CN109086441A - 用于在线答题的智能推荐方法及系统 - Google Patents
用于在线答题的智能推荐方法及系统 Download PDFInfo
- Publication number
- CN109086441A CN109086441A CN201810931330.0A CN201810931330A CN109086441A CN 109086441 A CN109086441 A CN 109086441A CN 201810931330 A CN201810931330 A CN 201810931330A CN 109086441 A CN109086441 A CN 109086441A
- Authority
- CN
- China
- Prior art keywords
- user
- examination question
- online
- answer data
- factor
- 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
Landscapes
- Electrically Operated Instructional Devices (AREA)
Abstract
本申请公开了一种用于在线答题的智能推荐方法及系统。该方法包括:生成在线试题和对应的试题标签;接收用户对所述在线试题的实时答题数据,得到第一计算因子;根据所述试题标签,获取所述用户对所述在线试题的历史答题数据,得到第二计算因子;根据所述第一计算因子和所述第二计算因子,按照预设规则进行数据分析,得到推荐内容并推送给所述用户;采用接收用户对所述在线试题的实时答题数据,根据所述试题标签,获取所述用户对所述在线试题的历史答题数据,通过按照预设规则进行数据分析,得到推荐内容并推送给所述用户,从而实现了在线答题高效精准的技术效果,进而解决了相关技术中试题难度与用户自身水平不匹配的技术问题。
Description
技术领域
本申请涉及在线答题领域,具体而言,涉及一种用于在线答题的智能推荐方法及系统。
背景技术
随着移动互联网技术的飞速发展,传统的基于纸质化答题的模式正在向基于终端的在线答题模式演化,相关技术中用户在答题时只能针对系统中预设好的试题进行解答或自己挑选目标试题进行解答,由于用户对自身水平的评估不够客观,以及对系统中试题的不了解,往往很难找到能与自身水平相匹配的试题。
因此,急需一种用于在线答题的智能推荐方法及系统,以解决相关技术中试题难度与用户自身水平不匹配的技术问题。
发明内容
本申请的主要目的在于提供一种用于在线答题的智能推荐方法及系统,以解决相关技术中试题难度与用户自身水平不匹配的技术问题。
为了实现上述目的,根据本申请的一个方面,提供了一种用于在线答题的智能推荐方法。
根据本申请的用于在线答题的智能推荐方法包括:生成在线试题和对应的试题标签;接收用户对所述在线试题的实时答题数据,得到第一计算因子;根据所述试题标签,获取所述用户对所述在线试题的历史答题数据,得到第二计算因子;根据所述第一计算因子和所述第二计算因子,按照预设规则进行数据分析,得到推荐内容并推送给所述用户。
进一步的,所述接收用户对所述在线试题的实时答题数据,得到第一计算因子包括:接收用户对所述在线试题的实时答题数据并执行评分操作,得到第一答题分数和第一答题时间。
进一步的,所述根据所述试题标签,获取所述用户对所述在线试题的历史答题数据,得到第二计算因子包括:根据所述试题标签,确定对应的所述在线试题;获取所述在线试题的历史答题数据,得到第二答题分数和第二答题时间。
进一步的,所述根据所述第一计算因子和所述第二计算因子,按照预设规则进行数据分析,得到推荐内容并推送给所述用户包括:根据所述第一计算因子和所述第二计算因子,对所述用户的答题数据进行数据分析,得到所述用户的评分趋势;根据所述用户的评分趋势,匹配对应的推荐内容并推送给所述用户。
进一步的,所述生成在线试题和对应的试题标签包括:将生成的所述在线试题与预设的所述试题标签建立关联关系,其中,所述试题标签包括学科、年级和等级。
为了实现上述目的,根据本申请的另一方面,提供了一种用于在线答题的智能推荐系统。
根据本申请的用于在线答题的智能推荐系统包括:试题生成单元,用于生成在线试题和对应的试题标签;实时答题数据获取单元,用于接收用户对所述试题生成单元生成的在线试题的实时答题数据,得到第一计算因子;历史答题数据获取单元,用于根据所述试题生成单元生成的试题标签,匹配得到所述用户对所述在线试题的历史答题数据,得到第二计算因子;智能推荐单元,用于对所述实时答题数据获取单元得到的第一计算因子和所述历史答题数据获取单元得到的第二计算因子进行数据分析,并将分析得到的推荐内容推送给所述用户。
进一步的,所述实时答题数据获取单元包括:评分模块,用于对所述实时答题数据获取单元得到的实时答题数据进行评分。
进一步的,所述历史答题数据获取单元包括:标签匹配模块,用于根据所述试题标签匹配对应的所述在线试题;历史数据获取模块,用于获取所述标签匹配模块匹配得到的所述在线试题的历史答题数据。
进一步的,所述智能推荐单元包括:评分趋势确定模块,用于对所述实时答题数据获取单元得到的第一计算因子和所述历史答题数据获取单元得到的第二计算因子进行数据分析,得到所述用户的评分趋势;内容推荐模块,用于根据所述评分趋势确定模块得到的所述用户的评分趋势,匹配对应的推荐内容并推送给所述用户。
进一步的,所述试题生成单元包括:关联绑定模块,用于将生成的所述在线试题与预设的所述试题标签建立关联关系。
在本申请实施例中,采用接收用户对所述在线试题的实时答题数据,根据所述试题标签,获取所述用户对所述在线试题的历史答题数据,通过按照预设规则进行数据分析,得到推荐内容并推送给所述用户,达到了针对用户自身知识水平智能推荐试题的目的,从而实现了在线答题高效精准的技术效果,进而解决了相关技术中试题难度与用户自身水平不匹配的技术问题。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请第一实施例所述的智能推荐方法示意图;
图2是根据本申请第二实施例所述的智能推荐方法示意图;
图3是根据本申请第三实施例所述的智能推荐方法示意图;
图4是根据本申请第一实施例所述的智能推荐系统示意图;
图5是根据本申请第二实施例所述的智能推荐系统示意图;以及
图6是根据本申请第三实施例所述的智能推荐系统示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本申请中,术语“上”、“下”、“左”、“右”、“前”、“后”、“顶”、“底”、“内”、“外”、“中”、“竖直”、“水平”、“横向”、“纵向”等指示的方位或位置关系为基于附图所示的方位或位置关系。这些术语主要是为了更好地描述本发明及其实施例,并非用于限定所指示的装置、元件或组成部分必须具有特定方位,或以特定方位进行构造和操作。
并且,上述部分术语除了可以用于表示方位或位置关系以外,还可能用于表示其他含义,例如术语“上”在某些情况下也可能用于表示某种依附关系或连接关系。对于本领域普通技术人员而言,可以根据具体情况理解这些术语在本发明中的具体含义。
此外,术语“安装”、“设置”、“设有”、“连接”、“相连”、“套接”应做广义理解。例如,可以是固定连接,可拆卸连接,或整体式构造;可以是机械连接,或电连接;可以是直接相连,或者是通过中间媒介间接相连,又或者是两个装置、元件或组成部分之间内部的连通。对于本领域普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
如图1所示,该方法包括如下的步骤S101至步骤S104:
步骤S101,生成在线试题和对应的试题标签;
优选的,出题者通过本系统自定义编辑并生成在线试题,所述在线试题包括试题内容和试题类型,每个所述在线试题预先配置有推荐属性标签(既所述试题标签),具体的,所述推荐属性标签包括但不限于:语文、数学、英语、物理、化学、生物、政治、历史、地理、体育、绘画、音乐等学科标签,可以为年级标签和等级标签,在本申请的其他实施例中,所述出题者不仅可以通过本系统生成在线试题,也可以生成付费题库、活动、培训机构和其他学习材料。
优选的,预先将所述在线试题与所述试题标签建立关联绑定关系。
步骤S102,接收用户对所述在线试题的实时答题数据,得到第一计算因子;
优选的,所述用户在本系统中进行在线答题时,实时地将所述答题数据发送至后台服务器,所述后台服务器对所述实时答题数据进行保存和数据分析,所述第一计算因子包括但不限于:该题目的唯一标识、用户所选择的答案、答题时间等,具体的,所述后台服务器接收到用户提交的当前活动的答题数据之后,进行判卷打分,把当前活动时间和评分作为数据A,用于后续处理。
步骤S103,根据所述试题标签,获取所述用户对所述在线试题的历史答题数据,得到第二计算因子;
优选的,根据上述该题目的唯一标识,经过数据库查询得到用户曾经参与过的与当前推荐属性标签相同的活动的时间和历史评分,作为参数B。
步骤S104,根据所述第一计算因子和所述第二计算因子,按照预设规则进行数据分析,得到推荐内容并推送给所述用户。
优选的,将上述参数A和参数B合并,并按照时间顺序进行标记,得到一条所述用户参与该活动的评分曲线。
优选的,对于所述评分曲线进行分析,如果斜率是正数,表示整体评分呈上升趋势,说明当前用户正在进步,系统就会推荐属性标签相同的付费题库、活动等,以使用户做进一步的刷题练习和提升,其中,推荐的题库和活动为当前用户未参与过的。
如果斜率是负数,表示整体评分呈下降趋势,说明当前用户有所退步,系统会推荐活动属性标签相同的学习材料、学习机构等,以使所述用户获得相关的辅导。
优选的,本申请的智能推荐场景包括:当用户在提交了某次答题活动之后,在成绩单页面会有一个智能推荐信息展示;在错题本页面,也会有一个智能推荐信息展示。在本申请的其他实施例中,也可以在其他页面向用户展示智能推荐信息。
从以上的描述中,可以看出,本发明实现了如下技术效果:
在本申请实施例中,采用接收用户对所述在线试题的实时答题数据,根据所述试题标签,获取所述用户对所述在线试题的历史答题数据,通过按照预设规则进行数据分析,得到推荐内容并推送给所述用户,达到了针对用户自身知识水平智能推荐试题的目的,从而实现了在线答题高效精准的技术效果,进而解决了相关技术中试题难度与用户自身水平不匹配的技术问题,此外,本申请还具有以下显著优点:1)根据用户的实时答题数据,动态匹配对应的试题、学习资料,更具针对性,使用户的学习效率提高;2)本申请的推荐属性标签涵盖面广泛、层级细化,达到了数据分析和匹配结果更准确的技术效果,。
根据本发明实施例,作为本实施例中的优选,所述接收用户对所述在线试题的实时答题数据,得到第一计算因子包括:接收用户对所述在线试题的实时答题数据并执行评分操作,得到第一答题分数和第一答题时间。
优选的,所述用户在本系统中进行在线答题时,实时地将所述答题数据发送至后台服务器,所述后台服务器对所述实时答题数据进行保存和数据分析,所述第一计算因子包括但不限于:该题目的唯一标识、用户所选择的答案、答题时间等,具体的,所述后台服务器接收到用户提交的当前活动的答题数据之后,进行判卷打分,把当前活动时间和评分作为数据A,用于后续处理。
根据本发明实施例,作为本实施例中的优选,如图2所示,所述根据所述试题标签,获取所述用户对所述在线试题的历史答题数据,得到第二计算因子包括如下的步骤S201至步骤S202:
步骤S201,根据所述试题标签,确定对应的所述在线试题;
优选的,出题者通过本系统自定义编辑并生成在线试题,所述在线试题包括试题内容和试题类型,每个所述在线试题预先配置有推荐属性标签(既所述试题标签),具体的,所述推荐属性标签包括但不限于:语文、数学、英语、物理、化学、生物、政治、历史、地理、体育、绘画、音乐等学科标签,可以为年级标签和等级标签,在本申请的其他实施例中,所述出题者不仅可以通过本系统生成在线试题,也可以生成付费题库、活动、培训机构和其他学习材料。
步骤S202,获取所述在线试题的历史答题数据,得到第二答题分数和第二答题时间。
优选的,根据上述该题目的唯一标识,经过数据库查询得到用户曾经参与过的与当前推荐属性标签相同的活动的时间和历史评分,作为参数B。
根据本发明实施例,作为本实施例中的优选,如图3所示,所述根据所述第一计算因子和所述第二计算因子,按照预设规则进行数据分析,得到推荐内容并推送给所述用户包括如下的步骤S301至步骤S302:
步骤S301,根据所述第一计算因子和所述第二计算因子,对所述用户的答题数据进行数据分析,得到所述用户的评分趋势;
优选的,将上述参数A和参数B合并,并按照时间顺序进行标记,得到一条所述用户参与该活动的评分曲线。
步骤S302,根据所述用户的评分趋势,匹配对应的推荐内容并推送给所述用户。
优选的,对于所述评分曲线进行分析,如果斜率是正数,表示整体评分呈上升趋势,说明当前用户正在进步,系统就会推荐属性标签相同的付费题库、活动等,以使用户做进一步的刷题练习和提升,其中,推荐的题库和活动为当前用户未参与过的;如果斜率是负数,表示整体评分呈下降趋势,说明当前用户有所退步,系统会推荐活动属性标签相同的学习材料、学习机构等,以使所述用户获得相关的辅导。
根据本发明实施例,作为本实施例中的优选,所述生成在线试题和对应的试题标签包括:将生成的所述在线试题与预设的所述试题标签建立关联关系,其中,所述试题标签包括学科、年级和等级。
优选的,出题者通过本系统自定义编辑并生成在线试题,所述在线试题包括试题内容和试题类型,每个所述在线试题预先配置有推荐属性标签(既所述试题标签),具体的,所述推荐属性标签包括但不限于:语文、数学、英语、物理、化学、生物、政治、历史、地理、体育、绘画、音乐等学科标签,可以为年级标签和等级标签,在本申请的其他实施例中,所述出题者不仅可以通过本系统生成在线试题,也可以生成付费题库、活动、培训机构和其他学习材料;预先将所述在线试题与所述试题标签建立关联绑定关系。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
根据本发明实施例,还提供了一种用于实施上述智能推荐方法的系统,如图4所示,该系统包括:试题生成单元10,用于生成在线试题和对应的试题标签;实时答题数据获取单元20,用于接收用户对所述试题生成单元生成的在线试题的实时答题数据,得到第一计算因子;历史答题数据获取单元30,用于根据所述试题生成单元生成的试题标签,匹配得到所述用户对所述在线试题的历史答题数据,得到第二计算因子;智能推荐单元40,用于对所述实时答题数据获取单元得到的第一计算因子和所述历史答题数据获取单元得到的第二计算因子进行数据分析,并将分析得到的推荐内容推送给所述用户。
根据本发明实施例所述的试题生成单元10用于生成在线试题和对应的试题标签,优选的,出题者通过本系统自定义编辑并生成在线试题,所述在线试题包括试题内容和试题类型,每个所述在线试题预先配置有推荐属性标签(既所述试题标签),具体的,所述推荐属性标签包括但不限于:语文、数学、英语、物理、化学、生物、政治、历史、地理、体育、绘画、音乐等学科标签,可以为年级标签和等级标签,在本申请的其他实施例中,所述出题者不仅可以通过本系统生成在线试题,也可以生成付费题库、活动、培训机构和其他学习材料;预先将所述在线试题与所述试题标签建立关联绑定关系。
根据本发明实施例所述的实时答题数据获取单元20用于接收用户对所述试题生成单元生成的在线试题的实时答题数据,得到第一计算因子,优选的,所述用户在本系统中进行在线答题时,实时地将所述答题数据发送至后台服务器,所述后台服务器对所述实时答题数据进行保存和数据分析,所述第一计算因子包括但不限于:该题目的唯一标识、用户所选择的答案、答题时间等,具体的,所述后台服务器接收到用户提交的当前活动的答题数据之后,进行判卷打分,把当前活动时间和评分作为数据A,用于后续处理。
根据本发明实施例所述的历史答题数据获取单元30用于根据所述试题生成单元生成的试题标签,匹配得到所述用户对所述在线试题的历史答题数据,得到第二计算因子,优选的,根据上述该题目的唯一标识,经过数据库查询得到用户曾经参与过的与当前推荐属性标签相同的活动的时间和历史评分,作为参数B。
根据本发明实施例所述的智能推荐单元40用于对所述实时答题数据获取单元得到的第一计算因子和所述历史答题数据获取单元得到的第二计算因子进行数据分析,并将分析得到的推荐内容推送给所述用户,优选的,将上述参数A和参数B合并,并按照时间顺序进行标记,得到一条所述用户参与该活动的评分曲线;对于所述评分曲线进行分析,如果斜率是正数,表示整体评分呈上升趋势,说明当前用户正在进步,系统就会推荐属性标签相同的付费题库、活动等,以使用户做进一步的刷题练习和提升,其中,推荐的题库和活动为当前用户未参与过的;如果斜率是负数,表示整体评分呈下降趋势,说明当前用户有所退步,系统会推荐活动属性标签相同的学习材料、学习机构等,以使所述用户获得相关的辅导。
根据本发明实施例,作为本实施例中的优选,所述实时答题数据获取单元20包括:评分模块21,用于对所述实时答题数据获取单元得到的实时答题数据进行评分。
根据本发明实施例所述的评分模块21用于对所述实时答题数据获取单元得到的实时答题数据进行评分,具体的,所述后台服务器接收到用户提交的当前活动的答题数据之后,进行判卷打分,把当前活动时间和评分作为数据A,用于后续处理。
根据本发明实施例,作为本实施例中的优选,所述历史答题数据获取单元30包括:标签匹配模块31,用于根据所述试题标签匹配对应的所述在线试题;历史数据获取模块32,用于获取所述标签匹配模块匹配得到的所述在线试题的历史答题数据。
根据本发明实施例所述的标签匹配模块31用于根据所述试题标签匹配对应的所述在线试题,优选的,根据上述该题目的唯一标识,经过数据库查询得到用户曾经参与过的与当前推荐属性标签相同的活动。
根据本发明实施例所述的历史数据获取模块32用于获取所述标签匹配模块匹配得到的所述在线试题的历史答题数据,优选的,根据上述活动获取具体的时间和历史评分,作为参数B。
根据本发明实施例,作为本实施例中的优选,所述智能推荐单元40包括:评分趋势确定模块41,用于对所述实时答题数据获取单元得到的第一计算因子和所述历史答题数据获取单元得到的第二计算因子进行数据分析,得到所述用户的评分趋势;内容推荐模块42,用于根据所述评分趋势确定模块得到的所述用户的评分趋势,匹配对应的推荐内容并推送给所述用户。
根据本发明实施例所述的评分趋势确定模块41用于对所述实时答题数据获取单元得到的第一计算因子和所述历史答题数据获取单元得到的第二计算因子进行数据分析,得到所述用户的评分趋势,优选的,将上述参数A和参数B合并,并按照时间顺序进行标记,得到一条所述用户参与该活动的评分曲线。
根据本发明实施例所述的内容推荐模块42用于根据所述评分趋势确定模块得到的所述用户的评分趋势,匹配对应的推荐内容并推送给所述用户,优选的,对于所述评分曲线进行分析,如果斜率是正数,表示整体评分呈上升趋势,说明当前用户正在进步,系统就会推荐属性标签相同的付费题库、活动等,以使用户做进一步的刷题练习和提升,其中,推荐的题库和活动为当前用户未参与过的;如果斜率是负数,表示整体评分呈下降趋势,说明当前用户有所退步,系统会推荐活动属性标签相同的学习材料、学习机构等,以使所述用户获得相关的辅导。
根据本发明实施例,作为本实施例中的优选,所述试题生成单元10包括:关联绑定模块11,用于将生成的所述在线试题与预设的所述试题标签建立关联关系。
根据本发明实施例所述的关联绑定模块11用于将生成的所述在线试题与预设的所述试题标签建立关联关系,优选的,出题者通过本系统自定义编辑并生成在线试题,所述在线试题包括试题内容和试题类型,每个所述在线试题预先配置有推荐属性标签(既所述试题标签),具体的,所述推荐属性标签包括但不限于:语文、数学、英语、物理、化学、生物、政治、历史、地理、体育、绘画、音乐等学科标签,可以为年级标签和等级标签,在本申请的其他实施例中,所述出题者不仅可以通过本系统生成在线试题,也可以生成付费题库、活动、培训机构和其他学习材料;预先将所述在线试题与所述试题标签建立关联绑定关系。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种用于在线答题的智能推荐方法,其特征在于,所述方法包括:
生成在线试题和对应的试题标签;
接收用户对所述在线试题的实时答题数据,得到第一计算因子;
根据所述试题标签,获取所述用户对所述在线试题的历史答题数据,得到第二计算因子;以及
根据所述第一计算因子和所述第二计算因子,按照预设规则进行数据分析,得到推荐内容并推送给所述用户。
2.根据权利要求1所述的智能推荐方法,其特征在于,所述接收用户对所述在线试题的实时答题数据,得到第一计算因子包括:
接收用户对所述在线试题的实时答题数据并执行评分操作,得到第一答题分数和第一答题时间。
3.根据权利要求1所述的智能推荐方法,其特征在于,所述根据所述试题标签,获取所述用户对所述在线试题的历史答题数据,得到第二计算因子包括:
根据所述试题标签,确定对应的所述在线试题;
获取所述在线试题的历史答题数据,得到第二答题分数和第二答题时间。
4.根据权利要求2和3所述的智能推荐方法,其特征在于,所述根据所述第一计算因子和所述第二计算因子,按照预设规则进行数据分析,得到推荐内容并推送给所述用户包括:
根据所述第一计算因子和所述第二计算因子,对所述用户的答题数据进行数据分析,得到所述用户的评分趋势;
根据所述用户的评分趋势,匹配对应的推荐内容并推送给所述用户。
5.根据权利要求1所述的智能推荐方法,其特征在于,所述生成在线试题和对应的试题标签包括:
将生成的所述在线试题与预设的所述试题标签建立关联关系,其中,所述试题标签包括学科、年级和等级。
6.一种用于在线答题的智能推荐系统,其特征在于,包括:
试题生成单元,用于生成在线试题和对应的试题标签;
实时答题数据获取单元,用于接收用户对所述试题生成单元生成的在线试题的实时答题数据,得到第一计算因子;
历史答题数据获取单元,用于根据所述试题生成单元生成的试题标签,匹配得到所述用户对所述在线试题的历史答题数据,得到第二计算因子;
智能推荐单元,用于对所述实时答题数据获取单元得到的第一计算因子和所述历史答题数据获取单元得到的第二计算因子进行数据分析,并将分析得到的推荐内容推送给所述用户。
7.根据权利要求6所述的智能推荐系统,其特征在于,所述实时答题数据获取单元包括:
评分模块,用于对所述实时答题数据获取单元得到的实时答题数据进行评分。
8.根据权利要求6所述的智能推荐系统,其特征在于,所述历史答题数据获取单元包括:
标签匹配模块,用于根据所述试题标签匹配对应的所述在线试题;
历史数据获取模块,用于获取所述标签匹配模块匹配得到的所述在线试题的历史答题数据。
9.根据权利要求6所述的智能推荐系统,其特征在于,所述智能推荐单元包括:
评分趋势确定模块,用于对所述实时答题数据获取单元得到的第一计算因子和所述历史答题数据获取单元得到的第二计算因子进行数据分析,得到所述用户的评分趋势;
内容推荐模块,用于根据所述评分趋势确定模块得到的所述用户的评分趋势,匹配对应的推荐内容并推送给所述用户。
10.根据权利要求6所述的智能推荐系统,其特征在于,所述试题生成单元包括:
关联绑定模块,用于将生成的所述在线试题与预设的所述试题标签建立关联关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810931330.0A CN109086441A (zh) | 2018-08-15 | 2018-08-15 | 用于在线答题的智能推荐方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810931330.0A CN109086441A (zh) | 2018-08-15 | 2018-08-15 | 用于在线答题的智能推荐方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109086441A true CN109086441A (zh) | 2018-12-25 |
Family
ID=64793734
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810931330.0A Pending CN109086441A (zh) | 2018-08-15 | 2018-08-15 | 用于在线答题的智能推荐方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109086441A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112307320A (zh) * | 2019-08-20 | 2021-02-02 | 北京字节跳动网络技术有限公司 | 一种信息推送方法、装置、移动终端及存储介质 |
CN112685653A (zh) * | 2021-03-16 | 2021-04-20 | 广州欧赛斯信息科技有限公司 | 一种人才就业模型的题库推送配置方法及系统 |
CN113051300A (zh) * | 2021-03-05 | 2021-06-29 | 深圳市鹰硕技术有限公司 | 基于学习伙伴匹配的在线学习方法以及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104794947A (zh) * | 2015-04-01 | 2015-07-22 | 广东小天才科技有限公司 | 一种教学情况反馈方法及装置 |
CN105374249A (zh) * | 2015-12-15 | 2016-03-02 | 浙江工商大学 | 一种移动终端中基于图片显示的在线习题测试方法 |
CN105787839A (zh) * | 2016-03-23 | 2016-07-20 | 成都准星云学科技有限公司 | 一种学习资源推送方法和装置 |
CN105989555A (zh) * | 2015-03-05 | 2016-10-05 | 上海汉声信息技术有限公司 | 一种语言能力测试方法及系统 |
CN106202453A (zh) * | 2016-07-13 | 2016-12-07 | 网易(杭州)网络有限公司 | 一种多媒体资源推荐方法和装置 |
CN106448306A (zh) * | 2016-11-11 | 2017-02-22 | 深圳中兴网信科技有限公司 | 答题数据的处理方法和处理系统 |
-
2018
- 2018-08-15 CN CN201810931330.0A patent/CN109086441A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105989555A (zh) * | 2015-03-05 | 2016-10-05 | 上海汉声信息技术有限公司 | 一种语言能力测试方法及系统 |
CN104794947A (zh) * | 2015-04-01 | 2015-07-22 | 广东小天才科技有限公司 | 一种教学情况反馈方法及装置 |
CN105374249A (zh) * | 2015-12-15 | 2016-03-02 | 浙江工商大学 | 一种移动终端中基于图片显示的在线习题测试方法 |
CN105787839A (zh) * | 2016-03-23 | 2016-07-20 | 成都准星云学科技有限公司 | 一种学习资源推送方法和装置 |
CN106202453A (zh) * | 2016-07-13 | 2016-12-07 | 网易(杭州)网络有限公司 | 一种多媒体资源推荐方法和装置 |
CN106448306A (zh) * | 2016-11-11 | 2017-02-22 | 深圳中兴网信科技有限公司 | 答题数据的处理方法和处理系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112307320A (zh) * | 2019-08-20 | 2021-02-02 | 北京字节跳动网络技术有限公司 | 一种信息推送方法、装置、移动终端及存储介质 |
CN113051300A (zh) * | 2021-03-05 | 2021-06-29 | 深圳市鹰硕技术有限公司 | 基于学习伙伴匹配的在线学习方法以及装置 |
CN112685653A (zh) * | 2021-03-16 | 2021-04-20 | 广州欧赛斯信息科技有限公司 | 一种人才就业模型的题库推送配置方法及系统 |
CN112685653B (zh) * | 2021-03-16 | 2021-06-15 | 广州欧赛斯信息科技有限公司 | 一种人才就业模型的题库推送配置方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110399541B (zh) | 基于深度学习的题目推荐方法、装置及存储介质 | |
JP6701367B2 (ja) | 個人オーダーメイド教育コンテンツを提供する方法、装置、及びコンピュータプログラム | |
CN105677831A (zh) | 一种确定推荐商户的方法及装置 | |
CN106126582A (zh) | 推荐方法及装置 | |
CN109086441A (zh) | 用于在线答题的智能推荐方法及系统 | |
KR20200135892A (ko) | 사용자 맞춤형 학습 커리큘럼 추천 및 교육 컨텐츠 제공 시스템 및 방법 | |
CN104408985A (zh) | 基于云网络的答题学习方法及系统 | |
US20200242956A1 (en) | Method and system for supporting learning, and non-transitory computer-readable recording medium | |
CN116263782A (zh) | 一种基于题库的智能组卷方法、系统及存储介质 | |
CN112699283A (zh) | 试卷生成方法及装置 | |
Lin et al. | Is it a good move? Mining effective tutoring strategies from human–human tutorial dialogues | |
CN106919551A (zh) | 一种情感词极性的分析方法、装置及设备 | |
CN112015574A (zh) | 一种远程医疗教育培训方法、装置、设备及存储介质 | |
CN110609947A (zh) | 智能学习系统的学习内容推荐方法、终端及存储介质 | |
CN115544241A (zh) | 一种线上作业的智能推送方法及装置 | |
CN110929169A (zh) | 基于改进Canopy聚类协同过滤算法的职位推荐方法 | |
KR101770473B1 (ko) | 표시 제어 프로그램, 표시 제어 방법 및 표시 제어 장치 | |
KR20200088077A (ko) | 디지털 오답 노트 정보 기반의 학습 서비스 제공 장치 및 그 방법 | |
KR101251119B1 (ko) | 문제의 개념 구조 모델링을 통한 학습 장치 및 방법 | |
CN108960961B (zh) | 一种书籍推荐方法和书籍推荐系统 | |
CN114944219A (zh) | 基于人工智能的心理量表推荐方法及装置、存储介质 | |
Halim et al. | SmartKADASTER Interactive Portal (SKiP), is it fit for purpose? | |
CN108776943A (zh) | 数据传输方法和装置、存储介质及电子装置 | |
CN114528494A (zh) | 一种信息推送方法、装置、设备及存储介质 | |
CN113065986A (zh) | 一种基于智能交互的教育资源生成方法 |
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: 20181225 |
|
RJ01 | Rejection of invention patent application after publication |