CN111079387A

CN111079387A - 一种问卷自动化生成方法、装置、计算机设备及存储介质

Info

Publication number: CN111079387A
Application number: CN201911201670.9A
Authority: CN
Inventors: 杨宗凯; 吴晨; 吴砥; 徐建
Original assignee: Central China Normal University
Current assignee: Central China Normal University
Priority date: 2019-11-29
Filing date: 2019-11-29
Publication date: 2020-04-28
Anticipated expiration: 2039-11-29
Also published as: CN111079387B

Abstract

本发明涉及一种问卷自动化生成方法、装置、计算机设备及存储介质。所述方法包括：采集问卷设计信息，将问卷设计信息转换为带预定义语义标签的结构化标准数据；创建问卷设计过程对象，并构建问卷设计过程对象之间的映射关系链表，所述问卷设计过程对象包括问卷设计模板、问卷交互编辑组件、问卷设计过程控制模型；根据所述映射关系链表，将所述结构化标准数据输入问卷设计过程控制模型，通过标准化问卷设计数据与问卷设计模板的信息映射，并自适应关联对应的问卷交互编辑组件等资源数据，生成问卷。本发明可以实现问卷信息的参数化设计和组件化构建，题型构成要素、计算函数和指标的交互编辑，以及问卷信息的自动采集和计算。

Description

一种问卷自动化生成方法、装置、计算机设备及存储介质

技术领域

本发明涉及一种信息处理技术领域，具体涉及一种问卷自动化生成方法、装置、计算机设备及存储介质。

背景技术

传统问卷自动化生成方法主要采用基于可视化交互界面的问题创建、题干编辑、问题组卷、关联预定义分析模型的设计流程，问卷设计过程相对机械，存在大量重复的简单操作。且问卷系统之间由于问卷数据结构的差异导致问卷设计数据无法共享，大量问卷设计系统和问卷数据成为“孤岛”，难以实现跨平台问卷数据的协同操作。问卷数据和采集模型以及计算模型割裂，导致问卷分析模型的处理需要以问卷数据的手动/半自动录入为前提，问卷数据录入工作庞杂，且问卷设计者难以进行问题计算模型的自定义，无法满足问卷数据的自动采集和计算。

发明内容

针对现有技术的以上缺陷或改进需求，本申请提出了一种问卷自动化生成方法、装置及存储介质，能够实现问卷信息的参数化设计和组件化构建。

根据本申请的一个方面，本发明的问卷自动化生成方法包括：

采集问卷设计信息，将问卷设计信息转换为带预定义语义标签的结构化标准数据；

创建问卷设计过程对象，并构建问卷设计过程对象之间的映射关系链表，所述问卷设计过程对象是包含问卷设计流程中不同属性问卷信息的数据对象，所述问卷设计过程对象包括问卷设计模板、问卷交互编辑组件和问卷设计过程控制模型；

根据所述映射关系链表，将所述结构化标准数据输入问卷设计过程控制模型，通过标准化问卷设计数据与问卷设计模板的信息映射，并自适应关联对应的问卷交互编辑组件，生成问卷。

通过采用构建所述问卷设计过程对象间的映射关系链表进行问卷自动化生成的方法，可以实现问卷信息的参数化设计和组件化构建，题型构成要素、计算函数和指标的交互编辑，以及问卷信息的自动采集和计算。

作为本申请的进一步改进，所述创建问卷设计过程对象并构建所述问卷设计过程对象间的映射关系链表，包括步骤：

创建问卷设计过程对象，问卷设计过程对象包括问卷设计模板、问卷交互编辑组件、问卷设计过程控制模型；

创建问卷设计过程对象属性；

构建问卷设计过程对象间的映射关系链表。

作为本申请的进一步改进，所述问卷设计过程控制模型包括问卷模板映射模型、常规题映射模型、常规题正则表达计算模型、情境题转换模型和情境题操作行为统计分析模型，所述根据所述映射关系链表将所述结构化标准数据输入到设计过程控制模型生成问卷，包括步骤：

根据所述映射关系链表，将所述标准格式的问卷设计信息输入到问卷模板映射模型，得到关联指标体系及评价模型的问卷框架数据，问卷框架数据包括问卷基础信息和题目元信息；

根据所述映射关系链表，将所述标准格式的问卷设计信息输入到常规题映射模型，得到包含题干、答题区和选项的可交互编辑的常规题题目数据；

根据所述映射关系链表，将所述常规题题目数据和标准格式的问卷设计信息输入到常规题正则表达计算模型，实现常规题的答案变量与计算模型和指标的关联。

根据所述映射关系链表，将所述标准格式的问卷设计信息输入到情境题转换模型，得到包含场景、热点区和模拟事件的可交互编辑的情境题题目数据；

将情境题题目数据输入到情境题操作行为统计分析模型，实现情境题的操作行为与统计变量、分析模型和指标的关联；

根据所述问卷框架数据、常规题题目数据和情境题题目数据，生成问卷。

作为本申请的进一步改进，所述采集问卷设计信息，将问卷设计信息转换为带预定义语义标签的结构化标准数据，包括步骤：

建立问卷的语义描述规则；

建立题型的语义描述规则；

构建所述问卷语义对象及题目语义对象间的关联关系，采集问卷设计信息并将问卷设计信息转换为带预定义语义标签的结构化标准数据。

作为本申请的进一步改进，在所述将所述结构化标准数据输入到问卷设计模型生成问卷步骤之后，所述方法还包括：

根据问卷中题型类型加载匹配的随机答案或加载自定义答案，将问卷依据随机答案或自定义答案生成的评估结果推送给问卷设计者，便于问卷设计者验证问卷信息。

根据本申请的另一个方面，本发明提供了一种问卷自动化生成装置，包括：

数据采集处理模块，用于采集问卷设计信息，将问卷设计信息转换为带预定义语义标签的结构化标准数据；

映射关系链表构建模块，用于创建问卷设计过程对象并构建所述问卷设计过程对象间的映射关系链表，所述问卷设计过程对象是包含问卷设计流程中不同属性问卷信息的数据对象，所述问卷设计过程对象包括问卷设计模板、问卷交互编辑组件和问卷设计过程控制模型；

执行模块，用于根据所述映射关系链表将所述结构化标准数据输入到问卷设计过程控制模型，通过标准化问卷设计数据与问卷设计模板的信息映射，并自适应关联对应的问卷交互编辑组件，获取问卷信息。

根据本申请的另一个方面，本发明提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述方法的步骤。

根据本申请的另一个方面，本发明提供了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，所述计算机程序被处理器执行时实现权利要求1至5中的任一项所述的方法的步骤。

综上所述，本申请提供的问卷自动化生成方法、装置、计算机设备及存储介质，通过采用创建问卷设计过程对象并构建所述问卷设计过程对象间的映射关系链表的方法，支持问卷信息的语义描述、参数化设计和组件化构建，题型构成要素、计算函数和指标的交互编辑，以及问卷信息的自动采集和计算，为问卷设计过程与问卷填写数据的自动采集与评估计算提供了诸多便利。其一，该问卷自动化生成方法采用自顶向下的设计思路，对问卷的整体结构进行架构切分与语义规则定义，通过分析各题型特征并结合问卷设计的处理流程，对问卷数据进行结构化的语义描述，形成一套支持可迁移、可扩展的问卷数据语义描述，支持多源异构问卷数据的统一描述和多模态可视化，即不同的问卷数据来源，可参照该方法中定义的语义规则和问卷数据结构进行问卷统一设计，但在问卷展示中保留问卷设计平台的独特性。其二，融入参数化设计和组件化构建思路，实现问卷设计逻辑功能或界面的对象化管理，并通过预定义的问卷要素语义描述规则进行功能/界面组件的关联，支撑问卷完整功能或界面参数化描述的组件自适应关联。其三，在问卷设计的各个环节为设计者提供计算模型的变量自定义和公式自定义入口，并提供计算模型验证和计算，问卷数据的采集和计算可以按照预定义的数据结构、读取算法和计算模型进行自动采集、计算和统计分析。

附图说明

图1是本申请实施例提供的问卷自动化生成方法流程图；

图2是本申请实施例提供的问卷设计信息采集与结构化处理流程图；

图3是本申请实施例提供的问卷设计过程处理流程图；

图4是本申请实施例提供的输入问卷设计信息生成问卷的流程图；

图5是本申请实施例提供的对生成的问卷进行测试的流程图；

图6是本申请实施例提供的问卷设计数据语义信息示意图；

图7是本申请实施例提供的问卷基础数据结构与各问卷组件之间的映射关系示意图；

图8是本申请实施例提供的常规题数据结构及其数据处理过程示意图；

图9是本申请实施例提供的计算模型和指标在常规题中的数据关联过程示意图；

图10是本申请实施例提供的情境题组件的生成过程与数据转换模型示意图；

图11是本申请实施例提供的情境题计算模型构建过程示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实例仅仅用以解释本申请，并不用于限定本申请。此外，下面所描述的本申请各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

图1给出本发明一种问卷自动化生成方法流程图，包括以下步骤：

(1)采集问卷设计信息，将问卷设计信息转换为带预定义语义标签的结构化标准数据。

如图2所示，问卷设计信息采集与结构化处理的具体实现过程为：

(11)建立问卷的语义描述规则。问卷的语义标识为“QN”，问卷的语义描述对象主要包括通用对象(N)和计算对象(C)两类。通用对象包含问卷标题、问卷简介、问卷填写对象基础信息、问卷题型和各题型下的问题数量。计算对象包括指标体系、指标计算模型和问卷评估计算模型。其中问题类型包含单选题、多选题、单项填空题、多项填空题、量表题和情境题。问卷的语义描述规则如表1所示：

表1问卷语义描述规则

编号	名称	语义标签	类型	对象分类
					1	问卷标题	QN.title	String	N
2	问卷简介	QN.description	String	N
					3	问卷填写对象基础信息	QN.respondent	Json	N
4	问卷题型	QN.type	Json	N
					4.1	问卷题型名称	QN.type[label]	String	N
4.2	问题数量	QN.type[label].count	Int	N
					5	指标体系	QN.indexSystem	Int	C
6	指标计算模型	QN.indexCalModel	String	C
					7	评价模型	QN.indexSysEvaluateModel	String	C

如表1所示，编号4.1中的问题类型名称中的“label”为各题型语义标签，各题型的语义信息如表2所示：

表2问卷题型语义标签

单选题	多选题	单项填空题	多项填空题	量表题	情境题
						singleChoice	multiChoice	singleFill	multiFill	matrix	scene

(12)建立题目的语义描述规则。题目的语义标识为“QS”，题目的语义描述对象主要包括通用对象(N)、计算对象(C)和特殊对象(D)三类。通用对象包括题型语义标签、题干、问题选项、答题区。计算对象包括问题计算模型、指标项。特殊对象适用于情境题的语义描述，包括场景、热点区和模拟事件。其中问题选项包含选项内容和选项值信息，答题区包含答题区的坐标位置、答题区长度、答案约束和答案变量，场景包含场景的宽高值、图片地址、图片的宽高像素和场景的裁剪参数，热点区包含热点区域的宽高值、位置坐标、可视标签和热点区域显示图片的图片地址，事件包含菜单、有效点击、无效点击、响应方式、统计模型、统计变量。题目的语义描述规则如表3所示：

表3题目语义描述规则

(13)建立语义标签映射关系，并采集问卷设计信息并转换为预定义的结构化标准数据。根据(11)、(12)所述语义规则，建立问卷标题、问卷简介、问卷填写对象基础信息、问卷题型、各题型下的问题数量、指标体系、指标计算模型和问卷评估计算模型的关联关系，建立常规题题干、问题选项、答题区、指标项的关联关系，建立情境题场景、热点区、模拟事件、指标项的关联关系。进一步地，建立常规题答案变量与问题计算模型之间的关联关系，建立情境题统计模型、统计变量和问题计算模型之间的关联关系。最后构建标准格式的问卷设计数据。问卷设计数据语义信息如图6所示。

(2)创建问卷设计模板、问卷交互编辑组件和问卷设计过程控制模型三个问卷设计过程对象及其属性，并构建问卷设计过程对象间的映射关系链表，实现问卷设计模板、问卷交互编辑组件和问卷设计过程控制模型的关联组织。

如图3所示，创建问卷设计过程对象及其属性并构建对象映射关系链表具体实现过程为：

(21)创建问卷设计过程对象，问卷设计过程对象包括问卷设计模板、问卷交互编辑组件和问卷设计过程控制模型。

所述问卷设计过程对象是将参与问卷设计过程的结构化问卷设计元数据、问卷组件及相关问卷设计操作的行为信息抽象为的一系列独立且又相互关联的、包含问卷设计流程中特有类别属性信息的数据对象，所述问卷设计过程对象具体包括问卷设计模板、问卷交互编辑组件和问卷设计过程控制模型。

(22)创建问卷设计过程对象属性。问卷设计模板对象属性可以包括模板名称、问卷语义、题目语义和语义标签映射关系，具体语义信息可参考步骤(1)；问卷交互编辑组件对象是具有独立逻辑的功能或界面、能根据规定的问卷语义/题目语义描述规则进行关联、支撑问卷完整功能或界面设计的数据对象，包括常规题组件对象、情境题组件对象和问卷基础信息组件对象；问卷设计过程控制模型对象属性可以包括问卷模板映射模型、常规题映射模型、常规题正则表达计算模型、情境题转换模型和情境题操作行为统计分析模型。

(23)创建问卷设计过程对象间的映射关系链表。可以建立问卷语义与问卷模板映射模型、题目语义与常规题映射模型和情境题转换模型、语义标签与问卷组件元素的映射关系，用于支持问卷的参数化设计。还可以建立常规题正则表达计算模型与常规题组件、情境题操作行为统计分析模型与情境题组件的映射关系，用于支持计算过程的可视化交互编辑。

(3)根据所述映射关系链表，将所述结构化标准数据输入到关联的问卷设计过程控制模型，通过标准化问卷设计数据与问卷设计模板的信息映射，并自适应关联对应的问卷交互编辑组件，生成问卷信息。

如图4所示，根据问卷设计过程对象的映射关系链表实现问卷设计，获取问卷信息具体实现过程为：

(31)将所述标准格式的问卷设计信息输入到问卷模板映射模型，得到关联指标体系及评价模型的问卷框架数据，问卷框架数据包括问卷基础信息和题目元信息；

根据步骤(1)所述语义规则，定义问卷基础信息的数据结构，设计问卷基础信息的系统组件，构建问卷基础信息与问卷组件元素的映射关系，生成问卷基础组件。定义问卷题型组件的映射规则，用户基本信息组件与问卷题型中的用户基本信息数据(userInfo)进行映射；单选题(singleChoice)、多选题(multiChoice)、单项填空题(singleFill)、多项填空题(multiFill)和量表题(matrix)的数据结构具有一致性，可共用常规题组件；情境题组件与问卷题型中的场景数据(scene)进行映射。问卷基础数据结构与各问卷组件之间的映射关系如图7所示：

(32)将所述标准格式的问卷设计信息输入到常规题映射模型，得到包含题干、答题区和选项的可交互编辑的常规题题目数据；

根据步骤(1)所述语义规则，定义常规题的数据结构，构建常规题数据与常规题组件元素的映射关系，对常规题中的题干数据和答题区数据进行处理，最后将生成的常规题数据映射到常规题组件模型，完成常规题组件的构建。常规题的数据结构及其数据处理过程如图8所示。

题干数据处理方法的处理过程为：读取题干、答题区的数据信息。根据答题区中记录的答案位置数据对题干数据进行文本分割，并在题干中的指定位置(即答题区中的答案起始下标“coord”值)插入答题输入框，并定义输入框中的输入条件(即答题区中的输入条件“constraint”值)。最后生成带答题区信息的题干数据“subjectView”，并添加到常规题数据组件中。

答题区数据处理方法的处理过程为：遍历答题区“QS.keys”数据信息中的“coord”字段的数据生成临时数组，根据“coord”的索引值将生成的临时数据赋值给答题区中的变量参数“variable”，“variable”中的“key”值的定义规则默认为“<V+coord>”，“coord”为答题区中的答案起始下标。

常规题数据处理方式：答题区中的答案起始下标“coord”支持用户自定义修改，修改方式主要有两种：第一种是用户通过点选组件编辑区中绑定了题干数据“subject”字符串下标的控件来获取下标数据，例如：点选了题干中绑定的下标值为“3”和“8”的控件，生成的下标数据示例为“[3,8]”。根据下标数据对答题区中的数据进行重写，最终生成上图中“QS.keys”指向的数据结构类型的数据。该方法既可以修改答题区中的答案起始下标“coord”，也可以修改答题区中的答案长度。第二种是用户拖拽题干数据展示区中的输入框控件，记录拖拽事件结束后的输入框在题干中的位置获取下标数据。该方法不能对答题区中的数据进行重写，仅能修改答题区中的答案起始下标“coord”的值。答题区中变量参数“variable”的值的生成途径除根据上述答题区中的“coord”参数值定义外，用户也可对答题区中的变量参数进行直接修改。(说明：上述用户自定义修改的技术支撑均采用数据双向绑定“MVVM”机制来实现。)

答题区数据提取规则：选择题(含单选题“QS.type[‘singleChoice’]”和多选题“QS.type[‘multiChoice’]”)的答案数据类型为“Number”和“String”两种。填空题(含单项填空题“QS.type[‘singleFill’]”和多项填空题“QS.type[‘multiFill’]”)的答案数据类型通常为“Array”类型。针对上述题型和答案数据类型，定义答题区的答案数据提取规则如表5所示。

表4答题区的答案数据提取规则

(33)将所述常规题题目数据和标准格式的问卷设计信息输入到常规题正则表达计算模型，实现常规题的答案变量与计算模型和指标的关联。

根据步骤(1)所述语义规则，提取常规题的计算模型和指标的语义标识“QS.model”和“QS.index”。参照步骤(22)中生成的常规题数据结构，将计算模型和指标与常规题数据进行关联，通过步骤(22)中构建的常规题组件对常规题计算模型进行自定义。通过正则表达式将计算模型“QS.model”与常规题答题区中的变量参数“variable”进行验证，验证通过后生成常规题答案区数据与计算模型关联的常规题数据结构。计算模型和指标在常规题中的数据关联过程如图9所示。

具体关联过程：首先通过常规题组件定义计算模型“QS.model”(其中变量值“formula”的定义规则为“<V+number>”)，读取题目数据中的答题区数据信息“QS.keys”。将答题区中的“variable”值与计算模型“QS.model”进行参数校验、正则替换和公式校验，参数校验主要包括：验证答题区中的变量参数是否重复定义、验证答题区中的变量参数与计算模型中的参数是否完全匹配、验证计算模型中的参数是否以计算符进行分隔。正则替换是将“variable”中的“value”值替换至与其“key”值相同的“formula”字符串中。公式校验的具体步骤包括：自定义答题区中的变量参数值、检索计算模型参数并利用正则表达式将计算模型参数替换为用户自定义的参数值、生成计算公式、调用计算函数对公式进行计算。若计算结果准确则计算模型校验通过，最终实现题目、指标与计算模型的关系绑定。

(34)将所述标准格式的问卷设计信息输入到情境题转换模型，得到包含场景、热点区和模拟事件的可交互编辑的情境题题目数据；

根据步骤(1)所述语义规则定义情境题的数据结构，通过场景数据转换模型和热点区数据转换模型生成可编辑、可交互的情境题组件元素，构建情境题数据和情境题组件元素之间的映射关系。场景组件的生成是将场景数据“QS.scene”中的背景图片地址、场景元素的宽高、显示比例、裁切范围等信息映射到场景数据转换模型。热点区组件的生成是将热点数据“QS.hotZone”中的热点元素的位置、宽高、插入图片的地址和是否显示该热点区等信息映射到热点区数据转换模型中。情境题组件的生成过程和数据转换模型示意图如图10所示。

(35)将情境题题目数据输入到情境题操作行为统计分析模型，实现情境题的操作行为与统计变量、分析模型和指标的关联；

构建情境题计算模型：根据模拟事件“QS.event”中的事件编号“id”(事件编号id与热点区编号id一一对应)和该模拟事件中被绑定的热点区编号“nextId”之间的关系构建热点区关系链表，用于记录情境题中的热点区的事件响应过程；根据模拟事件“QS.event”中的有效点击次数“enableClick”和无效点击次数“disableClick”构建热点区计算模型“QS.event[I].model”；根据热点区计算模型的输出数据(含热点区“id”和计算得分“score”)生成统计分析模型“QS.model”和答题区“QS.keys”的数据信息，实现情境题的统计分析模型与计算模型关联。情境题计算模型的构建过程如图11所示。

热点区计算模型生成过程：读取情境题题目数据。对key值进行规则定义，规定所有热点区绑定的模拟事件效点击次数“enableClick”的变量参数均为“<EN>”,无效点击次数“disableClick”的变量参数均为“<DA>”。根据key值的定义规则对热点区的“enableClick”和“disableClick”进行数据构造生成数据集“D_event”，每条数据均包含热点区“id”、“key”和“value”等字段信息。根据热点区“id”对数据进行分组，为每组数据定义一个得分计算模型公式，默认为“<EN>/<DA>”。同步骤(23)所述对计算公式进行参数校验、正则替换(将“D_event”中的“value”值替换至与其“key”值相同的“formula”字符串中)和得分计算、输出含热点区“id”和事件响应得分“score”的数据集，完成热点区计算模型的构建。

统计分析模型生成过程：读取热点区计算模型输出的含热点区“id”和得分“score”的数据集“D_hotModel”。对key值进行规则定义，生成格式为为“<V+id>”的数据列表。参照数据列表中的数据定义统计分析模型的计算公式，同步骤(23)所述对计算公式进行参数校验、正则替换(将“D_hotModel”中的“value”值替换至与其“key”值相同的“formula”字符串中)和得分计算、输出计算模型“QS.model”相关的数据信息。对数据集中的数据进行遍历并生成{key:value}类型数据，存入答题区数据“QS.keys”的“variable”参数中。完成热点区计算模型的构建。

(36)根据所述问卷框架数据、情境题题目数据和情境题题目数据，得到问卷信息。

(4)根据所述步骤生成的问卷信息，对问卷的自动计算进行测试与校验。

如图5所示，对问卷的自动计算进行测试的具体实现过程为：

(41)构建问卷数据计算模型；

(42)导入问卷数据生成问题与指标得分；

(43)校验问卷计算结果。

本发明实施例的一种问卷自动化生成装置，包括：

数据采集处理模块，采集问卷设计信息，将问卷设计信息转换为带预定义语义标签的结构化标准数据；

映射关系链表构建模块，用于创建问卷设计过程对象并构建问卷设计过程对象间的映射关系链表，问卷设计过程对象是包含问卷设计流程中不同属性问卷信息的数据对象，问卷设计过程对象包括问卷设计模板、问卷交互编辑组件和问卷设计过程控制模型；

执行模块，用于根据所述映射关系链表将结构化标准数据输入到关联的问卷设计过程控制模型，通过标准化问卷设计数据与问卷设计模板的信息映射，并自适应关联对应的问卷交互编辑组件，获取问卷信息。

上述问卷自动化生成装置，可以用于执行上述任一方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。

为了实现上述实施例，本发明实施例还提出一种计算机设备，包括：处理器和存储器。其中，存储器和处理器之间直接或间接地电性连接，以实现数据的传输或交互。

存储器中存储有计算机程序，计算机程序被处理器执行时可以实现上述任一方法实施例的技术方案。存储器中存储有问卷自动化生成方法的计算机程序，包括至少一个可以软件或固件的形式存储于存储器中的软件功能模块，处理器通过运行存储在存储器内的软件程序以及模块，从而执行各种功能应用以及数据处理。

处理器可以是一种集成电路芯片，具有信号的处理能力。处理器在接收到执行指令后，执行程序。可选的，上述存储器内的软件程序以及模块还可包括操作系统，其可包括各种用于管理系统任务(例如内存管理、存储设备控制、电源管理等)的软件组件和/或驱动，并可与各种硬件或软件组件相互通信，从而提供其他软件组件的运行环境。

本实施例提供的电子设备，可以用于执行上述任一方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。

本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行以实现上述任一方法实施例的技术方案。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims

1.一种问卷自动化生成方法，其特征在于，包括：

2.如权利要求1所述的问卷自动化生成方法，其特征在于，所述创建问卷设计过程对象并构建所述问卷设计过程对象间的映射关系链表，具体包括：

创建问卷设计过程对象属性；

构建问卷设计过程对象间的映射关系链表。

3.如权利要求2所述的问卷自动化生成方法，其特征在于，所述问卷设计过程控制模型包括问卷模板映射模型、常规题映射模型、常规题正则表达计算模型、情境题转换模型和情境题操作行为统计分析模型，根据所述映射关系链表将所述结构化标准数据输入到设计过程控制模型生成问卷信息，具体包括：

4.如权利要求1、2或3任一项所述的问卷自动化生成方法，其特征在于，所述采集问卷设计信息，将问卷设计信息转换为带预定义语义标签的结构化标准数据，具体包括：

建立问卷的语义描述规则；

建立题型的语义描述规则；

采集问卷设计信息并将问卷设计信息转换为带预定义语义标签的结构化标准数据，建立问卷编号、问卷基础信息、指标体系、评价模型、题目元信息之间的关联关系，建立问卷编号、题目编号、题型类型编号与题型可编辑参数之间的关联关系。

5.如权利要求1、2或3任一项所述的问卷自动化生成方法，其特征在于，在所述将所述结构化标准数据输入到关联的问卷设计模型生成问卷信息步骤之后，所述方法还包括：

根据问卷中题型类型加载匹配的随机答案或加载自定义答案，将问卷依据随机答案或自定义答案生成的评估结果推送给问卷设计者，便于问卷设计者验证生成的问卷。

6.一种问卷自动化生成装置，其特征在于，包括：

执行模块，用于根据所述映射关系链表将所述结构化标准数据输入到关联的设计过程控制模型，通过标准化问卷设计数据与问卷设计模板的信息映射，并自适应关联对应的问卷交互编辑组件，获取问卷信息。

7.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述方法的步骤。

8.一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，所述计算机程序被处理器执行时实现权利要求1至5中的任一项所述的方法的步骤。