【技术实现步骤摘要】
本专利技术涉及考试系统，具体地，涉及智能的中文能力诊断方法，更为具体地，智能的中文能力诊断错误归因分析方法及系统。
技术介绍
1、目前汉语水平考试(hsk)，其诊断结果能提供听、读、写、话题能力和语言任务等各项能力的分数，但仅能局部列举掌握得较差的语法点，无法提供全面而详细的报告，难以追溯每位考生的错误类型。
2、本专利技术提供的考试诊断报告具有即时性、详实性，能即时提供所有考生全面而详实的关于词汇的音、形、义的诊断信息，能追溯每位考生、全班考生、全校考生常见的错误类型。
3、专利文献cn101826263b(申请号：200910078868.2)公开了一种基于客观标准的自动化口语评估系统，包括识别对齐单元、量化评估单元和标准调整单元，识别对齐单元接收口语语音信息、答题范围和评估指标信息，对输入口语语音信息进行识别和对齐，将口语语音信息生成文字，并将文字和语音进行对齐；标准调整单元，是由考试组织机构根据具体考试对象、目标和要求进行量化评估标准调整，生成并输出最终的量化评估标准；量化评估单元分别与识别对齐单元和标准调整单元连接，量化评估单元接收评估量化指标信息、标准调整单元输出的量化评估标准信息和识别对齐单元输出的文字识别对齐信息，根据所述三个信息提取口语评估特征，进行自动化评估和诊断，生成评估结果和诊断报告信息。
技术实现思路
1、针对现有技术中的缺陷，本专利技术的目的是提供一种智能的中文能力诊断方法及系统，更为具体地，提供了一种智能的中文能力诊断错误归因分
2、根据本专利技术提供的一种智能的中文能力诊断错误归因分析方法，包括：对中文能力诊断系统中试题信息数据库中题干和选项添加属性标签，在对中文能力进行诊断的同时，基于属性标签对错误归因进行分析。
3、优选地，依据汉语语言学界理论界定词汇类型以及词汇能力指标的错误类型，并将界定的词汇类型以及词汇能力指标的错误类型作为语言学属性标签库；对所述试题信息数据库中题目的题干和选项分别基于语言学属性标签库标注多维度的语言学属性标签，从而建立带有语言学属性标签的试题信息数据库。
4、优选地，所述词汇类型包括：
5、按照应用语境分包括学术词汇和非学术词汇；
6、按照词性分包括实词和虚词；所述实词包括名词、动词、形容词和量词；所述虚词包括副词、介词和连词；
7、所述词汇能力标签的错误类型包括：词汇能力音的错误类型、词汇能力形的错误类型以及词汇能力义的错误类型；
8、所述词汇能力音的错误类型包括：声调错误、拼写规则错误以及多音字混淆；
9、所述词汇能力形的错误类型包括：笔画笔顺错误、间架结构错误以及增缺笔画；
10、所述词汇能力义的错误类型包括：近义词混淆、一词多义混淆以及词语误用。
11、优选地，根据题目属性标签的得分情况，生成各项词汇能力的雷达图；根据题目中所选的选项以及选项对应的属性标签生成各项词汇能力详细的诊断报告。
12、优选地，通过建立中文语料库和中文能力诊断模型，利用深度学习对考生的答题情况进行分析，能够快速准确地确定错误类型和错误原因；同时，还能够分析考生在不同知识点和技能方面的得分情况，通过对得分情况的分析，能够诊断考生在中文能力方面的弱项，并提供相应的教学建议和指导。
13、优选地，利用服务器统计所有客户端的答题得分及错误选项，自动生成以包括班级以及全校为单位的成绩报告。
14、根据本专利技术提供的一种智能的中文能力诊断错误归因分析系统，包括：对中文能力诊断系统中试题信息数据库中题干和选项添加属性标签，在对中文能力进行诊断的同时，基于属性标签对错误归因进行分析。
15、优选地，依据汉语语言学界理论界定词汇类型以及词汇能力指标的错误类型，并将界定的词汇类型以及词汇能力指标的错误类型作为语言学属性标签库；对所述试题信息数据库中题目的题干和选项分别基于语言学属性标签库标注多维度的语言学属性标签，从而建立带有语言学属性标签的试题信息数据库。
16、优选地，所述词汇类型包括：
17、按照应用语境分包括学术词汇和非学术词汇；
18、按照词性分包括实词和虚词；所述实词包括名词、动词、形容词和量词；所述虚词包括副词、介词和连词；
19、所述词汇能力标签的错误类型包括：词汇能力音的错误类型、词汇能力形的错误类型以及词汇能力义的错误类型；
20、所述词汇能力音的错误类型包括：声调错误、拼写规则错误以及多音字混淆；
21、所述词汇能力形的错误类型包括：笔画笔顺错误、间架结构错误以及增缺笔画；
22、所述词汇能力义的错误类型包括：近义词混淆、一词多义混淆以及词语误用。
23、优选地，根据题目属性标签的得分情况，生成各项词汇能力的雷达图；根据题目中所选的选项以及选项对应的属性标签生成各项词汇能力详细的诊断报告；
24、通过建立中文语料库和中文能力诊断模型，利用深度学习对考生的答题情况进行分析，能够快速准确地确定错误类型和错误原因；同时，还能够分析考生在不同知识点和技能方面的得分情况，通过对得分情况的分析，能够诊断考生在中文能力方面的弱项，并提供相应的教学建议和指导。
25、与现有技术相比，本专利技术具有如下的有益效果：
26、1、本专利技术通过赋予每道题目的题干、选项属性标签的方式，系统能根据考生每道题的答题情况生成详细的能力描述报告，解决了大多数考试系统、老师出题的纸质考卷中难以追溯考生错误类型的问题，极大丰富了考生的成绩报告的同时，老师也能有针对性地进行个性化教学；
27、2、本专利技术提供的诊断报告具有即时性、详实性，能即时提供所有考生全面而详实的关于词汇的音、形、义的诊断信息，能追溯每位考生、全班考生、全校考生常见的错误类型；
28、3、智能的中文能力诊断错误归因分析方法的应用，不仅能够提高教学效果，还能够节省人工评测的时间和成本，为教育教学事业的发展提供了有力的支持和帮助。
本文档来自技高网...【技术保护点】
1.一种智能的中文能力诊断方法，其特征在于，包括：对中文能力诊断系统中试题信息数据库中题干和选项添加属性标签，在对中文能力进行诊断的同时，基于属性标签对错误归因进行分析。
2.根据权利要求1所述的智能的中文能力诊断方法，其特征在于，依据汉语语言学界理论界定词汇类型以及词汇能力指标的错误类型，并将界定的词汇类型以及词汇能力指标的错误类型作为语言学属性标签库；对所述试题信息数据库中题目的题干和选项分别基于语言学属性标签库标注多维度的语言学属性标签，从而建立带有语言学属性标签的试题信息数据库。
3.根据权利要求1所述的智能的中文能力诊断方法，其特征在于，所述词汇类型包括：
4.根据权利要求1所述的智能的中文能力诊断方法，其特征在于，根据题目属性标签的得分情况，生成各项词汇能力的雷达图；根据题目中所选的选项以及选项对应的属性标签生成各项词汇能力详细的诊断报告。
5.根据权利要求4所述的智能的中文能力诊断方法，其特征在于，通过建立中文语料库和中文能力诊断模型，利用深度学习对考生的答题情况进行分析，能够快速准确地确定错误类型和错误原因；同时，还
6.根据权利要求1所述的智能的中文能力诊断方法，其特征在于，利用服务器统计所有客户端的答题得分及错误选项，自动生成以包括班级以及全校为单位的成绩报告。
7.一种智能的中文能力诊断系统，其特征在于，包括：对中文能力诊断系统中试题信息数据库中题干和选项添加属性标签，在对中文能力进行诊断的同时，基于属性标签对错误归因进行分析。
8.根据权利要求7所述的智能的中文能力诊断系统，其特征在于，依据汉语语言学界理论界定词汇类型以及词汇能力指标的错误类型，并将界定的词汇类型以及词汇能力指标的错误类型作为语言学属性标签库；对所述试题信息数据库中题目的题干和选项分别基于语言学属性标签库标注多维度的语言学属性标签，从而建立带有语言学属性标签的试题信息数据库。
9.根据权利要求8所述的智能的中文能力诊断系统，其特征在于，所述词汇类型包括：
10.根据权利要求8所述的智能的中文能力诊断系统，其特征在于，根据题目属性标签的得分情况，生成各项词汇能力的雷达图；根据题目中所选的选项以及选项对应的属性标签生成各项词汇能力详细的诊断报告；
...【技术特征摘要】
1.一种智能的中文能力诊断方法，其特征在于，包括：对中文能力诊断系统中试题信息数据库中题干和选项添加属性标签，在对中文能力进行诊断的同时，基于属性标签对错误归因进行分析。
2.根据权利要求1所述的智能的中文能力诊断方法，其特征在于，依据汉语语言学界理论界定词汇类型以及词汇能力指标的错误类型，并将界定的词汇类型以及词汇能力指标的错误类型作为语言学属性标签库；对所述试题信息数据库中题目的题干和选项分别基于语言学属性标签库标注多维度的语言学属性标签，从而建立带有语言学属性标签的试题信息数据库。
3.根据权利要求1所述的智能的中文能力诊断方法，其特征在于，所述词汇类型包括：
4.根据权利要求1所述的智能的中文能力诊断方法，其特征在于，根据题目属性标签的得分情况，生成各项词汇能力的雷达图；根据题目中所选的选项以及选项对应的属性标签生成各项词汇能力详细的诊断报告。
5.根据权利要求4所述的智能的中文能力诊断方法，其特征在于，通过建立中文语料库和中文能力诊断模型，利用深度学习对考生的答题情况进行分析，能够快速准确地确定错误类型和错误原因；同时，还能够分析考生在不同知识点和技能方面的得分情况，通过对得分情...
【专利技术属性】
技术研发人员：杨宝玲，黄山，常玮琪，陈明君，王洋，
申请(专利权)人：耀童网络软件上海有限公司，
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。