CN110427534A - 一种电子习题的处理方法、装置、设备和存储介质 - Google Patents
一种电子习题的处理方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN110427534A CN110427534A CN201910700019.XA CN201910700019A CN110427534A CN 110427534 A CN110427534 A CN 110427534A CN 201910700019 A CN201910700019 A CN 201910700019A CN 110427534 A CN110427534 A CN 110427534A
- Authority
- CN
- China
- Prior art keywords
- exercise
- user
- electronics
- vector
- target
- 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
- 238000003672 processing method Methods 0.000 title claims description 22
- 239000013598 vector Substances 0.000 claims abstract description 158
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 24
- 230000004044 response Effects 0.000 claims abstract description 15
- 230000003542 behavioural effect Effects 0.000 claims description 26
- 230000015654 memory Effects 0.000 claims description 17
- 230000000007 visual effect Effects 0.000 claims description 9
- 230000001351 cycling effect Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000012216 screening Methods 0.000 description 19
- 238000006243 chemical reaction Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000013527 convolutional neural network Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 239000004816 latex Substances 0.000 description 2
- 229920000126 latex Polymers 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000005662 electromechanics Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012358 sourcing Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 235000019640 taste Nutrition 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/904—Browsing; Visualisation therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B7/00—Electrically-operated teaching apparatus or devices working with questions and answers
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明公开了一种电子习题的处理方法、装置、设备和存储介质。该方法包括：接收第一操作；响应于第一操作，显示第一习题；将第一习题转换为第一向量，第一向量用于表示第一习题中第一元素的特征；获取候选习题集，候选习题集中包括多个第二习题，第二习题关联第二向量，第二向量用于表示第二习题中第二元素的特征；在候选习题集中确定目标习题，目标习题的第二向量与第一向量之间的相似度符合预设条件；显示目标习题。通过上述方式解决了某些技术中为用户选择的电子习题的准确性低、关联性低的问题。
Description
技术领域
本发明实施例涉及电子习题的数据处理技术，尤其涉及一种电子习题的处理方法、装置、设备和存储介质。
背景技术
随着电子信息技术的发展，越来越多的资源被整合为电子资源，方便用户获取。
以教育行业为例，已经从原来线下的学习，真人辅导转变为了线上学习。为了配合线上教育，也对教辅书、试卷、练习题进行了电子化处理，即按照不同的学科门类、知识结构以及其内在联系，将不同的电子习题分门别类地汇集起来，为特定学科知识、学习效果检测和技能测试提供备选试题、例题参考。
为了配合用户的线上学习，当用户完成一个阶段的学习任务后，一般会检测该用户的学习阶段。当用户练习完电子习题后，一般会统计用户的错题率。当用户下次开始练习电子习题时，会根据用户的学习阶段或错题率为用户选择电子习题。在实现本发明的过程中，发明人发现现有技术中至少存在如下问题：首先，现有技术的方式只会对电子习题进行一次筛选，使得为用户选择的电子习题的准确性低。其次，现有技术中为用户选择的电子习题与用户当前练习的电子习题无关，使得为用户选择的电子习题的关联性低。
发明内容
本发明实施例提供一种电子习题的处理方法、装置、设备和存储介质，以解决为用户选择的电子习题的准确性低、关联性低的问题。
第一方面，本发明实施例提供了一种电子习题的处理方法，包括：
接收第一操作；
响应于所述第一操作，显示第一习题；
将所述第一习题转换为第一向量，所述第一向量用于表示所述第一习题中第一元素的特征；
获取候选习题集，所述候选习题集中包括多个第二习题，所述第二习题关联第二向量，所述第二向量用于表示所述第二习题中第二元素的特征；
在所述候选习题集中确定目标习题，所述目标习题的第二向量与所述第一向量之间的相似度符合预设条件；
显示所述目标习题。
在此基础上，所述将所述第一习题转换为第一向量，包括：
确定所述第一习题中包含的第一元素；
将所述第一元素转化为字符串；
将所述字符串转换为第一向量。
在此基础上，所述第一元素包括如下的至少一种：
文本、公式、图片；
将所述第一元素转化为字符串，包括：
确定所述文本为字符串；
和/或，
按照指定的排版方式将所述公式转换为字符串；
和/或，
提取所述图片中的视觉特征；
确定所述视觉特征为字符串。
在此基础上，所述第一操作由第一用户发起；
所述获取候选习题集，包括：
确定第一用户解答电子习题的答题数量；
当所述答题数量符合预设的第一条件时，根据所述第一用户的第一参数确定候选习题集；
当所述答题数量符合预设的第二条件时，根据所述第一用户对于每个知识点的答题正确率确定候选习题集；
当所述答题数量符合预设的第三条件时，根据与所述第一用户的相似度符合预设条件的第二用户确定候选习题集。
在此基础上，所述根据所述第一用户对于每个知识点的答题正确率确定候选习题集，包括：
确定所述第一用户的第二参数，所述第二参数为所述第一用户对于与所述知识点关联的电子习题的正确率；
当所述第二参数低于预设的第一阈值时，从与所述知识点关联的电子习题中确定第二习题。
在此基础上，所述根据与所述第一用户的相似度符合预设条件的第二用户确定候选习题集，包括：
确定第一行为数据，所述第一行为数据用于表示所述第一用户的第二操作，所述第二操作用于解答电子习题；
确定第二行为数据，所述第二行为数据用于表示第二用户的第二操作；
计算所述第一行为数据与所述第二行为数据之间的第一相似度；
确定所述第一相似度最高的n个所述第二用户为目标用户；
采用所述目标用户的第二行为数据确定所述第一用户对第三习题的预测参数值，其中，所述第三习题为所述目标用户已解答、所述第一用户未解答的电子习题；
确定所述预测参数值最高的m个所述第三习题为第二习题，所述第二习题用于构造所述候选习题集。
在此基础上，在所述显示所述目标习题之后，还包括：
对所述第二向量进行聚类处理，获得聚类簇，所述聚类簇中具有聚类中心；
在所述聚类簇中，计算所述第二向量与所述聚类中心之间的距离；
按照所述距离从所述第二向量中确定特征向量；
显示所述特征向量对应的第二习题。
在此基础上，所述按照所述距离从所述第二向量中确定特征向量，包括：
确定值最大的距离，作为目标距离；
确定所述目标距离对应的第二向量为特征向量。
第二方面，本发明实施例还提供了一种电子习题的处理装置，包括：
第一操作接收模块，用于接收第一操作；
第一习题显示模块，用于响应于所述第一操作，显示第一习题；
第一向量确定模块，用于将所述第一习题转换为第一向量，所述第一向量用于表示所述第一习题中第一元素的特征；
第二习题确定模块，用于获取候选习题集，所述候选习题集中包括多个第二习题，所述第二习题关联第二向量，所述第二向量用于表示所述第二习题中第二元素的特征；
目标习题确定模块，用于在所述候选习题集中确定目标习题，所述目标习题的第二向量与所述第一向量之间的相似度符合预设条件；
目标习题显示模块，用于显示所述目标习题。
第三方面，本发明实施例还提供了一种电子设备，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8任一所述的一种电子习题的处理方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如权利要求1-8任一所述的一种电子习题的处理方法。
本发明实施例在接收第一操作后，响应于第一操作，显示第一习题；将第一习题转换为第一向量，再获取候选习题集；在候选习题集中确定目标习题，所述目标习题的第二向量与所述第一向量之间的相似度符合预设条件，显示该目标习题。通过上述方式解决了某些技术中为用户选择的电子习题的准确性低、关联性低的问题。本发明设置了两次筛选，获取候选习题集，是对电子习题的第一次筛选，在这一步骤筛选出的电子习题都是根据第一用户筛选出的适合第一用户学习的电子习题，从而确保练习的有效性。在所述候选习题集中确定目标习题，是对电子习题进行了第二次筛选，第二次筛选保证电子习题之间的关联性，从而延续练习的集中性，并且，由于前一次筛选降低电子习题的数量，初次筛选简单，可减少后一次筛选的运算量，从而保证处理的效率。
附图说明
图1A为本发明实施例一提供的一种电子习题的处理方法的流程图；
图1B为本发明实施例一提供的显示电子习题列表的界面图；
图1C为本发明实施例一提供的显示电子习题的界面图；
图2A为本发明实施例一提供的一种电子习题的处理方法的流程图；
图2B为本发明实施例二提供的一种第一习题的示意图；
图2C为本发明实施例二提供的一种第一习题的示意图；
图3为本发明实施例三提供的一种电子习题的处理方法的流程图；
图4为本发明实施例四提供的一种电子习题的处理方法的流程图；
图5为本发明实施例五提供的一种电子习题的处理装置的结构图；
图6为本发明实施例六提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1A为本发明实施例一提供的一种电子习题的处理方法的流程图。本实施例可适用于首先获取适于所述第一用户学习的第二习题，再根据第一用户当前练习的第一习题、从第二习题中选择与第一习题相似的目标习题显示给用户的场景。该方法可以由一种电子习题的处理装置来执行，该装置可以由软件和/或硬件的方式实现，通常配置于电子设备中，该电子设备可以是手机、平板电脑、计算机、学习机或任何一种可以执行该方法的电子设备。参考图1A，该方法具体包括：
S101、接收第一操作。
在电子设备中，可安装学习应用，该学习应用提供UI(User Interface，用户界面)，用户可在该UI上进行操作，以此触发学习操作，也就是第一操作。
此时，对于电子设备而言，可接收第一用户通过UI的操作而触发的第一操作。
需要说明的是，本实施例中，第一用户是指一组可以被识别的身份数据，如用户ID、账号等，用以表征真实的电子设备的使用者。
第一操作是指第一用户发出的显示电子习题、电子习题推荐、跳过电子习题、检索电子习题关键词等操作。本实施例中不对第一操作进行限制，通常可以将任何指示显示一电子习题的操作都确定为第一操作。
在一实现方式中，电子设备的使用者没有进行登录操作，即没有提供用于匹配的身份数据。此时临时为该用户提供临时的身份数据，将该没有进行登录操作的使用者作为临时用户。若后续接收该临时用户的登录操作，则提示临时用户将与临时的身份数据相关联的电子习题的练习记录与登陆后的身份信息相关联。
S102、响应于所述第一操作，显示第一习题。
电子设备接收第一用户的第一操作后，根据该第一操作，从题库中选择该第一操作需求的电子习题作为第一习题，并显示在UI上，供使用者进行练习。
需要说明的是，在本实施例中，第一习题、第二习题与目标习题均为电子习题，所谓电子习题，可以指教学上供练习用的题目，一般存储在题库中进行管理。常见的，该方法大量用于针对K-12(“K”代表Kindergarten(幼儿园)，“12”代表从小学一年级到高中三年级的12年中小学教育，K-12是国际上对基础教育的统称)的场景。按照不同的学科门类、知识结构以及其内在联系，将不同的习题分门别类地汇集起来，为特定学科知识、学习效果检测和技能测试提供备选试题、例题参考。当然，在电子习题也常见于司法考试、专利代理人考试、驾驶执照等职业考试中。
在题库中，电子习题包括关联保存的题干、答案、知识点分析等信息，在使用者练习时，一般显示题干，待使用者练习之后，显示答案、分析等信息，以便使用者核对答题是否正确，并通过知识点分析对知识点进行学习。
为了区分电子习题的属性，将根据第一用户的第一操作显示在电子设备上的电子习题命名为第一习题，将习题库中存储的、与第一习题匹配的电子习题命名为第二习题，将第二习题中、确定与第一习题关联显示的电子习题命名为目标习题。
参考图1B和图1C，图1B为本发明实施例一提供的显示电子习题列表的界面图，图1C为本发明实施例一提供的显示电子习题的界面图。当学习操作是显示电子习题操作时，接收第一用户对电子习题所在的内容框11中的电子习题列表进行的选择操作，显示第一用户选择的电子习题的内容(在内容框11中显示)作为第一习题。当学习操作是电子习题推荐操作时，接收第一用户点击智能推荐按键12的操作，并为用户推荐电子习题。当学习操作是检索关键词操作时，接收用户在搜索框13中输入的检索关键词，当用户点击搜索框13中的“搜题”按键时，根据检索关键词从习题库存储的电子习题中产生电子习题列表，该列表显示在内容框11中，接收第一用户对电子习题所在的内容框11中的电子习题列表进行的选择操作，显示第一用户选择的电子习题的内容(在内容框11中显示)作为第一习题。当学习操作是跳过电子习题操作时，将跳过当前电子习题后，在内容框11中显示的下一个电子习题作为第一习题。
S103、将所述第一习题转换为第一向量。
第一习题中包括一种或多种元素，将这些元素转换为向量进行表达，作为第一向量，即第一向量用于表示第一习题中第一元素的特征。
一般地，第一习题可能包括的第一元素可能有文本、公式、图片、音频和视频等第一元素，将第一习题转换为第一向量，可以理解为分别将第一习题包括的第一元素转换为向量，在转换为向量的具体实现中，可以针对各种第一元素分别进行向量转换，最后按照一定的顺序对向量进行拼接，以获得第一向量。这样可以提高对第一习题特征描述的准确性。也可以仅从第一元素中选择文本、公式、图片转换为第一向量。这样可以减少计算第一向量的复杂程度，避免了对语音和视频的处理，节约了处理器算力的同时不会对第一习题特征描述的准确性造成太大影响。
需要说明的是，将第一习题转换为第一向量可以是在线转换也可以是离线转换，可以是本地转换也可是服务器转换。但是转换方式的不同会对服务器或第一用户使用的电子设备提出不同要求。
S104、获取候选习题集。所述候选习题集中包括多个第二习题，所述第二习题关联第二向量，所述第二向量用于表示所述第二习题中第二元素的特征。
由于在题库中存储了不同的电子习题，不同的电子习题适用情况有所不同，因此，在S104中，可针对当前使用者的学习情况，如学习阶段、对知识点的掌握程度、练习的操作数据、参加的学习班(或兴趣小组)、指导老师布置的作业、考试成绩等，从题库中初步选择合适的电子习题，作为第二习题。
第二习题中包括一种或多种元素，将这些元素转换为向量进行表达，作为第二向量，即第二习题关联第二向量，每个第二向量用于表示第二习题中第二元素的特征。
需要说明的是，获取候选习题集可以是在线转换也可以是离线查找，可以是在线查找也可以是离线查找，可以是本地查找也可是服务器查找。但是查找方式的不同会对服务器或第一用户使用的电子设备提出不同要求。
显示第一习题(S101-S103)与获取候选习题集(S104)是异步操作。
S105、在所述候选习题集中确定目标习题。所述目标习题的第二向量与所述第一向量之间的相似度符合预设条件。在所述第二习题中确定目标习题。
在S105中，可从候选习题集中，查找与第一习题相似的电子习题，作为目标习题，所谓相似，可表示为目标习题的第二向量与第一向量之间相似。
由于第一向量表示第一习题，第二向量表示第二习题，因此，要确定与第一习题相似的第二习题，即要确定与第一向量相似的第二向量，与第一向量相似的第二向量对应的题目为目标习题。
进一步而言，可以通过余弦定理、距离(如欧氏距离)等方式确定第一向量与第二向量之间的相似度，按照该相似度选择与第一向量相似的一个或多个第二向量对应的电子习题作为目标习题。
例如，可以选择相似度最高的N(N为正整数)个第二向量对应的电子习题作为目标习题。
又例如，可以选择相似度超过某一阈值的电子习题作为目标习题。
S106、显示所述目标习题。
在电子设备的UI上，在第一用户要求显示第一习题中的答案、知识点分析等可表示完成解答等情况下，可显示该一个或多个目标习题，以供第一用户重复练习，巩固类似的电子习题。
例如，参考图1B和图1C，可以在内容框11中进行目标习题的显示。
当目标习题为一个时，直接在图1C所示的内容框11中进行目标习题的显示。当目标习题为多个时，首先产生目标习题的列表，该列表显示在图1B内容框11中，接收第一用户对目标习题的选择操作，显示第一用户选择的目标习题的内容(在图1C的内容框11中显示)作为目标习题。
本发明实施例在接收第一操作后，响应于第一操作，显示第一习题；将第一习题转换为第一向量，再获取候选习题集；在候选习题集中确定目标习题，所述目标习题的第二向量与所述第一向量之间的相似度符合预设条件，显示该目标习题。通过上述方式解决了某些技术中为用户选择的电子习题的准确性低、关联性低的问题。本发明设置了两次筛选，获取候选习题集，是对电子习题的第一次筛选，在这一步骤筛选出的电子习题都是根据第一用户筛选出的适合第一用户学习的电子习题，从而确保练习的有效性。在所述候选习题集中确定目标习题，是对电子习题进行了第二次筛选，第二次筛选保证电子习题之间的关联性，从而延续练习的集中性，并且，由于前一次筛选降低电子习题的数量，初次筛选简单，可减少后一次筛选的运算量，从而保证处理的效率。
实施例二
图2A为本发明实施例一提供的一种电子习题的处理方法的流程图。本实施例是在实施例一的基础上，增加了将第一习题转换为第一向量的具体方式。参考图2A，该方法具体包括：
S201、接收第一操作。
S202、响应于所述第一操作，显示第一习题。
S203、确定所述第一习题中包含的第一元素。
电子设备可通过对题库中的第一习题进行扫描，选取关键信息，以排除第一习题中的无关信息，如题目前面的数字序号，选择题中的A、B、C、D选项等。
一般的，以K-12为例，幼儿园阶段的电子习题通常以视频、图片、音频为主，其他阶段的电子习题会根据学科的不同而有所差异，如语文的电子习题通常以文本为主，数学、物理、化学通常以文本、图片、公式为主。当然，在某些情况下，也可能存在其他元素，如该电子习题用于英语听力，则电子题目中包含音频、文本，本方案并不排除音频、视频等元素，也可以将这些元素转换为向量。对于音频，可进行语音识别，得到文本；对于视频，可提取一些关键帧，得到图片。
图2B为本发明实施例二提供的一种第一习题的示意图，图2C为本发明实施例二提供的一种第一习题的示意图。参考图2B，在内容框21中显示有第一习题，该第一习题的第一元素包括文本22、公式23、图片24。当然，有的第一习题的第一元素不会完全包括这三类内容，如图2C所示的第一习题，在内容框21中仅包括文本22。
S204、将所述第一元素转化为字符串。
根据S203确定的第一元素的种类，将第一元素按照各自对应的方式转化为字符创。
若第一元素为文本，则直接确定该文本为字符串。
若第一元素为公式，则按照指定的排版方式将公式转换为字符串。
进一步地，对于公式而言，一般会采用公式编辑器及拉泰赫(Latex)格式，所以可以将公式直接转换成Latex半结构化字符串。如统计学公式：转为：\frac{n！}{r！(n-r)！}。如化学方程式：转为：2H_2+O_2\xrightarrow{n,m}2H_2O。
若第一元素为图片，则提取图片中的视觉特征，将该视觉特征转化为字符串。
进一步地，对于图片而言，可通过卷积神经网络CNN(Convolutional NeuralNetwork,CNN)来提取习题中图片的视觉特征，选择CNN最后一个全连接层的输出作为每一张图片的特征。如经典CNN结构，输入一张图片，最后会输出分类结构，这里只提取图片高阶特征，所以选择全连接层(作为最后的特征向量，用于后续推荐训练用。假设连接层有1000个神经元，即1000维，则每一张图片将统一由这1000维的向量来表征，每个维度的值都是浮点数。
其中，对于音频而言，通过语音识别技术获得音频对应的文字内容，将文字进行向量处理。
其中，对于视频而言，对视频按照预设的时间间隔截取关键帧画面，对关键帧画面进行图像识别，获得描述图片内容的文字，将文字进行向量处理。
由于第一习题的类型多样化，第一习题中的第一元素包括不同的种类，因此，将第一元素统一为一种表现形式，使用字符串表示第一习题的内容，可以对电子习题的内容有同一的评判标准，使得具有更强的实用性。
S205、将所述字符串转换为第一向量。
目前刻画第一习题的第一元素以字符串的形态表示，将第一习题中的字符串统一转为向量，并将该向量元素命名为第一向量，以此表示第一习题的内容。
具体的，将该字符串输入至BERT(Bidirectional Encoder Representation fromTransformers，基于Transformer的双向编码器)等模型来提取字符串的特征，提取后的特征即为第一向量。
S206、获取候选习题集。
其中，每个第二习题关联第二向量，每个第二向量用于表示第二习题中第二元素的特征。
S207、在所述候选习题集中确定目标习题。
S208、显示所述目标习题。
对目标习题进行排版整理，并将整理后的目标习题进行显示。
由于增加了将第一习题转换为第一向量，因此，提供了第一元素包括不同的种类，将第一元素统一为一种表现形式，可以对电子习题的内容有同一的评判标准，使得具有更强的实用性。
实施例三
图3为本发明实施例三提供的一种电子习题的处理方法的流程图。本实施例是在上述实施例的基础上进行的细化，详细描述了获取适于所述第一用户学习的电子习题，作为第二习题的具体方式。参考图3，该方法具体包括：
S301、接收第一操作。
S302、响应于所述第一操作，显示第一习题。
S303、将所述第一习题转换为第一向量。
S304、确定第一用户解答电子习题的答题数量。
统计第一用户在一定条件下解答电子习题的数量作为答题数量，解答的电子习题包括回答正确和回答错误的电子习题。
S305、判断答题数量符合预设的第一条件或第二条件或第三条件。若所述答题数量符合预设的第一条件时，执行步骤S306；若所述答题数量符合预设的第二条件时，执行步骤S307；若所述答题数量符合预设的第三条件时，执行步骤S308。
在一可能的实施方式中，第一条件、第二条件与第三条件相互之间独立，并且，第一条件的要求低于第二条件的要求，第二条件的要求低于第三条件的要求。
答题数量符合预设的第一条件，则可根据第一用户所处的学习阶段确定第二习题；若答题数量符合预设的第二条件，则可根据第一用户对于每个知识点的掌握程度确定第二习题；若答题数量符合预设的第三条件，则可根据与第一用户相似的第二用户确定第二习题。
需要说明的是，所谓要求，针对不同的条件内容，具有不同的含义，已草拟第一条件、第二条件与第三条件可以由本领域技术人员根据实际情况具体设定，例如，如果条件的内容为答题数量，则第一条件为“答题数量为大于等于0，小于20”；第二条件为“答题数量为大于等于20，小于80”；第三条件为“答题数量为大于等于80”。
在另一可能的实施方式中，第一条件、第二条件与第三条件相互之间可能部分重叠，并且，第一条件的要求低于或等于第二条件的要求，第二条件的要求低于或等于第三条件的要求。
例如，第一条件与第二条件部分重叠，第二条件与第三条件部分重叠，但第一条件与第三条件相互独立。
例如，第一条件为“答题数量为大于等于0，小于30”；第二条件为“答题数量为大于等于20，小于80”；第三条件为“答题数量为大于等于60”。
在此实施方式中，可以设置不同条件对应的权重，如答题数量属于第三条件，则优先根据与第一用户相似的第二用户确定第二习题，再根据第一用户对于每个知识点的掌握程度确定第二习题，最后根据第一用户所处的学习阶段确定第二习题，直到第二习题的数量符合要求。
S306、当所述答题数量符合预设的第一条件时，根据所述第一用户所处的学习阶段确定第二习题。
所谓学习阶段，可以指年级、统一考试(如大学英语口语考试CET)等规范化的学习阶段，也可以指学科知识点等非规范化的学习阶段，本实施例对此不加以限制。
在本实施例中，可参考用户所处的学习阶段，从题库中选择合适的电子习题作为第二习题。
在一实施方式中，可确定第一用户所处的学习阶段，从而确定第二习题，其中，第二习题所属的知识点适于在所述学习阶段学习。
在此实施方式中，学习阶段对应的电子习题在电子习题被存储到习题库时已经被标记和确定。电子习题在被存入习题库时通常如表一所示的关联了标签。
表一：
当然，一道电子习题可能关联多个知识点，也支持为习题打上多个标签。如一道题同时考察了圆的面积和体积计算，那就涉及到圆、面积、体积三个知识点。知识点之间的关联关系也会作为学习阶段对应的电子习题的考量。知识点之间的关联关系如表二所示：
表二
一般而言，第一用户在注册时会填写个人信息，该个人信息中包含第一用户的所处的学习阶段。
需要说明的是，适于该学习阶段学习的电子习题，并不一定指该电子习题所属的知识点在该学习阶段，也可以将下一学习阶段的部分知识点的电子习题，也在当前学习阶段进行学习。
例如，可通过采集第一用户练习的电子习题的变化趋势来确定第一用户的所处的年级，如第一用户大量练习四年级的电子习题，开始有少量五年级的电子习题的练习，即可以确定该第一用户所处的学习阶段为五年级。
在第一用户没有大量地进行电子习题的练习的情况下，由于统计的样本过少，如果依据电子习题的相似性来确定第一用户需要练习的电子习题会存在冷启动中精确度低、浪费资源的问题。此时，选择根据学习阶段来召回电子习题，可保证准确性，解决冷启动的问题。
S307、当所述答题数量符合预设的第二条件时，根据所述第一用户对于每个知识点的答题正确率确定候选习题集。
掌握程度可以通过第一用户对练习过的某一知识点的电子习题的正确率来表示。
在本实施例中，可参考用户对于每个知识点的掌握程度确定候选习题集(也就是第二习题)。可以针对掌握程度设置阈值，当用户对于知识点的掌握程度低于阈值，说明该用户对于该知识点的掌握程度低，当用户对于知识点的掌握程度不低于阈值，说明该用户对于该知识点的掌握程度高。将低于阈值的掌握程度对应的知识点对应的电子习题确定候选习题集。
在此实施方式中，可以确定第一用户解答的关联与一知识点的电子习题对应的数量作为第一数量；确定第一用户正确解答的关联与一知识点的电子习题对应的数量作为第二数量；将第二数量与第一数量的比值作为争取率；确定所述正确率对应的掌握程度。即统计第一用户对于每个知识点练习(解答)过的电子习题，统计第一用户练习(解答)该知识点的电子习题的正确率，将该正确率对应的等级作为第一用户对于每个知识点的掌握程度。再从中筛选出需要练习的知识点中包括的电子习题作为第二习题。这样产生的第二习题都是第一用户需要练习的知识点对应的电子习题，提高了后续从第二习题中选择目标习题的针对性。
S308、当所述答题数量符合预设的第三条件时，根据与所述第一用户的相似度符合预设条件的第二用户确定候选习题集。
与第一用户相似的第二用户是指，与第一用户练习过大量相同的电子习题的用户。由于第一用户与第二用户相似，那么他们可能是学习能力和学习阶段差不多的用户，因此他们做过的电子习题都对对方有意义。相似可以通过采集用户的解答电子习题的操作来确定，也可以根据登录时填写的个人信息来确定。
一般的，可以将第一用户解答电子习题的操作所确定为第一行为数据，将第二用户解答电子习题的操作所确定为第二行为数据，计算第一行为数据与第二行为数据之间的第一相似度，确定第一相似度最高的N(N为正整数)个第二用户为目标用户，采用目标用户的第二行为数据确定所述第一用户对候选习题的预期值，确定所述预期值最高的M(M为正整数)个所述电子习题为第二习题。其中，候选习题为所述目标用户已解答、所述第一用户未解答的电子习题。解答电子习题的操作可以统计为用户的答题次数、答题练习时间段、对某些知识点的掌握程度或错的电子习题等等。
以通过解答的具体电子习题和答题次数来判断相似用户为例，通过协同过滤来筛选与第一用户相似的第二用户。根据用户解答电子习题的操作构建协同过滤的矩阵，如表三所示：
表三：
将表格内容通过以三元数组表示，形式如<s,e,n>，其中s表示用户、e表示电子习题的编号、n表示答题次数。通过建立数学模型让算法自动寻找第一用户的目标用户。有很多的方法来衡量两个用户是否相似。如果把上面表格中的每一行看作是一个向量，这个向量就用来表示用户喜好，那么就可以用多种方法来衡量两个用户喜好的相似度，如余弦相似度、皮尔逊相似度等。然后遍历所有第二用户，第一用户与每个第二用户都计算出一个相似度，随后对相似度进行排序，选择前n个相似度最高的用户作为第一用户的目标用户。确定目标用户对电子习题的掌握程度，确定掌握程度最高的m个电子习题为候选习题集。此时m个电子习题表示与第一用户相似的第二用户已经掌握的、但是第一用户尚未掌握的电子习题。为了避免第一用户重复的进行电子习题的练习，候选习题为目标用户已解答、第一用户未解答的电子习题。
S309、在所述候选习题集中确定目标习题。
目标习题的第二向量与所述第一向量之间的相似度符合预设条件。一般可以通过余弦距离公式确定述第一向量与第二向量的相似度。
在一具体实现中，可以仅仅通过图片和公式来确定第一向量。即确定第一向量中图片或公式部分与第二向量的图片或公式部分的相似度。由于一道题目(尤其是理科题目中)的图片与公式部分包括的信息量大，与根据文字进行相似度的判断相比，根据公式和/或图片进行相似度判断，可以大大提高确定相似度的准确性。
可以根据相似度对候选习题集中的第二习题进行顺序排序，将排序的前X(X为正整数)个第二习题确定为目标习题。这样可使得电子设备在显示目标习题时，直接取得预设个数的电子习题，减少对于排版的要求。也可以确定每个第二习题的相似度，将相似度超过阈值的第二习题确定为目标习题。这样可以保证目标习题与第一习题的相似性。
向第一用户推送与第一向量相似的第二向量对应的目标习题，是在用户应该学习的知识点中，选择了与当前练习的第一习题相似的第二习题。使得第一用户逐渐完善某一知识点的相关电子习题的学习，便于第一用户循序渐进的提升对于知识点的掌握程度。
S310、显示所述目标习题。
本实施例利用某兴趣相投、拥有共同经验之群体的喜好来推荐用户感兴趣的信息，个人透过合作的机制给予信息相当程度的回应(如学生对习题的答题次数)并记录下来以达到过滤的目的进而帮助别人筛选信息。使得对第一用户推送的电子习题更加有利于第一用户的学习提高。
实施例四
图4为本发明实施例四提供的一种电子习题的处理方法的流程图。本实施例是在上述实施例的基础上增加了根据聚类簇确定第二习题的具体方式。参考图4，该方法具体包括：
S401、接收第一操作。
S402、响应于所述第一操作，显示第一习题。
S403、将所述第一习题转换为第一向量。
S404、获取候选习题集。
S405、在所述候选习题集中确定目标习题。
S406、显示所述目标习题。
S407、对所述第二向量进行聚类处理，获得聚类簇，所述聚类簇中具有聚类中心。
获取适于第一用户学习的第二习题后，对第二向量进行聚类处理。此时的第二习题已经是适于第一用户学习的电子习题。为了实现多样性推荐，将多个第二习题的第二向量进行处理，实现对多个第二习题的聚类。聚类中心是通过计算获得的第二向量的中心点，与中心越接近说明该第二向量与第一向量越接近。
在一可能的实施方式中，通过聚类可以确定聚类中心，如通过K-Means方法确定聚类中心。假设k＝10，通过K-Means会获得这10个电子习题的一个中心点。具体的，在给定K值和K个初始类簇中心点的情况下，把每个点(亦即数据记录)分到离其最近的类簇中心点所代表的类簇中，所有点分配完毕之后，根据一个类簇内的所有点重新计算该类簇的中心点(取平均值)，然后再迭代的进行分配点和更新类簇中心点的步骤，直至类簇中心点的变化很小，或者达到指定的迭代次数。
S408、在所述聚类簇中，计算所述第二向量与所述聚类中心之间的距离。
确定聚类簇的聚类中心后，计算每个第二向量距离聚类中心的距离。该距离越近，表示第二向量对应的第二习题与第一习题越相似；该距离越远，表示第二向量对应的第二习题与第一习题的差异越大。
若第二习题中包括第一习题，则将第一习题对应的向量作为聚类中心。若第二习题中不包括第一习题，则重新确定聚类中心。
S409、按照所述距离从所述第二向量中确定特征向量。
将第二向量按照距离聚类中心的距离进行排序，确定值最大的距离，作为目标距离；确定目标距离对应的第二向量为特征向量。选取距离聚类中心的距离超过阈值的第二向量作为特征向量。
S410、显示所述特征向量对应的第二习题。
显示该特征向量对应的第二习题。以实现尽量推荐与第一习题差异大的电子习题，体现推荐多样性，避免一直推送相似习题给学生，对提高学生学习能力没有帮助。
选择距离聚类中心远的特征向量对应的第二习题可以尽量使得第一用户练习和第一习题差异大的电子习题，体现推荐多样性，避免一直推送相似的电子习题给学生，对提高学生学习能力没有帮助。
实施例五
图5为本发明实施例五提供的一种电子习题的处理装置的结构图。包括：学习操作接收模块51、第一习题显示模块52、第一向量确定模块53、第二习题确定模块54、目标习题确定模块55和目标习题显示模块56。其中：
学习操作接收模块51，用于接收第一操作；
第一习题显示模块52，用于响应于所述第一操作，显示第一习题；
第一向量确定模块53，用于将所述第一习题转换为第一向量，所述第一向量用于表示所述第一习题中第一元素的特征；
第二习题确定模块54，用于获取候选习题集，所述候选习题集中包括多个第二习题，所述第二习题关联第二向量，所述第二向量用于表示所述第二习题中第二元素的特征；
目标习题确定模块55，用于在所述候选习题集中确定目标习题，所述目标习题的第二向量与所述第一向量之间的相似度符合预设条件；
目标习题显示模块56，用于显示所述目标习题。
本发明实施例在接收第一操作后，响应于第一操作，显示第一习题；将第一习题转换为第一向量，再获取候选习题集；在候选习题集中确定目标习题，所述目标习题的第二向量与所述第一向量之间的相似度符合预设条件，显示该目标习题。通过上述方式解决了某些技术中为用户选择的电子习题的准确性低、关联性低的问题。本发明设置了两次筛选，获取候选习题集，是对电子习题的第一次筛选，在这一步骤筛选出的电子习题都是根据第一用户筛选出的适合第一用户学习的电子习题，从而确保练习的有效性。在所述候选习题集中确定目标习题，是对电子习题进行了第二次筛选，第二次筛选保证电子习题之间的关联性，从而延续练习的集中性，并且，由于前一次筛选降低电子习题的数量，初次筛选简单，可减少后一次筛选的运算量，从而保证处理的效率。
在上述实施例的基础上，第一向量确定模块53还用于：
确定所述第一习题中包含的第一元素；
将所述第一元素转化为字符串；
将所述字符串转换为第一向量。
在上述实施例的基础上，所述第一元素包括如下的至少一种：
文本、公式、图片；
将所述第一元素转化为字符串，包括：
确定所述文本为字符串；
和/或，
按照指定的排版方式将所述公式转换为字符串；
和/或，
提取所述图片中的视觉特征；
确定所述视觉特征为字符串。
在上述实施例的基础上，所述第二习题确定模块54还包括：
确定第一用户解答电子习题的答题数量；
当所述答题数量符合预设的第一条件时，根据所述第一用户的第一参数确定候选习题集；
当所述答题数量符合预设的第二条件时，根据所述第一用户对于每个知识点的答题正确率确定候选习题集；
当所述答题数量符合预设的第三条件时，根据与所述第一用户的相似度符合预设条件的第二用户确定候选习题集。
在上述实施例的基础上，所述根据所述第一用户对于每个知识点的答题正确率确定候选习题集，包括：
确定所述第一用户的第二参数，所述第二参数为所述第一用户对于与所述知识点关联的电子习题的正确率；
当所述第二参数低于预设的第一阈值时，从与所述知识点关联的电子习题中确定第二习题。
在上述实施例的基础上，所述根据与所述第一用户的相似度符合预设条件的第二用户确定候选习题集，包括：
确定第一行为数据，所述第一行为数据用于表示所述第一用户的第二操作，所述第二操作用于解答电子习题；
确定第二行为数据，所述第二行为数据用于表示第二用户的第二操作；
计算所述第一行为数据与所述第二行为数据之间的第一相似度；
确定所述第一相似度最高的n个所述第二用户为目标用户；
采用所述目标用户的第二行为数据确定所述第一用户对第三习题的预测参数值，其中，所述第三习题为所述目标用户已解答、所述第一用户未解答的电子习题；
确定所述预测参数值最高的m个所述第三习题为第二习题，所述第二习题用于构造所述候选习题集。
在上述实施例的基础上，在所述显示所述目标习题之后，还包括：
对所述第二向量进行聚类处理，获得聚类簇，所述聚类簇中具有聚类中心；
在所述聚类簇中，计算所述第二向量与所述聚类中心之间的距离；
按照所述距离从所述第二向量中确定特征向量；
显示所述特征向量对应的第二习题。
在上述实施例的基础上，所述按照所述距离从所述第二向量中确定特征向量，包括：
确定值最大的距离，作为目标距离；
确定所述目标距离对应的第二向量为特征向量。
本实施例提供的一种电子习题的处理装置可用于执行任一实施例提供的一种电子习题的处理方法，具有相应的功能和有益效果。
实施例六
图6为本发明实施例六提供的一种电子设备的结构示意图。如图6所示，该电子设备包括处理器60、存储器61、通信模块62、输入装置63和输出装置64；电子设备中处理器60的数量可以是一个或多个，图6中以一个处理器60为例；电子设备中的处理器60、存储器61、通信模块62、输入装置63和输出装置64可以通过总线或其他方式连接，图6中以通过总线连接为例。
存储器61作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本实施例中的一种电子习题的处理方法对应的模块(例如，一种电子习题的处理装置中的学习操作接收模块51、第一习题显示模块52、第一向量确定模块53、第二习题确定模块54、目标习题确定模块55和目标习题显示模块56)。处理器60通过运行存储在存储器61中的软件程序、指令以及模块，从而执行电子设备的各种功能应用以及数据处理，即实现上述的一种电子习题的处理方法。
存储器61可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器61可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器61可进一步包括相对于处理器60远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
通信模块62，用于与显示屏建立连接，并实现与显示屏的数据交互。输入装置63可用于接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入。
本实施例提供的一种电子设备，可执行本发明任一实施例提供的在线图纸审核的方法，具体相应的功能和有益效果。
实施例七
本发明实施例七还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种电子习题的处理方法，该方法包括：
接收第一操作；
响应于所述第一操作，显示第一习题；
将所述第一习题转换为第一向量，所述第一向量用于表示所述第一习题中第一元素的特征；
获取候选习题集，所述候选习题集中包括多个第二习题，所述第二习题关联第二向量，所述第二向量用于表示所述第二习题中第二元素的特征；
在所述候选习题集中确定目标习题，所述目标习题的第二向量与所述第一向量之间的相似度符合预设条件；
显示所述目标习题。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任一实施例所提供的电子习题的处理方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机电子设备(可以是个人计算机，服务器，或者网络电子设备等)执行本发明各个实施例所述的方法。
值得注意的是，上述电子习题的处理装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (11)
1.一种电子习题的处理方法，其特征在于，包括：
接收第一操作；
响应于所述第一操作，显示第一习题；
将所述第一习题转换为第一向量，所述第一向量用于表示所述第一习题中第一元素的特征；
获取候选习题集，所述候选习题集中包括多个第二习题，所述第二习题关联第二向量，所述第二向量用于表示所述第二习题中第二元素的特征；
在所述候选习题集中确定目标习题，所述目标习题的第二向量与所述第一向量之间的相似度符合预设条件；
显示所述目标习题。
2.根据权利要求1所述的方法，其特征在于，所述将所述第一习题转换为第一向量，包括：
确定所述第一习题中包含的第一元素；
将所述第一元素转化为字符串；
将所述字符串转换为第一向量。
3.根据权利要求2所述的方法，其特征在于，所述第一元素包括如下的至少一种：
文本、公式、图片；
将所述第一元素转化为字符串，包括：
确定所述文本为字符串；
和/或，
按照指定的排版方式将所述公式转换为字符串；
和/或，
提取所述图片中的视觉特征；
确定所述视觉特征为字符串。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述第一操作由第一用户发起；
所述获取候选习题集，包括：
确定第一用户解答电子习题的答题数量；
当所述答题数量符合预设的第一条件时，根据所述第一用户的第一参数确定候选习题集；
当所述答题数量符合预设的第二条件时，根据所述第一用户对于每个知识点的答题正确率确定候选习题集；
当所述答题数量符合预设的第三条件时，根据与所述第一用户的相似度符合预设条件的第二用户确定候选习题集。
5.根据权利要求4所述的方法，其特征在于，所述根据所述第一用户对于每个知识点的答题正确率确定候选习题集，包括：
确定所述第一用户的第二参数，所述第二参数为所述第一用户对于与所述知识点关联的电子习题的正确率；
当所述第二参数低于预设的第一阈值时，从与所述知识点关联的电子习题中确定第二习题。
6.根据权利要求4所述的方法，其特征在于，所述根据与所述第一用户的相似度符合预设条件的第二用户确定候选习题集，包括：
确定第一行为数据，所述第一行为数据用于表示所述第一用户的第二操作，所述第二操作用于解答电子习题；
确定第二行为数据，所述第二行为数据用于表示第二用户的第二操作；
计算所述第一行为数据与所述第二行为数据之间的第一相似度；
确定所述第一相似度最高的n个所述第二用户为目标用户；
采用所述目标用户的第二行为数据确定所述第一用户对第三习题的预测参数值，其中，所述第三习题为所述目标用户已解答、所述第一用户未解答的电子习题；
确定所述预测参数值最高的m个所述第三习题为第二习题，所述第二习题用于构造所述候选习题集。
7.根据权利要求1或2或3或5或6任一项所述的方法，其特征在于，在所述显示所述目标习题之后，还包括：
对所述第二向量进行聚类处理，获得聚类簇，所述聚类簇中具有聚类中心；
在所述聚类簇中，计算所述第二向量与所述聚类中心之间的距离；
按照所述距离从所述第二向量中确定特征向量；
显示所述特征向量对应的第二习题。
8.根据权利要求7所述的方法，其特征在于，所述按照所述距离从所述第二向量中确定特征向量，包括：
确定值最大的距离，作为目标距离；
确定所述目标距离对应的第二向量为特征向量。
9.一种电子习题的处理装置，其特征在于，包括：
第一操作接收模块，用于接收第一操作；
第一习题显示模块，用于响应于所述第一操作，显示第一习题；
第一向量确定模块，用于将所述第一习题转换为第一向量，所述第一向量用于表示所述第一习题中第一元素的特征；
第二习题确定模块，用于获取候选习题集，所述候选习题集中包括多个第二习题，所述第二习题关联第二向量，所述第二向量用于表示所述第二习题中第二元素的特征；
目标习题确定模块，用于在所述候选习题集中确定目标习题，所述目标习题的第二向量与所述第一向量之间的相似度符合预设条件；
目标习题显示模块，用于显示所述目标习题。
10.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8任一所述的一种电子习题的处理方法。
11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-8任一所述的一种电子习题的处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910700019.XA CN110427534A (zh) | 2019-07-31 | 2019-07-31 | 一种电子习题的处理方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910700019.XA CN110427534A (zh) | 2019-07-31 | 2019-07-31 | 一种电子习题的处理方法、装置、设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110427534A true CN110427534A (zh) | 2019-11-08 |
Family
ID=68413254
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910700019.XA Pending CN110427534A (zh) | 2019-07-31 | 2019-07-31 | 一种电子习题的处理方法、装置、设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110427534A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112308807A (zh) * | 2020-10-19 | 2021-02-02 | 泰州锐比特智能科技有限公司 | 科目类型现场检测系统 |
| CN114676334A (zh) * | 2022-04-19 | 2022-06-28 | 江苏迈拓网络科技有限公司 | 一种个性化的智能习题推荐方法及推荐系统 |
| CN114913729A (zh) * | 2021-02-09 | 2022-08-16 | 广州视源电子科技股份有限公司 | 一种选题方法、装置、计算机设备和存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20020072092A (ko) * | 2001-03-08 | 2002-09-14 | 서정연 | 단락 단위의 실시간 응답 색인을 이용한 자연어 질의-응답검색시스템 |
| CN105045818A (zh) * | 2015-06-26 | 2015-11-11 | 腾讯科技（深圳）有限公司 | 一种图片的推荐方法、装置和系统 |
| CN106651696A (zh) * | 2016-11-16 | 2017-05-10 | 福建天泉教育科技有限公司 | 一种近似题推送方法及系统 |
| CN108376132A (zh) * | 2018-03-16 | 2018-08-07 | 中国科学技术大学 | 相似试题的判定方法及系统 |
| CN109977197A (zh) * | 2019-03-29 | 2019-07-05 | 广州视源电子科技股份有限公司 | 一种电子习题的处理方法、装置、设备和存储介质 |
-
2019
- 2019-07-31 CN CN201910700019.XA patent/CN110427534A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20020072092A (ko) * | 2001-03-08 | 2002-09-14 | 서정연 | 단락 단위의 실시간 응답 색인을 이용한 자연어 질의-응답검색시스템 |
| CN105045818A (zh) * | 2015-06-26 | 2015-11-11 | 腾讯科技（深圳）有限公司 | 一种图片的推荐方法、装置和系统 |
| CN106651696A (zh) * | 2016-11-16 | 2017-05-10 | 福建天泉教育科技有限公司 | 一种近似题推送方法及系统 |
| CN108376132A (zh) * | 2018-03-16 | 2018-08-07 | 中国科学技术大学 | 相似试题的判定方法及系统 |
| CN109977197A (zh) * | 2019-03-29 | 2019-07-05 | 广州视源电子科技股份有限公司 | 一种电子习题的处理方法、装置、设备和存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 柏茂林: "基于协同过滤的数学习题个性化推荐系统的设计与实现", 《中国优秀硕士学位论文全文数据库(信息科技辑)》 * |
| 王盛之: "《智慧教师与智慧课堂》", 30 September 2017 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112308807A (zh) * | 2020-10-19 | 2021-02-02 | 泰州锐比特智能科技有限公司 | 科目类型现场检测系统 |
| CN114913729A (zh) * | 2021-02-09 | 2022-08-16 | 广州视源电子科技股份有限公司 | 一种选题方法、装置、计算机设备和存储介质 |
| CN114676334A (zh) * | 2022-04-19 | 2022-06-28 | 江苏迈拓网络科技有限公司 | 一种个性化的智能习题推荐方法及推荐系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109471915B (zh) | 一种文本评价方法、装置、设备以及可读存储介质 | |
| CN113590956B (zh) | 知识点推荐方法、装置、终端及计算机可读存储介质 | |
| CN110347894A (zh) | 基于爬虫的知识图谱处理方法、装置、计算机设备及存储介质 | |
| CN109710590A (zh) | 一种错题本生成方法及装置 | |
| CN110427534A (zh) | 一种电子习题的处理方法、装置、设备和存储介质 | |
| CN103870000A (zh) | 一种对输入法所产生的候选项进行排序的方法及装置 | |
| CN112613323A (zh) | 语法依赖增强的数学应用题语义识别与推理方法及系统 | |
| CN113886567A (zh) | 一种基于知识图谱的教学方法及系统 | |
| CN110569364A (zh) | 在线教学方法、装置、服务器及存储介质 | |
| CN103870001A (zh) | 一种生成输入法候选项的方法及电子装置 | |
| CN111460101A (zh) | 知识点类型的识别方法、装置及处理器 | |
| Nguyen et al. | Design intelligent educational chatbot for information retrieval based on integrated knowledge bases | |
| CN107943940A (zh) | 数据处理方法、介质、系统和电子设备 | |
| CN109376355B (zh) | 英文单词和语句筛选方法、装置、存储介质及电子设备 | |
| CN116796802A (zh) | 基于错题分析的学习推荐方法、装置、设备及存储介质 | |
| CN110852071B (zh) | 知识点检测方法、装置、设备及可读存储介质 | |
| CN110765241B (zh) | 推荐题的超纲检测方法、装置、电子设备和存储介质 | |
| Da et al. | Technology and the teaching and learning of Chinese as a foreign language | |
| Li et al. | Aligning open educational resources to new taxonomies: How AI technologies can help and in which scenarios | |
| CN112560663B (zh) | 教学视频打点方法、相关设备及可读存储介质 | |
| CN117216617A (zh) | 文本分类模型训练方法、装置、计算机设备和存储介质 | |
| CN109857874A (zh) | 一种基于知识图谱的用户答案的推荐方法和装置 | |
| CN112487183B (zh) | 一种标签化的试题知识点分类方法及系统 | |
| CN109977197A (zh) | 一种电子习题的处理方法、装置、设备和存储介质 | |
| CN109657046A (zh) | 内容分析处理方法、装置、电子设备及存储介质 |
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: 20191108 |
|
| RJ01 | Rejection of invention patent application after publication |