[发明专利]一种动态优化表达力评测题目的方法

权利要求书

1.一种动态优化表达力评测题目的方法，其特征在于：应用统计学习方法，在样本数量增加的同时提升评测判分的准确度并动态调整其难度，该方法的具体步骤如下：

1)对于某一道题q_j＝{d,b,w,l}，d表示该题的难度，b代表该题的词库，w代表该题词库的权重参数，l表示该题的区分度，它的所有样本构成了样本集S＝[s₁,s₂,s₃...,s_n]，其中s_i＝{h_i,sc_i}表示第i个样本，h_i是它的击中向量，sc_i表示它的分数；

2)参数d的优化；

3)参数w的优化。

2.根据权利要求1所述的动态优化表达力评测题目的方法，其特征在于：参数d的优化的具体步骤如下：

a)提取所有同类型题目集合Q＝{q₁,q₂,q₃...q_n}，提取这些题目的平均分集合avgs＝{avg₁,avg₂,avg₃...,avg_n}；

b)根据题目q_j的平均分avg_j在集合avgs中的位置可以调整难度，如果平均分较高，说明难度较低，反之难度较高。

3.根据权利要求1所述的动态优化表达力评测题目的方法，其特征在于：参数w的优化的具体步骤如下：

a)将样本集S按照样本成绩sc排序，排序后的样本集合为S’；

b)以所有样本的成绩集sc的平均数avg和标准差sd作为参数，生成随机正态分布成绩集sc’；

c)通过调整权重参数w，采用梯度下降法拟合sc和sc’。

4.根据权利要求1所述的动态优化表达力评测题目的方法，其特征在于：步骤1)中得到sc_i和sc的公式分别为：

sc＝w·h^T。

5.根据权利要求1所述的动态优化表达力评测题目的方法，其特征在于：步骤2)中题目q_j的难度调整公式为：

其中，near函数将数值就近映射到-1,0,1这三个数字中，avg函数求出一个集合的平均值，sd函数求得一个集合的标准差。

6.根据权利要求1所述的动态优化表达力评测题目的方法，其特征在于：步骤3)中的损失函数公式如下：

J(w)＝L₂(w·h^T-sc′)+w²，

其中，L₂函数表示一个向量到原点的L2距离。

7.根据权利要求1所述的动态优化表达力评测题目的方法，其特征在于：步骤3)中的梯度下降法的具体操作步骤如下：

a)选取权重参数w其中一个分布曲线；

b)按照选中的分布曲线得到该分布曲线内的所有样本的成绩集sc₁；

c)以所有样本的成绩集sc₁的平均数avg₁和标准差sd₁作为参数，生成随机正态分布成绩集sc’₁；

d)选取权重参数w另外一个分布曲线；

e)按照选中的分布曲线得到该分布曲线内的所有样本的成绩集sc₂；

f)以所有样本的成绩集sc₂的平均数avg₂和标准差sd₂作为参数，生成随机正态分布成绩集sc’₂；

g)重复以上六个步骤，得到样本成绩sc₁，sc₂，sc₃，...sc_n和平均数avg₁，avg₂，avg₃...avg_n以及标准差sd₁，sd₂，sd₃，...sd_n，并从得到的数据中生成随机正态分布成绩集sc’_n。