[发明专利]基于深度学习的命题智能分析处理方法和系统有效

专利信息
申请号: 202010856601.8 申请日: 2020-08-24
公开(公告)号: CN112015780B 公开(公告)日: 2021-06-01
发明(设计)人: 崔炜 申请(专利权)人: 上海松鼠课堂人工智能科技有限公司
主分类号: G06F16/2458 分类号: G06F16/2458;G06F16/28;G06F16/248
代理公司: 暂无信息 代理人: 暂无信息
地址: 200237 上海市徐*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 深度 学习 命题 智能 分析 处理 方法 系统
【权利要求书】:

1.基于深度学习的命题智能分析处理方法,其特征在于,其包括如下步骤:

步骤S1,获取预设目标学科对应的历史命题数据,并从所述历史命题数据中确定同类型命题对应的出现时间信息和出现次数信息,以此确定所述同类型命题的综合出现规律评价值;

步骤S2,根据历史考试命题大纲和历史热点命题信息,对所述同类型命题的综合出现规律评价值进行优化处理,以此确定所述同类型命题的优化处理后的综合出现规律评价值,并确定同类型命题对应的命题占比权重值;

步骤S3,根据所述同类型命题的优化处理后的综合出现规律评价值和命题占比权重值,确定预测命题信息,并将所述预测命题信息进行可视化显示以供用户选择;

步骤S4,接收所述用户选择的所述预测命题信息,产生与所述用户选择的预测命题信息对应的考试试卷;

其中,在所述步骤S1中,获取预设目标学科对应的历史命题数据,并从所述历史命题数据中确定同类型命题对应的出现时间信息和出现次数信息,以此确定所述同类型命题的综合出现规律评价值具体包括:

步骤S101,根据预设目标学科的学科类别信息,从预设命题历史数据库中,摘选与所述预设目标学科对应的历史命题数据;

步骤S102,根据所述预设目标学科的历史考试时间戳信息,对所述历史命题数据进行识别处理,以此确定所述历史命题数据中同类型命题对应的出现时间信息和出现次数信息;

步骤S103,根据所述出现时间信息、所述出现次数信息以及下面公式(1),确定所述同类型命题的综合出现规律评价值A:

在上述公式(1)中,m1表示在所述历史命题数据中,根据所述历史考试时间戳信息所确定的所述同类型命题对应的知识内容的所有类型命题的出现总次数,m0表示所述历史命题数据中根据所述历史考试时间戳信息确定的所述同类型命题的出现总次数;在所述历史命题数据中,根据所述历史考试时间戳信息,按照考试时间从前往后的顺序将所述同类型命题对应的知识内容的所有类型命题进行排序,形成所述同类型命题对应的知识内容的命题序列,此时,m0-1表示所述命题序列中第m0-1组相邻的两个所述同类型命题之间所间隔的命题数目;Δk表示第k组相邻的两个所述同类型命题之间的出现时间间隔,T(Δm′)表示m0-1组相邻的两个所述同类型命题之间的出现时间间隔中的最大值;T(Δm″)表示m0-1组相邻的两个所述同类型命题之间的出现时间间隔中的最小值;

其中,在所述步骤S2中,根据历史考试命题大纲和历史热点命题信息,对所述同类型命题的综合出现规律评价值进行优化处理,以此确定所述同类型命题的优化处理后的综合出现规律评价值,并确定同类型命题对应的命题占比权重值具体包括:

步骤S201,根据历史考试命题大纲、历史热点命题信息和下面公式(2),对所述同类型命题的综合出现规律评价值A进行优化处理,从而得到所述同类型命题的优化处理后的综合出现规律评价值A′:

在上述公式(2)中,n表示根据所述历史考试时间戳信息确定的历史考试总次数,si表示所述同类型命题对应的知识内容在第i次历史考试对应的考试命题大纲中对应的命题出现概率值、且i=1、2、3、…、n,pi表示所述同类型命题对应的知识内容在第i次历史考试对应的热点命题中对应的热度值、且i=1、2、3、…、n;

步骤S202,将所有的同类型命题各自的优化处理后的综合出现规律评价值A′按照从大到小的顺序进行排序,获得同类型命题排序序列;

步骤S203,获取同类型命题排序序列中的每个同类型命题各自的命题关键词,按照如下公式(3)分别确定每个同类型命题对应的命题占比权重值:

在上述公式(3)中,wj表示同类型命题排序序列中第j个同类型命题对应的命题占比权重值;m表示所述预设目标学科对应的历史命题数据中所包括的所有命题关键词在所有历史考试中所出现的总次数;βj表示所述预设目标学科对应的历史命题数据中第j个命题关键词在所有历史考试中对应的出现总次数,表示包含第j个命题关键词的所有命题在所述历史命题数据中的数据比特占比;所述同类型命题的命题关键词包括命题类型的类型关键词和命题对应的知识内容的关键词;

步骤S204,将所述同类型命题排序序列中的每个同类型命题与其相应的命题占比权重值进行一一对应记录,形成命题预测参考列表;

其中,在所述步骤S3中,根据所述同类型命题的优化处理后的综合出现规律评价值和命题占比权重值,确定预测命题信息,并将所述预测命题信息进行可视化显示以供用户选择具体包括:

步骤S301,在所述命题预测参考列表中,选择前X位的同类型命题;

步骤S302,根据所述前X位的同类型命题各自的命题占比权重值、预设的试卷命题总数量,确定前X位的同类型命题各自对应的基准命题数量;

步骤S303,针对前X位的同类型命题中的每个同类型命题:从预设命题库中,调取出该个同类型命题对应的Y个命题,所述Y等于或大于该个同类型命题对应的基准命题数量;

步骤S304,将调取出的前X位的同类型命题各自对应的所有命题作为预测命题信息,将预测命题信息进行可视化显示以供用户选择。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海松鼠课堂人工智能科技有限公司,未经上海松鼠课堂人工智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010856601.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top