CN109002564A - 试题智能推送方法和系统 - Google Patents
试题智能推送方法和系统 Download PDFInfo
- Publication number
- CN109002564A CN109002564A CN201811124077.4A CN201811124077A CN109002564A CN 109002564 A CN109002564 A CN 109002564A CN 201811124077 A CN201811124077 A CN 201811124077A CN 109002564 A CN109002564 A CN 109002564A
- Authority
- CN
- China
- Prior art keywords
- examination question
- knowledge point
- examination
- user
- question
- 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
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000012216 screening Methods 0.000 claims abstract description 30
- 238000012360 testing method Methods 0.000 claims abstract description 14
- 230000000875 corresponding effect Effects 0.000 claims description 32
- 230000002596 correlated effect Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 2
- 230000008878 coupling Effects 0.000 description 6
- 238000010168 coupling process Methods 0.000 description 6
- 238000005859 coupling reaction Methods 0.000 description 6
- 230000006399 behavior Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种试题智能推送方法和系统,所述方法包括步骤:采集录入试题,对试题添加试题属性标签;确定用户属性信息,基于用户的考试、作业、以及练习的行为对用户添加标签得到用户属性信息;搜索知识点对应的试题,根据用户确定的搜索条件或者根据用户的考试或作业确定待搜索的知识点,从试题库中搜索出与所述待搜索的知识点相对应的试题;对搜索出的试题进行筛选,筛选出核心知识点对应的试题、试题属性标签与用户属性信息相匹配的试题;将筛选后的试题推送给用户所用的客户端。本发明对用户进行属性标签,对错题所对应的知识点进行整理,使得推送出的试题能够适合不同的用户。
Description
技术领域
本发明涉及计算机及数据处理技术领域,更具体地,涉及一种试题智能推送方法和系统。
背景技术
“互联网+教育”是随着当今科学技术的不断发展,互联网科技与教育领域相结合的一种新的教育形式。信息化技术已经渗透到社会的各个方面。教育领域中,一场信息化的颠覆性变革正悄悄地发生着。在现代信息社会,互联网具有高效、快捷、方便传播的特点,在学生们的学习和生活中发挥着不可替代的重要作用,并成为学生们学习的好帮手。
现有技术公开了一种试题的推送方法及装置,根据试题的题目,标记试题的属性,试题的属性包括:科目、版本、年级、章节、知识点、考点;获取用户的错题,标记错题的属性,将错题的属性与试题的属性进行匹配,得到相似试题;根据预设的推送方式,推送相似试题,通过对试题进行属性标记,从而能够在用户出现错题的时候,找到与错题相似的相似试题,并将相似试题推送给学生。
但是,现有技术中仅仅能够推送与错题相似的试题,推送的试题并没有依用户不同而不同,并且,并没有对错题所对应的知识点进行处理,继续提供一种适合各个学生个性化差异的试题智能推送方法和系统。
发明内容
有鉴于此,本发明提供了一种试题智能推送方法,包括步骤:
采集录入试题,对所述试题添加试题属性标签,所述试题属性标签包括:题型、难度、知识点、年级、试题创建时间、及章节,根据试题属性标签确定试题的核心知识点和相关知识点形成试题库,其中,所述核心知识点是所述试题主要考察的知识点,所述相关知识点是所述试题中考察的与所述核心知识点相关的知识点;
确定用户属性信息,基于用户的考试、作业、以及练习的行为对用户添加标签得到用户属性信息,其中,用户属性信息包括用户的年级、以及用户所处的学习阶段;
搜索知识点对应的试题,根据用户确定的搜索条件或者根据用户的考试或作业确定待搜索的知识点,从所述试题库中搜索出与所述待搜索的知识点相对应的试题;
对搜索出的试题进行筛选,筛选出核心知识点对应的试题、试题属性标签与所述用户属性信息相匹配的试题;
将筛选后的试题推送给用户所用的客户端。
优选地,所述学习阶段,进一步,包括临近期中、临近期末、临近等级考试、临近升学、或临近出国的阶段。
优选地,所述搜索条件还包括基于考试或作业的错题知识点。
优选地,所述错题知识点,进一步包括搜索弱项知识点,其中,判断知识点是否为弱项知识点的方法包括:计算用户的错题得分率,横向预设范围内的得分率的分布情况,判断出错题对应的知识点是否是弱项知识点。
优选地,所述错题知识点还包括基于高频知识点和易错知识点,其中,统计用户考试分数得到样本,在样本内统计出所有用户的试题得分率,根据试题得分率给出知识点得分情况,知识点得分低的认为是易错知识点,高频知识点是在样本内出现次数在5次以上的知识点。
本发明还公开了一种试题智能推送系统,
包括试题采集装置、处理器及客户端,其中所述处理器包括试题属性标签添加装置、确定用户属性信息装置、搜索装置、筛选装置、以及推送装置,其中,
所述试题采集装置,为扫描仪或摄像头,通过第一路由设备连接至互联网,与所述处理器中的试题属性标签添加装置相耦接,用于采集录入试题发送至所述处理器的试题属性标签添加装置;
所述试题属性标签添加装置,分别与所述试题采集装置、筛选装置和搜索装置相耦接,对所述试题添加试题属性标签,所述试题属性标签包括:题型、难度、知识点、年级、试题创建时间、及章节,根据试题属性标签确定试题的核心知识点和相关知识点形成试题库,在所述搜索装置进行搜索时提供试题,其中,所述核心知识点是所述试题主要考察的知识点,所述相关知识点是所述试题中考察的与所述核心知识点相关的知识点;
所述确定用户属性信息装置,与所述筛选装置相耦接,基于用户的考试、作业、以及练习的行为对用户添加标签得到用户属性信息,其中,用户属性信息包括用户的年级、以及用户所处的学习阶段;
所述搜索装置,为搜索引擎,分别与所述试题属性标签添加装置和筛选装置相耦接,搜索知识点对应的试题,根据用户确定的搜索条件或者根据用户的考试或作业确定待搜索的知识点,从所述试题属性标签添加装置的试题库中搜索出与所述待搜索的知识点相对应的试题,发送至所述筛选装置;
所述筛选装置,分别于所述搜索装置、试题属性标签添加装置和确定用户属性信息装置相耦接,接收所述搜索装置发送的与所述待搜索的知识点相对应的试题,对搜索出的试题进行筛选,筛选出核心知识点对应的试题、试题属性标签与所述用户属性信息相匹配的试题结果,发送至推送装置;
所述推送装置,分别与所述筛选装置和客户端相耦接,接收所述筛选装置发送的试题结果推送给所述客户端;
所述客户端,为具有用户账号信息的移动客户端或本地客户端,通过第二路由设备连接至互联网,与所述推送装置相耦接,接收所述推送装置推送的试题结果。
优选地,所述确定用户属性信息装置中的学习阶段,包括临近期中、临近期末、临近等级考试、临近升学、或临近出国的阶段。
优选地,所述搜索装置的搜索条件还包括基于考试或作业的错题知识点。
优选地,所述错题知识点,进一步包括搜索弱项知识点,其中,判断知识点是否为弱项知识点的方法包括:计算用户的错题得分率,横向预设范围内的得分率的分布情况,判断出错题对应的知识点是否是弱项知识点。
优选地,所述错题知识点还包括基于高频知识点和易错知识点,其中,统计用户考试分数得到样本,在样本内统计出所有用户的试题得分率,根据试题得分率给出知识点得分情况,知识点得分低的认为是易错知识点,高频知识点是在样本内出现次数在5次以上的知识点。
与现有技术相比,本发明提供的试题智能推送方法和系统,至少实现了如下的有益效果:
本发明的试题智能推送方法和系统对用户进行属性标签,对错题所对应的知识点进行整理,使得推送出的试题能够适合具有不同用户属性标签的用户,避免用户在生僻的知识点上过多的浪费时间。
当然,实施本发明的任一产品必不特定需要同时达到以上所述的所有技术效果。
通过以下参照附图对本发明的示例性实施例的详细描述,本发明的其它特征及其优点将会变得清楚。
附图说明
被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例,并且连同其说明一起用于解释本发明的原理。
图1是实施例1中试题智能推送方法流程图;
图2是实施例3中试题智能推送系统结构示意图;
其中,31-试题采集装置;32-处理器;33-客户端;321-搜索装置;322-筛选装置;323-确定用户属性信息装置;324-推送装置;325-试题属性标签添加装置。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有例子中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它例子可以具有不同的值。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
实施例1:
结合图1,本实施例提供了一种试题智能推送方法,具体包括以下步骤:
步骤101:采集录入试题,对所述试题添加试题属性标签,所述试题属性标签包括:题型、难度、知识点、年级、试题创建时间、及章节,根据试题属性标签确定试题的核心知识点和相关知识点形成试题库,其中,所述核心知识点是所述试题主要考察的知识点,所述相关知识点是所述试题中考察的与所述核心知识点相关的知识点;
步骤102:确定用户属性信息,基于用户的考试、作业、以及练习的行为对用户添加标签得到用户属性信息,其中,用户属性信息包括用户的年级、以及用户所处的学习阶段;
所述学习阶段包括临近期中、临近期末、临近等级考试、临近升学、或临近出国的阶段。
步骤103:搜索知识点对应的试题,根据用户确定的搜索条件或者根据用户的考试或作业确定待搜索的知识点,从所述试题库中搜索出与所述待搜索的知识点相对应的试题;
所述搜索条件还包括基于考试或作业的错题知识点。所述错题知识点,进一步包括搜索弱项知识点,其中,判断知识点是否为弱项知识点的方法包括:计算用户的错题得分率,横向预设范围内的得分率的分布情况,判断出错题对应的知识点是否是弱项知识点。
所述错题知识点还包括基于高频知识点和易错知识点,其中,统计用户考试分数得到样本,在样本内统计出所有用户的试题得分率,根据试题得分率给出知识点得分情况,知识点得分低的认为是易错知识点,高频知识点是在样本内出现次数在5次以上的知识点。
步骤104:对搜索出的试题进行筛选,筛选出核心知识点对应的试题、试题属性标签与所述用户属性信息相匹配的试题;
步骤105:将筛选后的试题推送给用户所用的客户端。
实施例2:
本发明提供了一种试题智能推送的方法,包括以下步骤:
步骤201:对多种来源的试题添加标签和智能分类,并确定试题的核心知识点和相关知识点,形成试题库,其中,核心知识点是试题主要考察的知识点,相关知识点是试题中考察的与核心知识点相关的知识点;
影响试题推荐的重要标签包括:题型、难度、知识点、年级,试题创建时间等;分类是通过机器结合人工的方式;
步骤202:基于学生的考试、作业以及其他在系统中的行为,对每个学生添加标签;这里是指教师、或学生的应用程序APP和Web端用户行为数据等能采集到的相关数据。
其中,学生的标签包括学生的年级,学生所处的学习时期(临近期中、临近期末、临近等级考试、临近升学、临近出国等等),这些信息够可以从学生与系统的交互过程中,智能的获取到,而不需要由学生主动的进行信息上传。
步骤203:根据搜索条件或者根据学生的考试和作业确定要搜索的知识点,从试题库中搜索对应该知识点的试题;
其中,搜索条件可以直接为知识点,例如“三角函数”,也可以为一个限定知识点的搜索条件,例如“初中二年级第一章第一节内容”,也可以为基于某次考试或某次作业的错题的知识点。
对于基于错题的知识点搜索包括基于弱项知识点的搜索,也就是针对某次考试或某次作业的错题进行搜索时,可以仅搜索弱项知识点,具体地,包括:
计算自身的错题得分率,横向对比某个范围(例如全班或者全年级等)内的得分率的分布情况,判断错题对应的知识点是否是弱项,基于弱项的知识点进行搜索;
对于基于错题的知识点搜索还包括基于高频知识点的搜索和易错知识点的搜索。试题智能推送中的高频知识点和易错知识点,是基于系统统计学生考试学情,样本范围内会统计出学生的整体试题得分率(可以一次考试,也可以多次考试),根据试题得分率给出知识点得分情况,知识点得分情况相对其它较低的几个为易错知识点;高频知识点是在一段时间内,学情中出现次数相对较多的知识点。
步骤204:对搜索出的试题进行筛选,包括筛选出核心知识点为要搜索知识点的试题、试题标签与学生标签相匹配的试题等;
步骤205:将筛选后的试题进行推送。
实施例3:
结合图2,本实施例提供了一种试题智能推送系统,包括试题采集装置31、处理器32及客户端33,其中所述处理器32包括试题属性标签添加装置325、确定用户属性信息装置323、搜索装置321、筛选装置322、以及推送装置324,其中,
所述试题采集装置31,为扫描仪或摄像头,通过第一路由设备连接至互联网,与所述处理器32中的试题属性标签添加装置325相耦接,用于采集录入试题发送至所述处理器的试题属性标签添加装置325;
所述试题属性标签添加装置325,分别与所述试题采集装置31、筛选装置322和搜索装置321相耦接,对所述试题添加试题属性标签,所述试题属性标签包括:题型、难度、知识点、年级、试题创建时间、及章节,根据试题属性标签确定试题的核心知识点和相关知识点形成试题库,在所述搜索装置321进行搜索时提供试题,其中,所述核心知识点是所述试题主要考察的知识点,所述相关知识点是所述试题中考察的与所述核心知识点相关的知识点;
试题中具有核心知识点以及围绕该核心知识点的相关知识点,而本申请中分别对核心知识点和相关知识点进行分类,有利于在推送过程中有目的性的推送。
所述确定用户属性信息装置323,与所述筛选装置322相耦接,基于用户的考试、作业、以及练习的行为对用户添加标签得到用户属性信息,其中,用户属性信息包括用户的年级、以及用户所处的学习阶段;
所述确定用户属性信息装置323中的学习阶段,包括临近期中、临近期末、临近等级考试、临近升学、或临近出国的阶段。
本发明创新的发明点在于对用户(学生)进行定义标签,在推送试题的过程中综合考量用户的属性信息,包括其所处的学习阶段,这样有针对性的推送试题,避免在生僻的知识点上浪费时间。
所述搜索装置321,为搜索引擎,分别与所述试题属性标签添加装置325和筛选装置322相耦接,搜索知识点对应的试题,根据用户确定的搜索条件或者根据用户的考试或作业确定待搜索的知识点,从所述试题属性标签添加装置325的试题库中搜索出与所述待搜索的知识点相对应的试题,发送至所述筛选装置322;
所述搜索装置321的搜索条件还包括基于考试或作业的错题知识点。
所述错题知识点,进一步包括搜索弱项知识点,其中,判断知识点是否为弱项知识点的方法包括:计算用户的错题得分率,横向预设范围内的得分率的分布情况,判断出错题对应的知识点是否是弱项知识点。
所述错题知识点还包括基于高频知识点和易错知识点。试题智能推送中的高频知识点和易错知识点,是基于系统统计学生考试学情,样本范围内会统计出学生的整体试题得分率(可以一次考试,也可以多次考试),根据试题得分率给出知识点得分情况,知识点得分情况相对其它较低的几个为易错知识点;高频知识点是在一段时间内,学情中出现次数相对较多的知识点。
所述筛选装置322,分别于所述搜索装置321、试题属性标签添加装置325和确定用户属性信息装置323相耦接,接收所述搜索装置321发送的与所述待搜索的知识点相对应的试题,对搜索出的试题进行筛选,筛选出核心知识点对应的试题、试题属性标签与所述用户属性信息相匹配的试题结果,发送至推送装置324;
所述推送装置324,分别与所述筛选装置322和客户端相耦接,接收所述筛选装置322发送的试题结果推送给所述客户端;
所述客户端33,为具有用户账号信息的移动客户端或本地客户端,通过第二路由设备连接至互联网,与所述推送装置324相耦接,接收所述推送装置324推送的试题结果。
通过上述实施例可知,本申请的试题智能推送方法和系统,至少实现了如下的有益效果:
本发明的试题智能推送方法和系统对用户进行属性标签,对错题所对应的知识点进行整理,使得推送出的试题能够适合具有不同用户属性标签的用户,避免用户在生僻的知识点上过多的浪费时间。
虽然已经通过例子对本发明的一些特定实施例进行了详细说明,但是本领域的技术人员应该理解,以上例子仅是为了进行说明,而不是为了限制本发明的范围。本领域的技术人员应该理解,可在不脱离本发明的范围和精神的情况下,对以上实施例进行修改。本发明的范围由所附权利要求来限定。
Claims (10)
1.一种试题智能推送方法,其特征在于,包括步骤:
采集录入试题,对所述试题添加试题属性标签,所述试题属性标签包括:题型、难度、知识点、年级、试题创建时间、及章节,根据试题属性标签确定试题的核心知识点和相关知识点形成试题库,其中,所述核心知识点是所述试题主要考察的知识点,所述相关知识点是所述试题中考察的与所述核心知识点相关的知识点;
确定用户属性信息,基于用户的考试、作业、以及练习的行为对用户添加标签得到用户属性信息,其中,用户属性信息包括用户的年级、以及用户所处的学习阶段;
搜索知识点对应的试题,根据用户确定的搜索条件或者根据用户的考试或作业确定待搜索的知识点,从所述试题库中搜索出与所述待搜索的知识点相对应的试题;
对搜索出的试题进行筛选,筛选出核心知识点对应的试题、试题属性标签与所述用户属性信息相匹配的试题;
将筛选后的试题推送给用户所用的客户端。
2.根据权利要求1所述的试题智能推送方法,其特征在于,所述学习阶段,进一步,包括临近期中、临近期末、临近等级考试、临近升学、或临近出国的阶段。
3.根据权利要求1所述的试题智能推送方法,其特征在于,所述搜索条件还包括基于考试或作业的错题知识点。
4.根据权利要求3所述的试题智能推送方法,其特征在于,所述错题知识点,进一步包括搜索弱项知识点,其中,判断知识点是否为弱项知识点的方法包括:计算用户的错题得分率,横向预设范围内的得分率的分布情况,判断出错题对应的知识点是否是弱项知识点。
5.根据权利要求1所述的试题智能推送方法,其特征在于,所述错题知识点还包括基于高频知识点和易错知识点,其中,统计用户考试分数得到样本,在样本内统计出所有用户的试题得分率,根据试题得分率给出知识点得分情况,知识点得分低的认为是易错知识点,高频知识点是在样本内出现次数在5次以上的知识点。
6.一种试题智能推送系统,包括试题采集装置、处理器及客户端,其中所述处理器包括试题属性标签添加装置、确定用户属性信息装置、搜索装置、筛选装置、以及推送装置,其中,
所述试题采集装置,为扫描仪或摄像头,通过第一路由设备连接至互联网,与所述处理器中的试题属性标签添加装置相耦接,用于采集录入试题发送至所述处理器的试题属性标签添加装置;
所述试题属性标签添加装置,分别与所述试题采集装置、筛选装置和搜索装置相耦接,对所述试题添加试题属性标签,所述试题属性标签包括:题型、难度、知识点、年级、试题创建时间、及章节,根据试题属性标签确定试题的核心知识点和相关知识点形成试题库,在所述搜索装置进行搜索时提供试题,其中,所述核心知识点是所述试题主要考察的知识点,所述相关知识点是所述试题中考察的与所述核心知识点相关的知识点;
所述确定用户属性信息装置,与所述筛选装置相耦接,基于用户的考试、作业、以及练习的行为对用户添加标签得到用户属性信息,其中,用户属性信息包括用户的年级、以及用户所处的学习阶段;
所述搜索装置,为搜索引擎,分别与所述试题属性标签添加装置和筛选装置相耦接,搜索知识点对应的试题,根据用户确定的搜索条件或者根据用户的考试或作业确定待搜索的知识点,从所述试题属性标签添加装置的试题库中搜索出与所述待搜索的知识点相对应的试题,发送至所述筛选装置;
所述筛选装置,分别于所述搜索装置、试题属性标签添加装置和确定用户属性信息装置相耦接,接收所述搜索装置发送的与所述待搜索的知识点相对应的试题,对搜索出的试题进行筛选,筛选出核心知识点对应的试题、试题属性标签与所述用户属性信息相匹配的试题结果,发送至推送装置;
所述推送装置,分别与所述筛选装置和客户端相耦接,接收所述筛选装置发送的试题结果推送给所述客户端;
所述客户端,为具有用户账号信息的移动客户端或本地客户端,通过第二路由设备连接至互联网,与所述推送装置相耦接,接收所述推送装置推送的试题结果。
7.根据权利要求6所述的试题智能推送系统,其特征在于,所述确定用户属性信息装置中的学习阶段,包括临近期中、临近期末、临近等级考试、临近升学、或临近出国的阶段。
8.根据权利要求6所述的试题智能推送系统,其特征在于,所述搜索装置的搜索条件还包括基于考试或作业的错题知识点。
9.根据权利要求8所述的试题智能推送系统,其特征在于,所述错题知识点,进一步包括搜索弱项知识点,其中,判断知识点是否为弱项知识点的方法包括:计算用户的错题得分率,横向预设范围内的得分率的分布情况,判断出错题对应的知识点是否是弱项知识点。
10.根据权利要求6所述的试题智能推送系统,其特征在于,所述错题知识点还包括基于高频知识点和易错知识点,其中,统计用户考试分数得到样本,在样本内统计出所有用户的试题得分率,根据试题得分率给出知识点得分情况,知识点得分低的认为是易错知识点,高频知识点是在样本内出现次数在5次以上的知识点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811124077.4A CN109002564A (zh) | 2018-09-26 | 2018-09-26 | 试题智能推送方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811124077.4A CN109002564A (zh) | 2018-09-26 | 2018-09-26 | 试题智能推送方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109002564A true CN109002564A (zh) | 2018-12-14 |
Family
ID=64589366
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811124077.4A Pending CN109002564A (zh) | 2018-09-26 | 2018-09-26 | 试题智能推送方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109002564A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110136034A (zh) * | 2019-05-15 | 2019-08-16 | 上海乂学教育科技有限公司 | 人工智能学习中个性化作业实现方法 |
CN110599840A (zh) * | 2019-08-06 | 2019-12-20 | 安徽学云教育科技有限公司 | 一种基于大数据的个性化自适应网上学习方法 |
CN110704746A (zh) * | 2019-10-10 | 2020-01-17 | 江苏曲速教育科技有限公司 | 根据强弱知识点分析结果进行推荐测试题方法和系统 |
CN110718105A (zh) * | 2019-10-10 | 2020-01-21 | 江苏曲速教育科技有限公司 | 个性化个人假期作业本、生成方法及使用方法 |
CN111090809A (zh) * | 2019-12-20 | 2020-05-01 | 广州摩翼信息科技有限公司 | 题目推荐方法、装置、计算机设备和存储介质 |
CN111177304A (zh) * | 2019-12-30 | 2020-05-19 | 福建天泉教育科技有限公司 | 一种自动生成用户习题的方法及终端 |
CN111192490A (zh) * | 2019-12-31 | 2020-05-22 | 浙江天鹏教育科技有限公司 | 智慧教育学生端作业系统及其操作方法 |
CN112466173A (zh) * | 2020-11-10 | 2021-03-09 | 吉林大学 | 一种体育教学用体育素质考核辅助系统 |
CN112559821A (zh) * | 2020-12-22 | 2021-03-26 | 作业帮教育科技(北京)有限公司 | 高质数据的挖掘方法、生产方法和系统 |
WO2021121296A1 (zh) * | 2019-12-17 | 2021-06-24 | 深圳市鹰硕技术有限公司 | 习题测试数据生成方法以及装置 |
CN113590956A (zh) * | 2021-07-30 | 2021-11-02 | 深圳市金博奥科技有限公司 | 知识点推荐方法、装置、终端及计算机可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102074135A (zh) * | 2010-10-21 | 2011-05-25 | 无敌科技(西安)有限公司 | 一种题库建置方法及装置 |
CN103136305A (zh) * | 2011-12-05 | 2013-06-05 | 北大方正集团有限公司 | 用于试题资源的处理方法和装置 |
CN106227809A (zh) * | 2016-07-22 | 2016-12-14 | 广东小天才科技有限公司 | 一种试题的推送方法及装置 |
CN106846962A (zh) * | 2017-03-20 | 2017-06-13 | 安徽七天教育科技有限公司 | 一种基于学生错题及精准推荐的错题本生成方法 |
CN106959998A (zh) * | 2017-02-06 | 2017-07-18 | 广东小天才科技有限公司 | 一种试题推荐方法及装置 |
-
2018
- 2018-09-26 CN CN201811124077.4A patent/CN109002564A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102074135A (zh) * | 2010-10-21 | 2011-05-25 | 无敌科技(西安)有限公司 | 一种题库建置方法及装置 |
CN103136305A (zh) * | 2011-12-05 | 2013-06-05 | 北大方正集团有限公司 | 用于试题资源的处理方法和装置 |
CN106227809A (zh) * | 2016-07-22 | 2016-12-14 | 广东小天才科技有限公司 | 一种试题的推送方法及装置 |
CN106959998A (zh) * | 2017-02-06 | 2017-07-18 | 广东小天才科技有限公司 | 一种试题推荐方法及装置 |
CN106846962A (zh) * | 2017-03-20 | 2017-06-13 | 安徽七天教育科技有限公司 | 一种基于学生错题及精准推荐的错题本生成方法 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110136034A (zh) * | 2019-05-15 | 2019-08-16 | 上海乂学教育科技有限公司 | 人工智能学习中个性化作业实现方法 |
CN110599840A (zh) * | 2019-08-06 | 2019-12-20 | 安徽学云教育科技有限公司 | 一种基于大数据的个性化自适应网上学习方法 |
CN110704746A (zh) * | 2019-10-10 | 2020-01-17 | 江苏曲速教育科技有限公司 | 根据强弱知识点分析结果进行推荐测试题方法和系统 |
CN110718105A (zh) * | 2019-10-10 | 2020-01-21 | 江苏曲速教育科技有限公司 | 个性化个人假期作业本、生成方法及使用方法 |
WO2021121296A1 (zh) * | 2019-12-17 | 2021-06-24 | 深圳市鹰硕技术有限公司 | 习题测试数据生成方法以及装置 |
CN111090809A (zh) * | 2019-12-20 | 2020-05-01 | 广州摩翼信息科技有限公司 | 题目推荐方法、装置、计算机设备和存储介质 |
CN111177304A (zh) * | 2019-12-30 | 2020-05-19 | 福建天泉教育科技有限公司 | 一种自动生成用户习题的方法及终端 |
CN111177304B (zh) * | 2019-12-30 | 2022-12-13 | 福建天泉教育科技有限公司 | 一种自动生成用户习题的方法及终端 |
CN111192490A (zh) * | 2019-12-31 | 2020-05-22 | 浙江天鹏教育科技有限公司 | 智慧教育学生端作业系统及其操作方法 |
CN112466173A (zh) * | 2020-11-10 | 2021-03-09 | 吉林大学 | 一种体育教学用体育素质考核辅助系统 |
CN112559821A (zh) * | 2020-12-22 | 2021-03-26 | 作业帮教育科技(北京)有限公司 | 高质数据的挖掘方法、生产方法和系统 |
CN113590956A (zh) * | 2021-07-30 | 2021-11-02 | 深圳市金博奥科技有限公司 | 知识点推荐方法、装置、终端及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109002564A (zh) | 试题智能推送方法和系统 | |
US7730085B2 (en) | Method and system for extracting and visualizing graph-structured relations from unstructured text | |
CN109582969A (zh) | 实体匹配方法、装置及电子设备 | |
CN111177399B (zh) | 一种知识图谱构建方法和装置 | |
JP5543020B2 (ja) | リサーチミッション識別 | |
CN106886567B (zh) | 基于语义扩展的微博突发事件检测方法及装置 | |
CN112699246A (zh) | 基于知识图谱的领域知识推送方法 | |
CN105718585B (zh) | 文档与标签词语义关联方法及其装置 | |
CN110287313A (zh) | 一种风险主体的确定方法及服务器 | |
van Kuppevelt et al. | Answering legal research questions about dutch case law with network analysis and visualization | |
CN109271524A (zh) | 知识库问答系统中的实体链接方法 | |
Parthasarathy et al. | Sentiment analyzer: analysis of journal citations from citation databases | |
CN110442730A (zh) | 一种基于deepdive的知识图谱构建方法 | |
CN110471835A (zh) | 一种基于电力信息系统代码文件的相似度检测方法及系统 | |
Nguyen et al. | Seagull: A bird’s-eye view of the evolution of technical games research | |
CN109033272A (zh) | 一种基于概念的知识自动关联方法及装置 | |
Ostendorff | Contextual document similarity for content-based literature recommender systems | |
Stella et al. | Mental lexicon growth modelling reveals the multiplexity of the English language | |
Bel-Enguix et al. | Wan2vec: Embeddings learned on word association norms | |
Rawat et al. | Topic modelling of legal documents using NLP and bidirectional encoder representations from transformers | |
Struzik et al. | Wavelet transform in similarity paradigm | |
CN116976321A (zh) | 文本处理方法、装置、计算机设备、存储介质和程序产品 | |
Prabowo et al. | Evolving debates in online communication: A graph analytical approach | |
CN109446424B (zh) | 一种无效地址网页过滤方法及系统 | |
CN113704422A (zh) | 一种文本推荐方法、装置、计算机设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181214 |