System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及考题难易识别,并且更具体地,涉及一种自动识别考题的难易程度的方法及装置。
技术介绍
1、目前各种考试软件应有尽有,例如小安易考是通过从题库中随机n条题目,考试用户根据前端随机出的题目进行考试,用户反馈,考试题目随机,每个人的考试难度不一样。这导致考生无法对自己的知识掌握程度有更好的了解,无法有效的进行学习。
技术实现思路
1、针对现有技术的不足,本专利技术提供一种自动识别考题的难易程度的方法及装置。
2、根据本专利技术的一个方面,提供了一种自动识别考题的难易程度的方法,包括:
3、收集预定数量的题目数据,其中题目数据包括题目文本和相应的难度等级标注;
4、对题目数据进行特征提取,将题目数据转换为数值特征向量;
5、利用机器学习算法对数值特征向量进行训练,构建考题难易识别模型;
6、将待识别题目进行特征提取,确定待识别数值特征向量;
7、将待识别特征数值向量输入至考题难易识别模型中,输出待识别题目的难易等级。
8、可选地,收集预定数量的题目数据,包括:从公开的题库、考试系统或人工创建题目中获取题目数据。
9、可选地,还包括:对收集到题目数据进行预处理,其中预处理操作包括文本清洗、分析、标记化、词汇处理。
10、可选地,利用机器学习算法对数值特征向量进行训练,构建考题难易识别模型,包括:
11、将数值特征向量分成训练集、验证集和测试集;
12
13、使用验证集对初始考题难易识别模型进行性能评估,并对初始考题难易识别模型进行调整,确定考题难易识别模型;
14、使用测试集评估考题难易识别模型的识别效果。
15、可选地,难易等级包括:基础、简单、中等、难、困难。
16、根据本专利技术的另一个方面,提供了一种自动识别考题的难易程度的装置,包括:
17、收集模块,用于收集预定数量的题目数据,其中题目数据包括题目文本和相应的难度等级标注;
18、第一特征提取模块,用于对题目数据进行特征提取,将题目数据转换为数值特征向量;
19、训练模块,用于利用机器学习算法对数值特征向量进行训练,构建考题难易识别模型;
20、第二特征提取模块,用于将待识别题目进行特征提取,确定待识别数值特征向量;
21、识别模块,用于将待识别特征数值向量输入至考题难易识别模型中,输出待识别题目的难易等级。
22、根据本专利技术的又一个方面,提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行本专利技术上述任一方面所述的方法。
23、根据本专利技术的又一个方面,提供了一种电子设备,所述电子设备包括:处理器;用于存储所述处理器可执行指令的存储器;所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现本专利技术上述任一方面所述的方法。
24、从而,本申请通过对题库中的题目进行自动难易识别,使得考生每次看到的考题类型和难易程度均没有太大的差异,可减少人工按照各自思维分类的时间以及差异性。使考题的难易程度相对更加准确。
本文档来自技高网...【技术保护点】
1.一种自动识别考题的难易程度的方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,收集预定数量的题目数据,包括:从公开的题库、考试系统或人工创建题目中获取所述题目数据。
3.根据权利要求1所述的方法,其特征在于,还包括:对收集到所述题目数据进行预处理,其中预处理操作包括文本清洗、分析、标记化、词汇处理。
4.根据权利要求1所述的方法,其特征在于,利用机器学习算法对所述数值特征向量进行训练,构建考题难易识别模型,包括:
5.根据权利要求1所述的方法,其特征在于,所述难易等级包括:基础、简单、中等、难、困难。
6.一种自动识别考题的难易程度的装置,其特征在于,包括:
7.根据权利要求6所述的装置,其特征在于,收集模块,包括:获取子模块,用于从公开的题库、考试系统或人工创建题目中获取所述题目数据。
8.根据权利要求6所述的装置,其特征在于,还包括:预处理模块,用于对收集到所述题目数据进行预处理,其中预处理操作包括文本清洗、分析、标记化、词汇处理。
9.一种计算机可读存储介质
10.一种电子设备,其特征在于,所述电子设备包括:
...【技术特征摘要】
1.一种自动识别考题的难易程度的方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,收集预定数量的题目数据,包括:从公开的题库、考试系统或人工创建题目中获取所述题目数据。
3.根据权利要求1所述的方法,其特征在于,还包括:对收集到所述题目数据进行预处理,其中预处理操作包括文本清洗、分析、标记化、词汇处理。
4.根据权利要求1所述的方法,其特征在于,利用机器学习算法对所述数值特征向量进行训练,构建考题难易识别模型,包括:
5.根据权利要求1所述的方法,其特征在于,所述难易等级包括:基础、简单、中等、难、困难。
【专利技术属性】
技术研发人员:刘琨玥,王浩,薛富恩,
申请(专利权)人:北京安锐卓越信息技术股份有限公司,
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。