【技术实现步骤摘要】
本专利技术涉及数据处理，尤其涉及一种试题难度评分模型的训练方法、试题难度评分方法及装置。
技术介绍
1、随着人工智能技术的发展，人工智能与在线教育的结合越发紧密，通过人工智能技术教育者可以精准分析学生的学习需求和潜在问题，从而提供高效的学习方案。此过程中，试题难度预估成为了一个重要环节，其对教育评估和教育质量的提升有着至关重要的作用。
2、目前，试题难度预估依赖于人工，或者简单的分类模型，人工评估虽然较为准确，但是其主观性极强，对于不同人员可能预估有不同的结果，并且其成本较大且效率低下。基于分类模型的难度预估方法，则极度依赖于标注数据，而数据的标注与人工预估存在同样的问题，会因认知差异导致不同人对于相同试题标注有不同结果；此外，现存的多数试题都是难度居中的普通题目，难度较高和难度较低的题目较少，难度标签极度不均匀，影响分类模型预测结果的准确率。
技术实现思路
1、本专利技术提供一种试题难度评分模型的训练方法、试题难度评分方法及装置，用以解决现有技术中难度预估的主观性极强、效率低下，以及准确率较差的缺陷，基于对级排序方式训练得到试题难度评分模型，据此模型能够实现试题难度评分效率和评分准确率的提升。
2、本专利技术提供一种试题难度评分模型的训练方法，包括：
3、获取试题集，所述试题集中包括多个试题，以及各试题之间的难度偏序关系；
4、基于初始难度评分模型，对所述各试题进行特征提取，基于特征提取所得的试题文本特征进行评分，得到所述各试题的预
5、基于所述各试题的预测难度评分，以及所述各试题之间的难度偏序关系，对所述初始难度评分模型进行训练，得到试题难度评分模型。
6、根据本专利技术提供的一种试题难度评分模型的训练方法，所述基于所述各试题的预测难度评分，以及所述各试题之间的难度偏序关系，对所述初始难度评分模型进行训练，得到试题难度评分模型，包括：
7、基于所述试题集中的各试题，构建多个试题对，并确定各试题对中两个试题之间的难度偏序关系，以及各试题对之间的难度偏序关系；
8、基于所述各试题对中两个试题各自的预测难度评分、所述各试题对中两个试题之间的难度偏序关系，以及所述各试题对之间的难度偏序关系，对所述初始难度评分模型进行训练，得到试题难度评分模型。
9、根据本专利技术提供的一种试题难度评分模型的训练方法，所述基于所述各试题的预测难度评分，以及所述各试题之间的难度偏序关系，对所述初始难度评分模型进行训练，得到试题难度评分模型，包括：
10、基于所述试题集中的各试题，构建多个试题对，并确定各试题对中两个试题之间的难度偏序关系；
11、基于所述各试题对中两个试题各自的预测难度评分，以及所述各试题对中两个试题之间的难度偏序关系，对所述初始难度评分模型进行训练，得到试题难度评分模型。
12、根据本专利技术提供的一种试题难度评分模型的训练方法，所述基于所述各试题对中两个试题各自的预测难度评分，以及所述各试题对中两个试题之间的难度偏序关系，对所述初始难度评分模型进行训练，得到试题难度评分模型，包括：
13、基于所述各试题对中两个试题之间的难度偏序关系，确定最大后验概率；
14、基于所述最大后验概率，以及所述各试题对中两个试题各自的预测难度评分，对所述初始难度评分模型进行训练，得到试题难度评分模型。
15、根据本专利技术提供的一种试题难度评分模型的训练方法，所述基于所述最大后验概率，以及所述各试题对中两个试题各自的预测难度评分，对所述初始难度评分模型进行训练，得到试题难度评分模型，包括：
16、确定所述最大后验概率所正比的先验概率和参数概率；
17、基于所述先验概率对应的似然函数、所述参数概率对应的对数似然函数，以及所述各试题对中两个试题各自的预测难度评分，对所述初始难度评分模型进行训练，得到试题难度评分模型。
18、根据本专利技术提供的一种试题难度评分模型的训练方法，所述基于初始难度评分模型，对所述各试题进行特征提取，包括：
19、基于所述初始难度评分模型，对所述各试题进行语义提取，得到试题语义特征；
20、基于所述初始难度评分模型，对所述各试题进行特征编码，得到试题稠密特征；
21、基于所述试题语义特征和所述试题稠密特征，确定所述各试题的试题文本特征。
22、根据本专利技术提供的一种试题难度评分模型的训练方法，所述基于所述初始难度评分模型，对所述各试题进行特征编码，得到试题稠密特征，包括：
23、基于所述初始难度评分模型，对所述各试题进行类型属性编码，得到类型稠密特征；和/或，
24、基于所述初始难度评分模型，对所述各试题进行数值属性编码，得到数值稠密特征；
25、基于所述类型稠密特征和/或所述数值稠密特征，确定所述各试题的试题稠密特征。
26、根据本专利技术提供的一种试题难度评分模型的训练方法，所述基于所述试题语义特征和所述试题稠密特征，确定所述各试题的试题文本特征，包括：
27、基于所述类型稠密特征和所述数值稠密特征，确定所述各试题的试题交叉特征；
28、基于所述试题语义特征、所述试题稠密特征和所述试题交叉特征，确定所述各试题的试题文本特征。
29、根据本专利技术提供的一种试题难度评分模型的训练方法，所述获取试题集，包括：
30、获取初始试题集；所述初始试题集中包括多个初始试题，以及各初始试题的难度类型；
31、基于所述各初始试题的难度类型，对所述初始试题集中的各初始试题进行难度划分，得到难题集合和非难题集合；
32、分别从所述难题集合和所述非难题集合中抽取试题，基于所抽取的试题及其难度类型，构建试题集。
33、本专利技术还提供一种试题难度评分方法，包括：
34、确定待评分试题；
35、基于试题难度评分模型，对所述待评分试题进行特征提取，并基于特征提取所得的试题文本特征，对所述待评分试题进行评分，得到所述待评分试题的难度评分；
36、所述试题难度评分模型是基于如上述任一项所述的试题难度评分模型的训练方法确定的。
37、根据本专利技术提供的一种试题难度评分方法，在所述待评分试题为多道的情况下，所述基于试题难度评分模型，对所述待评分试题进行特征提取，并基于特征提取所得的试题文本特征，对所述待评分试题进行评分，得到所述待评分试题的难度评分，包括：
38、基于所述试题难度评分模型，对各待评分试题进行特征提取，并基于特征提取所得的各待评分试题的试题文本特征，对所述各待评分试题进行评分，得到所述各待评分试题的难度评分，基于所述各待评分试题的预测难度评分，确定所述各待评分试题之间的难度偏序关系。
39、本专利技术还提供一种试题难度评分模型的训练装置，包括：
40、获取单元，用于获取试题集，所述试题集中包括多个试本文档来自技高网...
【技术保护点】
1.一种试题难度评分模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的试题难度评分模型的训练方法，其特征在于，所述基于所述各试题的预测难度评分，以及所述各试题之间的难度偏序关系，对所述初始难度评分模型进行训练，得到试题难度评分模型，包括：
3.根据权利要求1所述的试题难度评分模型的训练方法，其特征在于，所述基于所述各试题的预测难度评分，以及所述各试题之间的难度偏序关系，对所述初始难度评分模型进行训练，得到试题难度评分模型，包括：
4.根据权利要求3所述的试题难度评分模型的训练方法，其特征在于，所述基于所述各试题对中两个试题各自的预测难度评分，以及所述各试题对中两个试题之间的难度偏序关系，对所述初始难度评分模型进行训练，得到试题难度评分模型，包括：
5.根据权利要求4所述的试题难度评分模型的训练方法，其特征在于，所述基于所述最大后验概率，以及所述各试题对中两个试题各自的预测难度评分，对所述初始难度评分模型进行训练，得到试题难度评分模型，包括：
6.根据权利要求1、3、4、5中任一项所述的试题难度评分模型的训练方法
7.根据权利要求6所述的试题难度评分模型的训练方法，其特征在于，所述基于所述初始难度评分模型，对所述各试题进行特征编码，得到试题稠密特征，包括：
8.根据权利要求7所述的试题难度评分模型的训练方法，其特征在于，所述基于所述试题语义特征和所述试题稠密特征，确定所述各试题的试题文本特征，包括：
9.根据权利要求1、3、4、5中任一项所述的试题难度评分模型的训练方法，其特征在于，所述获取试题集，包括：
10.一种试题难度评分方法，其特征在于，包括：
11.根据权利要求10所述的试题难度评分方法，其特征在于，在所述待评分试题为多道的情况下，所述基于试题难度评分模型，对所述待评分试题进行特征提取，并基于特征提取所得的试题文本特征，对所述待评分试题进行评分，得到所述待评分试题的难度评分，包括：
12.一种试题难度评分模型的训练装置，其特征在于，包括：
13.一种试题难度评分装置，其特征在于，包括：
14.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至9任一项所述的试题难度评分模型的训练方法，或如权利要求10或11所述的试题难度评分方法。
15.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至9任一项所述的试题难度评分模型的训练方法，或如权利要求10或11所述的试题难度评分方法。
...【技术特征摘要】
1.一种试题难度评分模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的试题难度评分模型的训练方法，其特征在于，所述基于所述各试题的预测难度评分，以及所述各试题之间的难度偏序关系，对所述初始难度评分模型进行训练，得到试题难度评分模型，包括：
3.根据权利要求1所述的试题难度评分模型的训练方法，其特征在于，所述基于所述各试题的预测难度评分，以及所述各试题之间的难度偏序关系，对所述初始难度评分模型进行训练，得到试题难度评分模型，包括：
4.根据权利要求3所述的试题难度评分模型的训练方法，其特征在于，所述基于所述各试题对中两个试题各自的预测难度评分，以及所述各试题对中两个试题之间的难度偏序关系，对所述初始难度评分模型进行训练，得到试题难度评分模型，包括：
5.根据权利要求4所述的试题难度评分模型的训练方法，其特征在于，所述基于所述最大后验概率，以及所述各试题对中两个试题各自的预测难度评分，对所述初始难度评分模型进行训练，得到试题难度评分模型，包括：
6.根据权利要求1、3、4、5中任一项所述的试题难度评分模型的训练方法，其特征在于，所述基于初始难度评分模型，对所述各试题进行特征提取，包括：
7.根据权利要求6所述的试题难度评分模型的训练方法，其特征在于，所述基于所述初始难度评分模型，对所述各试题进行特征编码，得到试题...
【专利技术属性】
技术研发人员：邵期翔，丁亮，沙晶，王士进，
申请(专利权)人：科大讯飞股份有限公司，
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。