[发明专利]试卷组卷方法、装置、存储介质及计算机设备

权利要求书

1.一种试卷组卷方法，其特征在于，所述方法包括：

接收组卷输入数据，所述组卷输入数据至少包括考点范围信息和考试班级信息；

根据所述考试班级信息获取对应的班级能力值；

在题库中召回与所述考点范围信息对应、且与所述班级能力值匹配的候选题目集合；

根据试卷题目排序规律从所述候选题目集合中生成预设数量的候选试卷；

所述组卷输入数据还包括学校信息，所述方法还包括：

获取与所述学校信息对应的离线试卷；

根据所述离线试卷，利用ridge回归模型和卡尔曼滤波预测学校试卷难度值；

在题库中召回与所述考点范围信息对应、且与所述班级能力值和所述学校试卷难度值匹配的候选题目集合；

所述方法还包括：

对离线试卷做特征工程设计，并将题目在试卷中的相对位置作为label值训练CART树模型，其中，采用分类任务，分类值为1-23，分类指标为GINI系数；

基于试卷题目编排逻辑对CART树模型进行调整，以得到所述试卷题目排序规律。

2.根据权利要求1所述的试卷组卷方法，其特征在于，所述方法还包括：

获取学生的考试数据；

利用学生的考试数据，并根据多维项目反应理论模型计算学生能力值；

根据所述学生能力值和所述考试班级信息计算出所述班级能力值。

3.根据权利要求2所述的试卷组卷方法，其特征在于，利用学生的考试数据，并根据多维项目反应理论模型计算学生能力值的步骤具体包括：

利用Pyspark处理学生的考试数据，将学生的考生数据处理成为学生-每题得分的二维表；

将所述二维表输入至多维项目反应理论模型中以计算学生能力值；

根据所述学生能力值，利用k-means聚类算法，对学习进修能力分级。

4.根据权利要求1所述的试卷组卷方法，其特征在于，根据所述离线试卷，利用ridge回归模型和卡尔曼滤波预测学校试卷难度值的步骤具体包括：

提取所述离线试卷的特征值，所述特征值至少包括考试时间、考试类型、试卷内各题目的难度值，并利用ridge回归模型拟合历史难度值；

利用卡尔曼滤波进行噪声修正，以预测出所述学校试卷难度值。

5.一种试卷组卷装置，其特征在于，所述装置包括：

接收模块，用于接收组卷输入数据，所述组卷输入数据至少包括考点范围信息和考试班级信息；

第一获取模块，用于根据所述考试班级信息获取对应的班级能力值；

召回模块，用于在题库中召回与所述考点范围信息对应、且与所述班级能力值匹配的候选题目集合；

生成模块，用于根据试卷题目排序规律从所述候选题目集合中生成预设数量的候选试卷；

所述组卷输入数据还包括学校信息，所述装置还包括：

第三获取模块，用于获取与所述学校信息对应的离线试卷；

预测模块，用于根据所述离线试卷，利用ridge回归模型和卡尔曼滤波预测学校试卷难度值；

所述召回模块具体用于在题库中召回与所述考点范围信息对应、且与所述班级能力值和所述学校试卷难度值匹配的候选题目集合；

所述装置还包括：

设计模块，用于对离线试卷做特征工程设计，并将题目在试卷中的相对位置作为label值训练CART树模型，其中，采用分类任务，分类值为1-23，分类指标为GINI系数；

调整模块，用于基于试卷题目编排逻辑对CART树模型进行调整，以得到所述试卷题目排序规律。

6.根据权利要求5所述的试卷组卷装置，其特征在于，所述装置还包括：

第二获取模块，用于获取学生的考试数据；

第一计算模块，用于利用学生的考试数据，并根据多维项目反应理论模型计算学生能力值；

第二计算模块，用于根据所述学生能力值和所述考试班级信息计算出所述班级能力值。

7.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-4任意一项所述的方法。

8.一种计算机设备，包括存储器、处理器以及存储在存储器上并可在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4任意一项所述的方法。