CN101866561A - 可调整式多元变量渐近寻优算法的智能组卷装置及方法 - Google Patents
可调整式多元变量渐近寻优算法的智能组卷装置及方法 Download PDFInfo
- Publication number
- CN101866561A CN101866561A CN 201010197572 CN201010197572A CN101866561A CN 101866561 A CN101866561 A CN 101866561A CN 201010197572 CN201010197572 CN 201010197572 CN 201010197572 A CN201010197572 A CN 201010197572A CN 101866561 A CN101866561 A CN 101866561A
- Authority
- CN
- China
- Prior art keywords
- paper
- examination question
- topic
- chapter
- module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供的是可调整式多元变量渐近寻优算法的智能组卷装置及方法。通过试题数据库模块、系统管理模块、试题管理模块、试卷管理模块、身份认证模块和中心处理模块,采用可调整式多元变量渐近寻优算法来实现智能组卷中的信息处理。提高了组卷速度,节省了组卷时间。多次试验证明与以往方法相比本方法的组卷效率提高了约28%,成功率到达了98%,提高了信息处理的稳定性,节约了组卷时间,避免了智能组卷失败的情况发生,组出的试卷知识点涵盖全面,使考试更具有公正性。
Description
技术领域
本发明涉及的是一种计算机辅助教学的信息处理方法。具体地说是一种智能化的组成试卷的装置和方法。
背景技术
随着计算机技术的飞速发展,计算机辅助测验作为计算机辅助教学的一个重要方面也越来越受到重视。计算机辅助测验不仅能减轻教师在测试环节中的工作量,还能有效提高教学质量、维护测试的公平性、合理性和科学性。题库系统是计算机辅助测验的核心,而智能组卷是题库系统设计的重点。
在基于现代网络教育技术的试题库建设中,智能组卷是运用计算机的数据搜索、优化等信息处理技术,从试题库中自动选择试题,并对试题信息进行处理,最后组成试卷。具体地说,智能组卷问题就是计算机根据人机交互制定的智能组卷策略,将其转换成选择试题的属性(章、节、知识点、题型、难度等)约束条件,然后利用计算机的信息处理能力,依照科学合理的搜索和处理方法,从试题库中自动搜索出一组满足条件的试题组成试卷,这份试卷应该满足用户在难度、层次、和时间等指标上的要求。
目前,智能组卷的主要难题是如何保证生成的试卷能够最大程度的满足用户的不同需要,并具有随机性、科学性、合理性。尤其是在网络交互环境下,用户对组卷速度的要求较高,而在理论上能搜索到全局最优的算法可能会以牺牲时间为代价,往往不能达到预期效果。因此如何选择一个高效、科学、强壮的算法是智能组卷的关键。
目前常用的智能组卷算法有两种:回溯算法和随机抽取算法。两种算法都存在一定的缺点:第一种算法占用内存大,程序结构相对复杂,组卷速度较慢,选取的试题很难满足用户的组卷要求;第二种算法灵活性较低,无法满足题库多变的要求,缺乏智能性。
对于基础的可调整式多元变量渐近寻优算法已取得了一定成果,名为《一种可调整式的多元变量渐近寻优组卷策略》的论文已在应用科技发表,为后续研究工作的开展提供了一定的理论基础,本发明在基础的可调整式多元变量渐近寻优算法基础上进行了改进。具体改进为:将难度和层次参数组成一张二维表,该表称为难度表,通过难度表来控制试题选择时的难度和层次要求,更好的加快了组卷的实现过程,具有更广的实用性。
发明内容
本发明的目的在于提供一种能提高了智能组卷的速度、满足了用户多变性要求的可调整式多元变量渐近寻优算法的智能组卷装置。本发明的目的还在于提供一种可调整式多元变量渐近寻优算法的智能组卷方法。
本发明的目的是这样实现的:
本发明的可调整式多元变量渐近寻优算法的智能组卷装置,包括试题数据库模块、系统管理模块、试题管理模块、试卷管理模块、身份认证模块和中心处理模块,试题数据库模块把考试科目的内容分成若干个章节,每个章节又分成若干个知识点,每个知识点下分布考核该知识点的试题,根据各知识点的组卷控制参数从试题数据库模块中抽取符合要求的要考核的知识点的试题组成试卷;系统管理模块实现连接数据库、导入数据、备份数据库、还原数据库、日志管理功能,通过以上功能实现系统的有效维护;试题管理模块录入试题,将设计的试题导入数据库,在录入试卷时将一个一个或成批录入;试卷管理模块实现对以往试卷的查询功能;身份认证模块对登陆者的身份进行验证;中心处理模块,接收用户输入的信息,并根据用户输入的信息,采用可调整式多元变量渐近寻优算法,完成智能组卷过程。
本发明的可调整式多元变量渐近寻优算法的智能组卷方法包括如下步骤:
(1)判断用户命题要求输入的参数是否合法。不合法,跳转至(11);否则,获取窗口中设置的题型参数和章参数的百分比,初始化难度表,继续向下执行。
(2)将题型按照窗口中设置的百分比与试卷中已有该题型的试题所占的百分比的差值由高到低进行排序,从排好序的题型中选择目前差值最大的题型,继续向下执行。
(3)判断试卷中已有的该题型的试题所占的百分比是否已达到用户命题要求。达到要求,继续向下执行;否则,跳转至(5)。
(4)判断所有题型是否已满足用户命题要求。是,跳转至(11);否则,跳转至(2)。
(5)将章按照窗口中设置的各章的百分比与试卷中已有该章的试题所占的百分比的差值由高到低进行排序,在排好序的章中选取目前差值最大的章,继续向下执行。
(6)判断试卷中已有的该章的试题所占的百分比是否已达到用户命题要求。是,跳转至(5);否则,继续向下执行。
(7)按照用户设置的试卷整体难度水平,查找难度分区表(难度分区表已通过窗口进行了提前设置)。根据试卷要求的整体难度水平,将各区目前试卷中已有试题所占百分比和实际要求的该区试题所占百分比相比较,选择相差最大的难度区,判断该区是否存在满足条件的试题。存在,跳转至(9);否则,继续向下执行。
(8)判断是否所有难度区已遍历完。已遍历完,跳转至(5);否则,跳转至(7)。
(9)判断满足所选题型、章、难度条件的试题集是否为空。是,跳转至(7);否则,继续向下执行。
(10)试题集中的试题按照使用频率由低到高排序,选择使用频率最低的试题加入到试卷中,跳转到(2)。
(11)组卷完成。
本发明的实质是采用可调整式多元变量渐近寻优算法来实现智能组卷中的信息处理。
可调整式多元变量是指该组卷策略采用条形码来标识试题的属性信息,该条形码尽最大可能地包含了组卷时应考虑的院、系、课程、题型、章、节、知识点、难度、题分、计算量、流水号共M(M=11)种控制参数,这些参数能满足一个高校大多数学科的智能组卷要求。为了提高智能组卷的灵活性、有效性,控制参数可以根据用户的需要自行调整。用户可以选择或修改其中任意几个属性,使得经过调整后的属性能符合一门具体课程组卷时的基本要求。可以由组卷者根据不同院系不同课程的需要,选择某门具体课程所需要的N种属性使用,其余不需要的属性位均标以#;对于某门具体课程,11种属性中可能有些不需要的属性,而有些需要的属性却不在其当中,可以将11种属性中暂时不需要的属性改为所需要的属性。这种调整操作只需用户在窗口操作即可实现。
渐近寻优是指,有多个约束条件需要同时满足时,按照控制参数对试卷整体约束条件的影响大小,将各个控制参数进行排序。按照排序,顺序选取各个控制参数作为约束条件,对于每个约束条件,每次均选取最容易满足该约束条件的试题集,最后将得到的满足所有约束条件的试题添加到试卷中。优化了搜索过程,减少了时间开销,提高了组卷成功的效率,可以满足多数试题库的要求,智能性高。以题分为例进行说明,其他约束条件类似。现假设卷面的总分为T(试卷总分可以在窗口中设置,假设为100分)。若先选择题分小的试题加入到试卷中,假设按约束条件组卷,现试卷中已有96分的试题,那么只需再添加4分的试题,组卷就可完成。按要求此时试题已筛选到题分为10分的综合题,若将该综合题加入到试卷中,试卷分数不合法,组卷失败。采取渐近寻优的算法,每次总是先选取题分高的题型和章分数高的试题优先进行组卷,最后组卷接近总分时,可以选择题分小的题型的试题进行补分,这样试题可选择的空间就会变大,有利于组卷的成功,提高了智能组卷成功的可能性。
本发明在智能组卷的求解问题上有独到的优势,测试结果表明,采用该组卷算法的系统功能全面、稳定性好、组卷效率高,可有效保证考试的公正性。
本发明的优点在于提高了组卷速度,节省了组卷时间。多次试验证明与以往方法相比本方法的组卷效率提高了约23%,成功率到达了98%,提高了信息处理的稳定性,节约了组卷时间,避免了智能组卷失败的情况发生,组出的试卷知识点涵盖全面,使考试更具有公正性。
附图说明
图1是本发明的可调整式多元变量渐近寻优算法的智能组卷装置的结构框图;
图2是本发明的可调整式多元变量渐近寻优算法的智能组卷方法的流程图;
图3是本发明的可调整式多元变量渐近寻优算法的智能组卷方法的效果图。
具体实施方式
下面结合附图举例对本发明做更详细地描述:
结合图1发明的可调整式多元变量渐近寻优算法的智能组卷装置包括:
1、试题数据库模块。建立一个高质量的试题数据库是计算机组卷成功的基本前提,智能组卷中各项工作的关键是以大量试题为基础的,这些试题都是按各种测试目标精心筛选,并被赋予一定的属性,如题型、难度、层次等。试题不只是在质量上,更要在数量上有较高的要求,随着时间的推移试题还应得到不断地补充、修改、完善和更新。
试题数据库把考试科目的内容分成若干个章节,每个章节又分成若干个知识点,每个知识点下分布了考核该知识点的试题。根据教学要求确定了每个知识点的题型分布和难度分布,根据学时确定了每个知识点所占的分值。知识点中的分值、难度、层次、优先级、各章节所占的比例等都是该试题的组卷控制参数,其中题型分值是指当前知识点在考核时采用哪几种题型组合和每种题型所占的分值,系统根据各知识点的组卷控制参数从题库中抽取符合要求的要考核的知识点的试题组成试卷。
2、系统管理模块。为了实现系统的有效维护,本系统包含了系统管理功能,主要实现连接数据库、导入数据、备份数据库、还原数据库、日志管理等功能,通过以上功能实现系统的有效维护,增强了系统的安全性。
3、试题管理模块。为了实现智能组卷功能,开发的智能组卷系统中必须要有管理试题的功能,必须要有录入试题的功能,将大量精心设计的试题导入数据库,以方便在组卷时能够根据要求选择适当的试题加入到试卷中,在录入试卷时既要有将一个一个的试题录入的功能,又要有将试题成批录入的功能,既方便了试题的单个录入,又方便了试题的成批录入,有助于试题的管理,为实现试卷的成功组卷做了一个坚实的基础。
4、试卷管理模块。主要实现对以往试卷的查询功能。按照不同的查询条件对以往的试卷分类进行查询,如:学期、考试类别等。
5、身份认证模块。用于对登陆者的身份进行验证,以分配给登陆者对应的权限,可以进行相应的操作。本系统的主要权限分两种:管理员,主要功能是维护整个系统的基础信息,查询试卷和管理试卷;教师用户,维护本门课的基础信息,管理试题,完成智能组卷。
6、中心处理模块。接收用户输入的信息,并根据用户输入的信息,采用可调整式多元变量渐近寻优算法,完成智能组卷过程,中心处理模块主要计算机来完成。
本发明的可调整式多元变量渐近寻优算法的智能组卷方法为:
(1)判断用户命题要求输入的参数是否合法。不合法,跳转至(11);否则,获取窗口中设置的题型参数和章参数的百分比,初始化难度表,继续向下执行。
(2)将题型按照窗口中设置的百分比与试卷中已有该题型的试题所占的百分比的差值由高到低进行排序,从排好序的题型中选择目前差值最大的题型,继续向下执行。
(3)判断试卷中已有的该题型的试题所占的百分比是否已达到用户命题要求。达到要求,继续向下执行;否则,跳转至(5)。
(4)判断所有题型是否已满足用户命题要求。是,跳转至(11);否则,跳转至(2)。
(5)将章按照窗口中设置的各章的百分比与试卷中已有该章的试题所占的百分比的差值由高到低进行排序,在排好序的章中选取目前差值最大的章,继续向下执行。
(6)判断试卷中已有的该章的试题所占的百分比是否已达到用户命题要求。是,跳转至(5);否则,继续向下执行。
(7)按照用户设置的试卷整体难度水平,查找难度分区表(难度分区表已通过窗口进行了提前设置)。根据试卷要求的整体难度水平,将各区目前试卷中已有试题所占百分比和实际要求的该区试题所占百分比相比较,选择相差最大的难度区,判断该区是否存在满足条件的试题。存在,跳转至(9);否则,继续向下执行。
(8)判断是否所有难度区已遍历完。已遍历完,跳转至(5);否则,跳转至(7)。
(9)判断满足所选题型、章、难度条件的试题集是否为空。是,跳转至(7);否则,继续向下执行。
(10)试题集中的试题按照使用频率由低到高排序,选择使用频率最低的试题加入到试卷中,跳转到(2)。
(11)组卷完成。
以《计算机系统结构》为例来说明新的智能组卷的过程,本门课程需要设置6个属性参数:
(1)、设置题型参数。在题型参数设置中,题型、各题型的单题分数是根据具体课程的需要提前导入到题库中的。当某门课程需要设置组卷参数时,可从数据库中查询其题型和各题型的单题分数。各题型的题目数量根据组卷需要在窗口中填写。每门课程的特点不同,组卷时所需的题型也有所不同,题型信息可以根据具体课程的需要在操作窗口中进行添加、删除、修改。
按照组卷的要求,题型窗口中参数设置必须满足以下约束条件:
或用户给定的试卷分数
其中,m表示某门课程的总题型数目,k表示第i种题型的单题分数,j表示第i中题型的题目数量。
(2)、设置章参数。各章名称是根据课程需要提前导入题库中的。当某门课程需要设置组卷参数时,可从数据库中查询该门课程的章信息。由于一门课程各章的重要程度不同,体现在试卷中就是各章试题在试卷中所占的比例不同。具体的课程在设置各章试题所占试卷百分比时,各章所占的百分比之和必须为100%。系统可以自动检测用户设置的百分比的合法性,如果各章百分比之和不满足100%,将会出现组卷失败的报错信息。由于每门课程的特点不同,其所具有的章信息也有所不同,章信息可以根据具体课程的需要,在该门课程的章信息操作窗口中进行添加、删除、修改。
(3)、设置难度参数。该组卷策略将试卷分为特别容易、比较容易、一般、比较难、特别难,共五个难度级别,代表了拟组试卷的整体难度标准。在具体课程组卷时,组卷者可以通过难度选择右面的下拉框设置整张试卷的总体难度级别。
(4)、设置计算量参数。该组卷策略将试卷分为特别少、比较少、一般、比较多、特别多,共五个计算量级别,代表了拟组试卷的整体计算量标准。在具体课程组卷时,组卷者可以通过计算量选择右面的下拉框设置整张试卷的总体计算量级别。
(5)、设置优先级参数。任何一门课程都存在一些重点知识[5],代表这些重点知识的试题为高优先级试题。组卷时,高优先级试题在试卷中占一定的比例才合理。对于不同课程,高优先级的试题在试卷中所占的百分比不同。在具体课程组卷时,组卷者可以通过本窗口设置高优先级的试题所占试卷的百分比。
以上参数设置完成后,点击开始组卷,系统按照实现方法处理信息:
(1)系统将按照控制参数对试卷整体约束条件的影响大小,将各个控制参数进行排序,例如依次排序为题型、章节、难度、级别、计算量。
(2)判断是否还有剩余分数的题型,如果有,选择目前剩余题分最高的题型(例如:简答题),如果没有,结束组卷。
(3)在排好序的章中选择剩余分数最多的章(例如:第三章)。
(4)按照用户设置的试卷整体难度水平查找难度分区表,选择剩余分数最大的区(例如1区)。
(5)选择剩余分数最多的计算量(例如:一般)
(6)在第三章的第1区选择层次为了解的难度为一般的简答题,并从第三章的剩余分数中减去该题题分,从第一区剩余分数中减去该题题分,从简答题剩余分数中减去该题题分,从了解的剩余分数中减去该题题分,从一般的剩余分数中减去该题题分。
(7)继续以上(2)——(6)的步骤,直到组卷完成
以上是本发明的较佳实施例,凡依本发明技术方案作为改变的,所产生的功能作用未超出本发明方案范围的,均属于本发明的保护范围。
Claims (2)
1.一种可调整式多元变量渐近寻优算法的智能组卷装置,包括试题数据库模块、系统管理模块、试题管理模块、试卷管理模块、身份认证模块和中心处理模块,其特征是:试题数据库模块把考试科目的内容分成若干个章节,每个章节又分成若干个知识点,每个知识点下分布考核该知识点的试题,根据各知识点的组卷控制参数从试题数据库模块中抽取符合要求的要考核的知识点的试题组成试卷;系统管理模块实现连接数据库、导入数据、备份数据库、还原数据库、日志管理功能,通过以上功能实现系统的有效维护;试题管理模块录入试题,将设计的试题导入数据库,在录入试卷时将一个一个或成批录入;试卷管理模块实现对以往试卷的查询功能;身份认证模块对登陆者的身份进行验证;中心处理模块,接收用户输入的信息,并根据用户输入的信息,采用可调整式多元变量渐近寻优算法,完成智能组卷过程。
2.一种可调整式多元变量渐近寻优算法的智能组卷方法,其特征是:
(1)判断用户命题要求输入的参数是否合法,不合法,跳转至(11);否则,获取窗口中设置的题型参数和章参数的百分比,初始化难度表,继续向下执行;
(2)将题型按照窗口中设置的百分比与试卷中已有该题型的试题所占的百分比的差值由高到低进行排序,从排好序的题型中选择目前差值最大的题型,继续向下执行;
(3)判断试卷中已有的该题型的试题所占的百分比是否已达到用户命题要求,达到要求,继续向下执行;否则,跳转至(5);
(4)判断所有题型是否已满足用户命题要求,是,跳转至(11);否则,跳转至(2);
(5)将章按照窗口中设置的各章的百分比与试卷中已有该章的试题所占的百分比的差值由高到低进行排序,在排好序的章中选取目前差值最大的章,继续向下执行;
(6)判断试卷中已有的该章的试题所占的百分比是否已达到用户命题要求,是,跳转至(5);否则,继续向下执行;
(7)按照用户设置的试卷整体难度水平,查找难度分区表,根据试卷要求的整体难度水平,将各区目前试卷中已有试题所占百分比和实际要求的该区试题所占百分比相比较,选择相差最大的难度区,判断该区是否存在满足条件的试题,存在,跳转至(9);否则,继续向下执行;
(8)判断是否所有难度区已遍历完,已遍历完,跳转至(5);否则,跳转至(7);
(9)判断满足所选题型、章、难度条件的试题集是否为空,是,跳转至(7);否则,继续向下执行;
(10)试题集中的试题按照使用频率由低到高排序,选择使用频率最低的试题加入到试卷中,跳转到(2);
(11)组卷完成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010197572 CN101866561A (zh) | 2010-06-11 | 2010-06-11 | 可调整式多元变量渐近寻优算法的智能组卷装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010197572 CN101866561A (zh) | 2010-06-11 | 2010-06-11 | 可调整式多元变量渐近寻优算法的智能组卷装置及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101866561A true CN101866561A (zh) | 2010-10-20 |
Family
ID=42958267
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201010197572 Pending CN101866561A (zh) | 2010-06-11 | 2010-06-11 | 可调整式多元变量渐近寻优算法的智能组卷装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101866561A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103400223A (zh) * | 2013-07-23 | 2013-11-20 | 苏州汉清计算机有限公司 | 新型网络考试管理系统 |
CN104008453A (zh) * | 2014-05-29 | 2014-08-27 | 启秀科技(北京)有限公司 | 职业能力测评仿真系统 |
CN104157175A (zh) * | 2014-08-27 | 2014-11-19 | 湖南堂堂清教育科技有限公司 | 教学效果即时反馈评估系统 |
WO2015043201A1 (zh) * | 2013-09-27 | 2015-04-02 | 季争鸣 | 一种具有选择答题功能的条形码及其应用 |
CN104504953A (zh) * | 2014-12-30 | 2015-04-08 | 浪潮(北京)电子信息产业有限公司 | 一种随机生成试卷的方法和装置 |
CN105574210A (zh) * | 2016-02-02 | 2016-05-11 | 广东小天才科技有限公司 | 一种推送复习知识板块的方法及系统 |
CN105632268A (zh) * | 2014-10-28 | 2016-06-01 | 骅钜数位科技有限公司 | 随选出题系统 |
CN106710344A (zh) * | 2017-02-13 | 2017-05-24 | 盐城工学院 | 计算机应用考试系统 |
CN110428681A (zh) * | 2019-08-02 | 2019-11-08 | 运城学院 | 一种基于大数据的远程辅助教学系统及方法 |
CN110533974A (zh) * | 2018-05-24 | 2019-12-03 | 中国移动通信集团有限公司 | 一种智能组卷方法、系统和计算机可读存储介质 |
CN112699283A (zh) * | 2020-12-28 | 2021-04-23 | 科大讯飞股份有限公司 | 试卷生成方法及装置 |
CN114416884A (zh) * | 2022-03-28 | 2022-04-29 | 北京奥星贝斯科技有限公司 | 连接分区表的方法和装置 |
-
2010
- 2010-06-11 CN CN 201010197572 patent/CN101866561A/zh active Pending
Non-Patent Citations (1)
Title |
---|
《应用科技》 20091031 李静梅,李静,焦平 一种可调整式的多元变量渐近寻优组卷策略 第53-57页 1-2 第36卷, 第10期 2 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103400223A (zh) * | 2013-07-23 | 2013-11-20 | 苏州汉清计算机有限公司 | 新型网络考试管理系统 |
WO2015043201A1 (zh) * | 2013-09-27 | 2015-04-02 | 季争鸣 | 一种具有选择答题功能的条形码及其应用 |
CN104008453A (zh) * | 2014-05-29 | 2014-08-27 | 启秀科技(北京)有限公司 | 职业能力测评仿真系统 |
CN104157175A (zh) * | 2014-08-27 | 2014-11-19 | 湖南堂堂清教育科技有限公司 | 教学效果即时反馈评估系统 |
CN105632268A (zh) * | 2014-10-28 | 2016-06-01 | 骅钜数位科技有限公司 | 随选出题系统 |
CN104504953A (zh) * | 2014-12-30 | 2015-04-08 | 浪潮(北京)电子信息产业有限公司 | 一种随机生成试卷的方法和装置 |
CN105574210A (zh) * | 2016-02-02 | 2016-05-11 | 广东小天才科技有限公司 | 一种推送复习知识板块的方法及系统 |
CN106710344A (zh) * | 2017-02-13 | 2017-05-24 | 盐城工学院 | 计算机应用考试系统 |
CN110533974A (zh) * | 2018-05-24 | 2019-12-03 | 中国移动通信集团有限公司 | 一种智能组卷方法、系统和计算机可读存储介质 |
CN110533974B (zh) * | 2018-05-24 | 2022-05-06 | 中国移动通信集团有限公司 | 一种智能组卷方法、系统和计算机可读存储介质 |
CN110428681A (zh) * | 2019-08-02 | 2019-11-08 | 运城学院 | 一种基于大数据的远程辅助教学系统及方法 |
CN112699283A (zh) * | 2020-12-28 | 2021-04-23 | 科大讯飞股份有限公司 | 试卷生成方法及装置 |
CN112699283B (zh) * | 2020-12-28 | 2023-12-01 | 科大讯飞股份有限公司 | 试卷生成方法及装置 |
CN114416884A (zh) * | 2022-03-28 | 2022-04-29 | 北京奥星贝斯科技有限公司 | 连接分区表的方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101866561A (zh) | 可调整式多元变量渐近寻优算法的智能组卷装置及方法 | |
CN103412897B (zh) | 一种基于分布式结构的并行数据处理方法 | |
CN103310012A (zh) | 一种分布式网络爬虫系统 | |
CN103345504B (zh) | 单星调度的算子构建方法 | |
Westlund | An interaction-cost perspective on networks and territoryInteraction-cost perspective on networks | |
CN103946831A (zh) | 用于模板的成本感知的选择以供应共享资源的系统、方法和程序产品 | |
CN109815254B (zh) | 基于大数据的跨地域任务调度方法及系统 | |
CN102023984A (zh) | 甄别重复实体数据的方法和系统 | |
CN109087030A (zh) | 实现c2c通用移动众包的方法、通用移动众包服务器及系统 | |
CN104021125A (zh) | 一种搜索引擎排序的方法、系统以及一种搜索引擎 | |
US9524341B2 (en) | Retrieval system and method of searching of information in the internet | |
CN102207935A (zh) | 用于创建索引的方法和系统 | |
CN103455619A (zh) | 一种基于Lucene分片结构的打分处理方法及系统 | |
CN103034728B (zh) | 利用社会化网络学术资源交互平台进行信息交互的方法 | |
Min et al. | Data mining and economic forecasting in DW-based economical decision support system | |
Wang et al. | A resume recommendation model for online recruitment | |
Khan et al. | Scalability and performance analysis of CRUD matrix based fragmentation technique for distributed database | |
CN109949881A (zh) | 一种基于区块链的大数据处理方法及设备 | |
Kuang et al. | User interests mining based on topic map | |
CN108280176A (zh) | 基于MapReduce的数据挖掘优化方法 | |
CN104239314A (zh) | 一种扩展检索词的方法和系统 | |
Ozcan et al. | A memetic algorithm for solving a timetabling problem: An incremental strategy | |
Westenberg et al. | Mixed-method identifications | |
Thushara et al. | Panel generation as an application of genetic algorithm | |
Hu et al. | Higher education research in China: An independent academic field under the state |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20101020 |