[发明专利]基于深度学习的命题智能分析处理方法和系统

说明书

本发明提供了基于深度学习的命题智能分析处理方法和系统，其通过深度学习的方式对历史命题数据进行分析处理，以此确定同类型命题的综合出现规律评价值，再结合历史考试命题大纲和历史热点命题信息，确定同类型命题对应的命题占比权重值，以此获得并显示相应的预测命题信息，从而快速地和准确性形成可靠的试卷，同时便于全面考核学生的学习效果。

技术领域

本发明涉及智能教育的技术领域，特别涉及基于深度学习的命题智能分析处理方法和系统。

背景技术

目前在教学过程中，考试仍然是考核学生知识学习效果的重要手段，由于学生学习的知识内容数据较多以及相应科目的考试大纲覆盖的范围较大，为了有效地准备考试，通常需要对考试的命题内容进行预测，但是现有命题分析方式都是教师在试题库中查找相应的试题来形成试卷，其并不能有效地全面覆盖考试大纲，并且需要耗费大量时间来形成整套试卷，这不利于快速地和准确性形成可靠的试卷，同时也不利于全面考核学生的学习效果。

发明内容

针对现有技术存在的缺陷，本发明提供基于深度学习的命题智能分析处理方法和系统，其通过获取预设目标学科对应的历史命题数据，并从该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，以此确定该同类型命题的综合出现规律评价值，并根据历史考试命题大纲和历史热点命题信息，对该综合出现规律评价值进行优化处理，以此确定该类型命题的历史命题规律信息，再根据该历史命题规律信息，确定同类型命题对应的命题占比权重值，最后根据该同类型命题对应的命题占比权重，确定相应的预测命题信息，并将该预测命题信息进行可视化显示以供用户选择，还产生与该用户选择的预测命题信息相匹配的若干模拟考试题目；可见，该基于深度学习的命题智能分析处理方法和系统通过深度学习的方式对历史命题数据进行分析处理，以此确定同类型命题的综合出现规律评价值，再结合历史考试命题大纲和历史热点命题信息，确定同类型命题对应的命题占比权重值，以此获得并显示相应的预测命题信息，从而快速地和准确性形成可靠的试卷，同时便于全面考核学生的学习效果。

本发明提供基于深度学习的命题智能分析处理方法，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。

在一个实施例中，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：