一种解决测试题多知识点分类问题的模型的深度学习方法技术

本发明专利技术公开了一种解决测试题多知识点分类问题的模型的深度学习方法，包括步骤一：定义章节知识点和概念知识点，构造两层的课程知识点体系，采集课程测试题并预处理，构造知识点标注的课程题库；步骤二：利用ALBERT+TextCNN深度学习模型对测试题库内的测试题进行章节知识点分类和概念知识点分类；本发明专利技术利用ALBERT预训练模型对测试题进行预训练编码，保证了测试题文本特征的全面采集，为复杂中文语义的理解提供支撑；利用深度学习模型TextCNN进行测试题特征的卷积训练，能简单快速的实现测试题的多知识点分类；利用分类信息融合技术，判别章节知识点和概念知识点的分类标签的层次隶属关系，实现测试题多知识标签的推理融合，提供精准的测试题多知识点识别结果。

【技术实现步骤摘要】

本专利技术涉及教育数据挖掘，具体为一种解决测试题多知识点分类问题的模型的深度学习方法。

技术介绍

1、为适应经济和社会持续发展的需要，我国正致力于建设高质量的教育体系，信息技术的飞速发展和各类教育大数据的不断涌现给教育教学质量的提升提供了新的机遇。在现有教学模式下，教学大纲中的课程知识体系是“教”与“学”的主要依据。课程知识体系及其题库往往庞大而复杂，课程知识与测试题之间存在着复杂的多对多关联。而且，测试题不仅涵盖课程大纲限定的知识内容，还涉及交叉学科领域的广泛知识，这使得测试题的数字特征需要从比课程本身更广泛的角度来建模和识别。因此，高效识别海量测试题对应的一个或多个知识点是教育数字化的关键研究内容和研究难点，对完善教育评价体系和实现个性化学习推荐有积极作用和意义。

2、这里的知识点是指课程知识体系中相对独立的知识模块，可以是一个章节、一个概念、一个定理等。在大多数情况下，课程知识系统包含章节知识点和概念知识点，其关系如下：1)章节知识点彼此独立，2)一个章节知识点包含多个概念知识点，3)一个概念知识点可以隶属于多个章节知识点，4)概念知识点本文档来自技高网...

【技术保护点】

1.一种解决测试题多知识点分类问题的模型的深度学习方法，其特征在于，包括

2.根据权利要求1所述的一种解决测试题多知识点分类问题的模型的深度学习方法，其特征在于，步骤一中，基于课程教学大纲，利用文本分词技术，识别课程知识点关键词及相关文本描述，得到知识点文本数据。

3.根据权利要求2所述的一种解决测试题多知识点分类问题的模型的深度学习方法，其特征在于，对知识点文本数据进行删除无效字符、特殊符号处理、编码转换的预处理，得到结构化知识点文本数据。

4.根据权利要求3所述的一种解决测试题多知识点分类问题的模型的深度学习方法，其特征在于，在知识点数据中引入“层...

【技术特征摘要】

1.一种解决测试题多知识点分类问题的模型的深度学习方法，其特征在于，包括

2.根据权利要求1所述的一种解决测试题多知识点分类问题的模型的深度学习方法，其特征在于，步骤一中，基于课程教学大纲，利用文本分词技术，识别课程知识点关键词及相关文本描述，得到知识点文本数据。

3.根据权利要求2所述的一种解决测试题多知识点分类问题的模型的深度学习方法，其特征在于，对知识点文本数据进行删除无效字符、特殊符号处理、编码转换的预处理，得到结构化知识点文本数据。

4.根据权利要求3所述的一种解决测试题多知识点分类问题的模型的深度学习方法，其特征在于，在知识点数据中引入“层次”、“关联知识点”、“知识描述”属性，构建课程知识点数据模型。

5.根据权利要求4所述的一种解决测试题多知识点分类问题的模型的深度学习方法，其特征在于，生成的课程知识体系定义为其中表示章节知识点集合，表示概念知识点集合，和分别表示章节知识点和概念知识点。

6.根据权利要求1所述的一种解决测试题多知识点分类问题的模型的深度学习方法，其特征在于，步骤一中，从互联网、出版社信息源采集海量课程测试题，并进行停用词检测、低频次检测、文本增强操作，得到结构化课程题库。

7.根据权利要求6所述的一种解决测试题多知识点分类问题的模...

【专利技术属性】
技术研发人员：许涛，董俊林，谷战峰，梁玉霞，张杞洋，
申请(专利权)人：江苏云劭博智能科技有限公司，
类型：发明
国别省市：