[发明专利]一种动态优化表达力评测题目的方法

说明书

本发明属于统计学习技术领域，用于对表达力评测中题目参数的动态调整自动优化，具体为一种动态优化表达力评测题目的方法，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；2)参数d的优化；3)参数w的优化。本发明使用统计学习方法，从不断增加的已有样本数据中提取有用信息优化题目参数，使得题目模型更加健壮，对不同的表达力评测输入有灵敏的反馈；通过使用无监督的学习模型，使得学习过程中不需要额外的标注工作，减轻了专家的工作量，降低了人工成本。

技术领域

本发明属于统计学习技术领域，具体为一种动态优化表达力评测题目的方法。

背景技术

快速表达力测试是一种新型口语测试模式，相较于传统汉语言测试，快速表达力测试有应用面广、题目来源多样，测试快捷、评测客观的优点。但目前题目的各个属性都是在初始化时专家根据自己的经验规定的，可能存在判断不准的情况。针对这个问题，本发明提供了一种方法，它可以通过样本数量的不断增加，无监督地调整题目参数，可以较大程度上改善题目判分的准确性。

发明内容

本发明的目的在于提供一种动态优化表达力评测题目的方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种动态优化表达力评测题目的方法，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。

作为本发明的优选，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。

作为本发明的优选，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’。

作为本发明的优选，步骤1)中得到sc_i和sc的公式分别为：

sc＝w·h^T。

作为本发明的优选，步骤2)中题目q_j的难度调整公式为：