[发明专利]一种基于题意文本的同知识点试题分组系统和方法

说明书

本发明公开了一种基于题意文本的同知识点试题分组系统和方法，属于在线试题学习领域。本系统包含了无监督模型WSD‑LDA聚类和监督学习的独热随机森林两种方法模型，利用人工智能与自然语言处理领域相关技术，对在线平台题库同学科或知识点下内容相近的题目进行细分，将相近的题目以分组形式呈现，便于用户依照自身需求对同类题目进行挑选、去重、精简、典型化等处理，解决了平台上相似题目过多，同一知识点下题目冗杂，教师难以优选试题、用户学习训练低效的问题。

技术领域

本发明涉及在线试题学习领域，尤其涉及一种基于题意文本的同知识点试题分组系统和方法。

背景技术

与传统的纸质试题相比，在线试题拥有更实时的反馈、更灵活的交互、更智能的评测以及更广阔的范围。也因此，越来越多的课程教学和培训移步互联网，有些课程将作业与考核放于线上，而有些甚至直接转变为线上课程。线上教学平台的普及带来了在线练习与线上考试的流行，也因此绝大多数在线教学平台(例如作业帮、拼题A、中国大学MOOC等)都拥有自己的提供填空题、选择题、判断题等多种题型的自动判题功能题库。

然而，许多在线教学平台在经过长期的发展与运营后，其题库在不断扩充的同时，也变得不断臃肿起来。大量的题目、大量的数据，逐渐令老师、学生、平台的管理者焦头烂额。目前，几乎所有教学平台对题目的分类仅停留在学科或学科下的章节、知识点层面，这使得同一个知识点下存在许多题目，其内容间互相交叉，难易程度相近，所以目前的划分对含上百道的题目数规模的知识点是远远不够的。有些章节或知识点涵盖广、范围大，需要进一步地细分，其下可能涵盖颗粒更小的题型或原子知识点，而这些往往是学习与教学的关键所在。一方面，学习者需要对不同题型的练习来掌握这一知识点的全部内容，而不是要花费较多时间做相似的题，拉低学习效率。另一方面，教师布置作业、挑选试题组成测验这些教学方式也同样需要更细的题目分组。此外，许多在线教学测试平台属于共享开放平台，每门课程的每个知识点下都有来自不同层次高校的众多教师贡献的题目，这些题目对知识点的考察角度不同，题目难易层次也有差别，也因此会出现质量参差不齐的情况。对于平台维护者来说，更细致的题目划分方法，对同类题目进行精简、整理并剔除低质量的题目至关重要。

诚然，完全依靠人力对海量的题目进行人工分类在理论上当然是可行的，但是耗时耗力，并不是一种明智的做法。另外，不同的用户可能会有不同的分类需求。因此，亟需一种能够根据题意自动实现题库试题分组的系统，且同时兼备根据用户意图进行偏好分类的功能，以此来解决同知识点下题目的划分问题。

发明内容

为了解决当前在线教学平台中大量题目内容相近，同知识点下题目堆积难以进一步划分的问题，本发明针对用户不同的需求提出了一种基于题意文本的同知识点试题分组系统和方法，系统中的多功能分组模块中包括基于无监督学习的聚类模型WSD-LDA和基于监督学习的独热随机森林分类模型。WSD-LDA模型可以完全自动智能地对同知识点下题目进行二层聚类划分，之后便可依照自身需求对同类题目进行挑选、去重、精简、典型化等处理。独热随机森林模型可根据用户自定义标签进行分组。

为了实现上述目的，本发明采用如下技术方案：

一种基于题意文本的同知识点试题分组系统，包括：

题目获取模块，其用于获取教学平台后台的题目数据，并以语种和知识点划分题目，每道题目至少包括编号和题干信息；

题目预处理模块，其用于针对同一知识点下的相同语种题目进行预处理，包括：获取同一知识点下相同语种题目的题干文本，并对获取的题干文本数据进行清洗，剔除题干文本重复的题目和题干文本缺失的题目；然后将题干文本分为若干个词汇，筛除停用词，得到各个题目的词汇集，所有题目的词汇集构成该知识点下的当前词汇表；

标签化模块，其用于对部分题目打上相应的标签；所述的部分题目是根据当前词汇表中的词汇随机筛选得到的，所筛选的题目至少覆盖80％词汇表；