每个科目的当前测评数据，从所述每个科目的当前测评数据中，确定每个科目的当前特征属性，针对目标用户，根据其对应的每个科目的当前特征属性，确定多种预设测评结果对应的当前概率值，并根据所述当前概率值，确定目标测评结果。通过本发明专利技术实施例，实现了测评结果处理的自动化、智能化，既能够对来自于不同测评系统的测评数据进行自动分类分析，又能够自动化生成总体的测评结果，提升了测评效率且降低了测评成本，提升了测评结果的客观性、公平性、公正性。公正性。公正性。
【技术实现步骤摘要】
一种基于测评数据的处理方法和装置
[0001]本专利技术涉及计算机
，特别是涉及一种基于测评数据的处理方法和装置。
技术介绍
[0002]在教育评估等测评场景中，用户对客观性、真实性的要求极高，这也就要求测评系统本身具有较好的系统性和规范性。
[0003]在现有技术中，通过收集区域内学生的测评数据，再人工进行按照科目打标签来形成测评结果。然而，由于这些测评数据来自于不同的测评系统，可能会存在较多的问题，如访问方式不一致、数据术语或概念或模型不一致，这些问题使得需要先去了解各种测评系统的特性后，然后再根据各种测评系统的特性处理各种不同测评系统的测评数据，且需要人为打标签来形成测评结果，导致测评成本高、难扩展、效率低，且可能会带来人为主观性，影响测评结果的客观性、公平性、公正性。
技术实现思路
[0004]鉴于上述问题，提出了以便提供克服上述问题或者至少部分地解决上述问题的一种基于测评数据的处理方法和装置，包括：
[0005]一种基于测评数据的处理方法，所述方法包括：
[0006]获取当前测评数据集合，并对所述当前测评数据集合中的当前测评数据，按科目进行分类，得到每个用户中每个科目的当前测评数据；
[0007]从所述每个科目的当前测评数据中，确定每个科目的当前特征属性；
[0008]针对目标用户，根据其对应的每个科目的当前特征属性，确定多种预设测评结果的当前概率值，并根据所述当前概率值，确定目标测评结果。
[0009]可选地，在所述针对目标用户，根据其对应的每个科目的当前特征属性，确定多种预设测评结果的当前概率值之前，还包括：
[0010]确定每种预设测评结果的总体概率值；
[0011]所述针对目标用户，根据其对应的每个科目的当前特征属性，确定多种预设测评结果的当前概率值，包括：
[0012]针对目标用户，根据其对应的每个科目的当前特征属性，确定每种预设测评结果下每个科目的目标属性概率值；
[0013]针对每种预设测评结果，结合所述预设测评结果的总体概率值和所述预设测评结果下每个科目的目标属性概率值，确定当前概率值。
[0014]可选地，在所述针对目标用户，根据其对应的每个科目的当前特征属性，确定每种预设测评结果下每个科目的目标属性概率值之前，还包括：
[0015]确定每种预设测评结果下每个科目的每个预设属性区间的属性概率值；
[0016]所述针对目标用户，根据其对应的每个科目的当前特征属性，确定每种预设测评结果下每个科目的目标属性概率值，包括：
[0017]针对目标用户，确定其对应的每个科目的当前特征属性所属的目标预设属性区间，并获取在每种预设测评结果下每个科目的目标预设属性区间的属性概率值，作为目标属性概率值。
[0018]可选地，每种预设测评结果的总体概率值及每种预设测评结果下每个科目的每个预设属性区间的属性概率值为基于在同一用户区域内的历史测评数据集合计算得到的。
[0019]可选地，所述对所述当前测评数据集合中的当前测评数据，按科目进行分类，得到每个用户中每个科目的当前测评数据，包括：
[0020]对所述当前测评数据集合中的每条当前测评数据进行分词，得到多个目标关键词，并根据所述多个目标关键词，生成每条当前测评数据的特征向量；
[0021]将每条当前测评数据的特征向量输入预先训练的科目分类模型，得到每条当前测评数据所属的科目信息，并根据每条当前测评数据所属的科目信息，得到每个用户中每个科目的当前测评数据。
[0022]可选地，在所述根据所述多个关键词，生成所述当前测评数据的特征向量之前，还包括：
[0023]获取历史测评数据集合和按照科目分类的多个历史测评数据子集，并对所述历史测评数据集合中全部历史测评数据进行分词，得到关键词库；
[0024]确定所述关键词库中每个关键词在每个科目的历史测评数据子集中出现的频次，并根据每个关键词及其在每个科目的历史测评数据子集中出现的频次，生成关键词库词向量矩阵；
[0025]根据所述多个目标关键词，生成所述当前测评数据的特征向量，包括：
[0026]结合所述多个目标关键词和所述关键词库词向量矩阵，生成所述当前测评数据的特征向量。
[0027]可选地，所述每个科目的当前特征属性至少包括：每个科目的当前测评成绩值。
[0028]一种基于测评数据的处理装置，所述装置包括：
[0029]按科目分类模块，用于获取当前测评数据集合，并对所述当前测评数据集合中的当前测评数据，按科目进行分类，得到每个用户中每个科目的当前测评数据；
[0030]当前特征属性确定模块，用于从所述每个科目的当前测评数据中，确定每个科目的当前特征属性；
[0031]目标测评结果确定模块，用于针对目标用户，根据其对应的每个科目的当前特征属性，确定多种预设测评结果对应的当前概率值，并根据所述当前概率值，确定目标测评结果。
[0032]一种电子设备，包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上所述的基于测评数据的处理方法。
[0033]一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如上所述的基于测评数据的处理方法。
[0034]本专利技术实施例具有以下优点：
[0035]在本专利技术实施例中，通过获取当前测评数据集合，并对所述当前测评数据集合中的当前测评数据，按科目进行分类，得到每个用户中每个科目的当前测评数据，从所述每个
科目的当前测评数据中，确定每个科目的当前特征属性，针对目标用户，根据其对应的每个科目的当前特征属性，确定多种预设测评结果对应的当前概率值，并根据所述当前概率值，确定目标测评结果，实现了测评结果处理的自动化、智能化，既能够对来自于不同测评系统的测评数据进行自动分类分析，又能够自动化生成总体的测评结果，提升了测评效率且降低了测评成本，提升了测评结果的客观性、公平性、公正性。
附图说明
[0036]为了更清楚地说明本专利技术的技术方案，下面将对本专利技术的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专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0037]图1是本专利技术一实施例提供的一种教育评估场景下处理实例的示意图；
[0038]图2是本专利技术一实施例提供的一种基于测评数据的处理方法的步骤流程图；
[0039]图3是本专利技术一实施例提供的另一种基于测评数据的处理方法的步骤流程图；
[0040]图4是本专利技术一实施例提供的另一种基于测评数据的处理方法的步骤流程图；
[0041]图5是本专利技术一实施例提供的一种基于测评数据的处理装置的结构框图。
具体实施方式
[0042]为使本专利技术的上述目的、特征和优点能够本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于测评数据的处理方法，其特征在于，所述方法包括：获取当前测评数据集合，并对所述当前测评数据集合中的当前测评数据，按科目进行分类，得到每个用户中每个科目的当前测评数据；从所述每个科目的当前测评数据中，确定每个科目的当前特征属性；针对目标用户，根据其对应的每个科目的当前特征属性，确定多种预设测评结果的当前概率值，并根据所述当前概率值，确定目标测评结果。2.根据权利要求1所述的方法，其特征在于，在所述针对目标用户，根据其对应的每个科目的当前特征属性，确定多种预设测评结果的当前概率值之前，还包括：确定每种预设测评结果的总体概率值；所述针对目标用户，根据其对应的每个科目的当前特征属性，确定多种预设测评结果的当前概率值，包括：针对目标用户，根据其对应的每个科目的当前特征属性，确定每种预设测评结果下每个科目的目标属性概率值；针对每种预设测评结果，结合所述预设测评结果的总体概率值和所述预设测评结果下每个科目的目标属性概率值，确定当前概率值。3.根据权利要求2所述的方法，其特征在于，在所述针对目标用户，根据其对应的每个科目的当前特征属性，确定每种预设测评结果下每个科目的目标属性概率值之前，还包括：确定每种预设测评结果下每个科目的每个预设属性区间的属性概率值；所述针对目标用户，根据其对应的每个科目的当前特征属性，确定每种预设测评结果下每个科目的目标属性概率值，包括：针对目标用户，确定其对应的每个科目的当前特征属性所属的目标预设属性区间，并获取在每种预设测评结果下每个科目的目标预设属性区间的属性概率值，作为目标属性概率值。4.根据权利要求3所述的方法，其特征在于，每种预设测评结果的总体概率值及每种预设测评结果下每个科目的每个预设属性区间的属性概率值为基于在同一用户区域内的历史测评数据集合计算得到的。5.根据权利要求1
‑
4任一项所述的方法，其特征在于，所述对所述当前测评数据集合中的当前测评数据，按科目进行分类，得到每个用户中每个科目的当前测评数据，包括：对所述当前测评数据集合中的每条当前...
【专利技术属性】
技术研发人员：叶小卫，朱欣灿，朱强，沈丽倩，吴航波，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。