CN111090809A - 题目推荐方法、装置、计算机设备和存储介质 - Google Patents

Abstract

本申请涉及一种题目推荐方法、装置、计算机设备和存储介质。所述方法包括：获取多个用户群体对题目的答题得分；根据多个所述用户群体的答题得分，生成所述题目的题目标签；所述题目标签包括题目难度系数和适用用户群体；根据所述题目标签，向待推荐用户推荐所述题目。采用本方法能够提高推荐题目与待推荐用户实际学习情况之间的匹配度。

Description

题目推荐方法、装置、计算机设备和存储介质

技术领域

本申请涉及数据分析技术领域，特别是涉及一种题目推荐方法、装置、计算机设备和存储介质。

背景技术

随着互联网教学的广泛应用，通过网络考察学生的知识点掌握情况，逐渐成为教学平台上的一项重要功能。在考察过程中，教师通过教师端布置题目，学生在收到题目后进行答题，并将答案反馈至教师端，通过统计和分析学生的答题情况，便于教师了解学生的知识点掌握情况，也便于学生对学过的知识点进行巩固和提高。在上述过程中，教师布置题目时往往要面对题库中的海量题目，在这种情况下，需要耗费较多的精力和时间去查找适合自己教学要求的题目。

为了便于布置题目，传统的题目推荐方法通过教师主观选题来实现，教师预先根据经验对题库中的题目进行组题，整理出若干试卷，当需要出题时，直接调出其中的一份试卷供学生答题。

然而，使用传统的题目推荐方法，得到的试卷内容固化，与学生的实际学习情况匹配程度较低。

因此，传统的题目推荐方法存在推荐的题目与学生实际学习情况匹配程度较低的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种题目推荐方法、一种题目推荐装置、一种计算机设备和一种计算机可读存储介质。

一种题目推荐方法，所述方法包括：

获取多个用户群体对题目的答题得分；

根据多个所述用户群体的答题得分，生成所述题目的题目标签；所述题目标签包括题目难度系数和适用用户群体；

根据所述题目标签，向待推荐用户推荐所述题目。

在其中一个实施例中，所述根据多个所述用户群体的答题得分，生成所述题目的题目标签，包括：

对所述多个用户群体的答题得分计算平均值，得到所述题目的平均得分，以及，对所述用户群体的答题得分计算平均值，得到所述题目的用户群体平均得分；

根据所述平均得分，得到所述题目难度系数，以及，根据所述用户群体平均得分，得到所述适用用户群体。

在其中一个实施例中，所述根据所述平均得分，得到所述题目难度系数，包括：

获取预设的所述题目的总分；

根据所述总分和所述平均得分，得到所述题目难度系数。

在其中一个实施例中，所述根据所述用户群体平均得分，得到所述适用用户群体，包括：

将所述用户群体平均得分与预设的成绩阈值进行比较；

若所述用户群体平均得分在所述成绩阈值范围内，则判定所述用户群体为所述适用用户群体。

在其中一个实施例中，所述题目有多个，所述根据所述题目标签，向待推荐用户推荐所述题目，包括：

获取所述待推荐用户的用户属性；所述用户属性包括地区、年级、知识点掌握情况和答题记录中的至少一种；

在多个所述题目中，搜索出所述题目标签与所述待推荐用户的用户属性匹配的题目，作为推荐题目；

将所述推荐题目推荐给所述待推荐用户。

在其中一个实施例中，所述题目标签还包括答题预计用时；所述方法还包括：

获取多个用户群体对所述题目的答题用时；

根据多个所述用户群体的答题用时，得到所述题目的答题预计用时；

将所述答题预计用时添加至所述题目标签中；

根据所述答题预计用时，向所述待推荐用户推荐所述题目。

在其中一个实施例中，所述根据所述题目标签，向待推荐用户推荐所述题目，还包括：

分别确定所述题目难度系数、所述适用用户群体和所述答题预计用时的权重系数；

根据所述所述题目难度系数、所述适用用户群体和所述答题预计用时的权重系数，得到所述题目与所述待推荐用户之间的推荐匹配度；

根据所述题目的推荐匹配度，确定所述题目的推荐优先级；

根据所述推荐优先级，向所述待推荐用户推荐所述题目。

一种题目推荐装置，所述装置包括：

获取模块，用于获取多个用户群体对题目的答题得分；

题目标签生成模块，用于根据多个所述用户群体的答题得分，生成所述题目的题目标签；所述题目标签包括题目难度系数和适用用户群体；

推荐模块，用于根据所述题目标签，向待推荐用户推荐所述题目。

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，所述处理器执行所述计算机程序时实现以下步骤：

获取多个用户群体对题目的答题得分；

根据多个所述用户群体的答题得分，生成所述题目的题目标签；所述题目标签包括题目难度系数和适用用户群体；

根据所述题目标签，向待推荐用户推荐所述题目。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

获取多个用户群体对题目的答题得分；

根据多个所述用户群体的答题得分，生成所述题目的题目标签；所述题目标签包括题目难度系数和适用用户群体；

根据所述题目标签，向待推荐用户推荐所述题目。

上述题目推荐方法、装置、计算机设备和计算机可读存储介质，通过获取多个用户群体对题目的答题得分，可以了解多个用户群体的实际学习情况；根据多个用户群体的答题得分，生成上述题目的题目标签，题目标签所包括的题目难度系数和适用用户群体与多个用户群体的实际学习情况相符，因此可以通过题目标签准确标记题目难度系数和适用用户群体；根据题目标签，向待推荐用户推荐题目，推荐的题目与待推荐用户的实际学习情况匹配程度较高。

附图说明

图1是一个实施例的一种题目推荐方法的流程示意图；

图2是一个实施例的一种题目推荐方法的应用环境图；

图3是一个实施例的一种题目推荐方法的系统界面图；

图4是一个实施例的一种题目推荐方法的推荐效果图；

图5是一个实施例的一种题目推荐方法的另一个系统界面图；

图6是一个实施例的一种题目推荐方法的另一个推荐效果图；

图7是一个实施例的一种题目推荐方法的另一个流程示意图；

图8是一个实施例的一种题目推荐装置的结构框图；

图9是一个实施例的一种计算机设备的内部结构图。

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，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

在一个实施例中，如图1所示，提供了一种题目推荐方法。本实施例提供的题目推荐方法，可以应用于如图2所示的应用环境中。在该应用环境中，包括有用户终端201和题目推荐服务器202，其中，用户终端201和题目推荐服务器202可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，用户终端201可以为互联网教学平台上的教师终端或学生终端。

本实施例中的一种题目推荐方法，以该方法应用于图2中的题目推荐服务器202为例进行说明，可以包括以下步骤：

步骤S110，获取多个用户群体对题目的答题得分；

其中，用户群体为具有相同属性的一部分用户，其中属性可以为用户的地区、年级、知识点掌握情况和答题记录等，例如，某互联网教学平台上，全体的B市六年级学生可以为一个用户群体。

具体实现中，首先对于教学平台题库内的所有题目通过人工方法或给定默认值进行元数据标记，得到初始题目标签，其中元数据标记包括对题目所涉及的地区、年份、年级、题型、知识点、难度系数、匹配教材、匹配单元和适用对象等属性进行标记，对于其中具体数值为连续值的属性，可以划分为有限的几个数值范围，例如，针对取值范围为0-1的难度系数α，可以将其划分为难1(0≤α<0.2)，难2(0.2≤α<0.4)，中1(0.4≤α<0.5)，中2(0.5≤α<0.6)，易1(0.6≤α<0.8)，易2(0.8≤α≤1)。当需要为指定用户群体出题时，教师可以主观判断当前用户群体的属性，并通过用户终端201勾选与当前用户群体的属性相匹配的选项，或者，当学生需要自测时，也可以使用用户终端201勾选与自身属性相匹配的选项，上述选项与初始题目标签相匹配。题目推荐服务器202可以根据初始题目标签筛选出与当前用户群体相匹配的题目，教师直接勾选题目完成组题。在上述组题过程中，题目推荐服务器202还可以实时统计用户群体的信息，包括用户群体完成某个题目的得分和用时等情况，并记录用户群体的地区和年级等信息。

例如，对教学平台题库中的某个题目进行元数据标记，针对题目的适用地区、出题年份、适用年级、题型、涵盖知识点和难度系数等属性进行组合，可以得到初始题目标签为：G省-2019年-六年级-选择题-情态动词-难2。当需要为G省六年级某个班级的学生出题，并且题型为选择题、知识点为情态动词、难度系数为难2时，可以通过题目推荐服务器202筛选出与上述初始题目标签相对应的若干道题目，显示在用户终端201上，教师从中随机勾选出指定数量的题目进行组题。在学生答题过程中，题目推荐服务器202记录学生信息，包括每个学生的答题得分和答题用时。

进一步地，基于上述方法，题目推荐服务器202还可以根据上述初始题目标签，分别向G省的A市、B市和C市全体六年级学生推荐题目，具体题型为选择题、知识点为情态动词、难度系数为难2。在学生答题过程中，题目推荐服务器202记录学生信息，包括三个城市的学生答题得分和答题用时。

步骤S120，根据多个用户群体的答题得分，生成题目的题目标签；

其中，题目标签为每个题目的标记，可以根据多个用户群体的答题得分对初始题目标签进行校正得到题目标签。

具体实现中，对于指定题目，题目推荐服务器202在获取到多个用户群体的答题得分之后，可以计算多个用户群体答题的平均得分，得到题目的平均得分，以及计算每个用户群体答题的平均得分，得到题目的用户群体平均得分。根据题目的平均得分可以得到题目难度系数，根据用户群体平均得分可以得到适用用户群体。

实际应用中，可以将难度系数α划分为有限个数值范围：难1(0≤α<0.2)，难2(0.2≤α<0.4)，中1(0.4≤α<0.5)，中2(0.5≤α<0.6)，易1(0.6≤α<0.8)，易2(0.8≤α≤1)，对于指定题目，令其满分为10分，G省全体六年级学生完成该题的平均得分为5分，相应的难度系数连续值为α＝5/10＝0.5，可以用“中2”来表示。统计G省A市、B市和C市六年级学生三个用户群体完成该题的平均得分，分别得到用户群体平均得分为3分、2分和6分，可以与预先设置的成绩阈值[3,6]进行比较，若用户群体平均得分在成绩阈值范围内，则为适用用户群体。上述A市和C市六年级学生的平均得分在[3,6]范围内，因此A市和C市的六年级学生为该题目的适用用户群体。

通过上述方法得到题目难度系数和适用用户群体后，结合在学生答题过程中记录的学生信息和题目信息，可以对初始题目标签进行更新，生成新的题目标签。例如，对于初始题目标签“G省-2019年-六年级-选择题-情态动词-难2”，在得到难度系数为“中2”，适用用户群体为A市和C市六年级学生，以及记录的题目信息，包括出题年份为2019年，题型为选择题，知识点为情态动词后，可以将初始题目标签更新为“A/C市-2019年-六年级-选择题-情态动词-中2”。

步骤S130，根据题目标签，向待推荐用户推荐题目。

其中，待推荐用户为教学平台上需要进行题目推荐的用户，可以为需要为学生组题的教师，也可以为需要自测的学生。

具体实现中，在组题和答题的过程中，题目推荐服务器202还可以对用户进行元数据标记，生成用户标签，其中元数据标记包括对用户所涉及的题目难度系数、答题用时、答题时间、答题数量、历史得分、地区、年级、知识点掌握情况和答题记录等。对于待推荐用户，题目推荐服务器202根据用户标签得到用户的地区、年级、知识点掌握情况和答题记录等属性，并根据题目标签搜索出与待推荐用户的用户属性相匹配的题目，推荐给待推荐用户。

例如，为了控制合适的难度系数和答题用时，需要为A市2019级六年级某班级的全体学生推荐难度系数为难2、答题预计用时为10分钟的题目，可以添加用户标签为：A市-2019级-六年级-难2-10分钟，并筛选出与用户标签相匹配的题目标签，例如，筛选出的题目标签可以为：A市-六年级-难2-10分钟，将该题目标签对应的题目作为候选题目，用户可以从中挑选若干题目进行组题。

进一步地，题目推荐服务器202还可以根据同类型用户的答题记录，优先匹配相应题目，即对于新用户，可以根据用户标签查找与其地区、年级和知识点掌握程度等相似的历史用户，根据历史用户的答题情况推荐题目。例如，当需要为A市2019级六年级某班级学生推荐题目难度系数为“难2”的题目时，可以根据A市2018级六年级全体学生的答题平均得分，计算出难度系数为“难2”的题目，更新题目标签，并将相应题目推荐给A市2019级六年级某班级学生。

进一步地，题目推荐服务器202还可以根据学科知识点树列出的有限集合，查找学生的薄弱知识点，再根据题目标签和用户标签，分析历史上具有类似情况的学生，在完成了哪些题目后薄弱知识点的成绩有所提高，优先匹配相应题目。例如，经2010-2018年的历史数据统计，A市六年级全体学生在完成题库中的第50-60题后，对于情态动词的掌握情况有所提高，针对2019年A市六年级情态动词掌握情况偏弱的学生，可以向其推荐题库中的第50-60题。

进一步地，题目推荐服务器202还可以基于整个互联网教学平台的用户答题数据，进行分类和统计，得到特征N所对应的题目标签，以及特征N所对应的用户标签，根据题目标签和用户标签之间的匹配程度进行题目推荐。

其中，题目标签可以为题目的地区、年份、年级、题型、涵盖知识点和难度系数等属性组合而成的一个标志，当属性可以用有限数量个离散值表示时，特征N可以枚举该属性的所有可能值，当属性为连续值时，可以划分为有限的几个数值范围。

其中，用户标签可以为用户的地区、年级、知识点掌握情况和答题记录等属性组合而成的一个标志，当属性可以用有限数量个离散值表示时，特征N可以枚举该属性的所有可能值，当属性为连续值时，可以划分为有限的几个数值范围。

进一步地，由于初始题目标签的标记过程中存在个人主观因素，或为给定的默认值，准确度较低，随着教学平台用户的不断增多，题目推荐服务器202还可以基于全平台的用户答题数据对初始题目标签进行修正。例如，随着用户的不断使用，对于初始题目标记中难度系数标记为“难2”的题目，全平台学生的平均分可以达到4.5，即难度系数实际应为“中1”，则需要将题目标记中的难度系数修改为“中1”；对于初始题目标记中答题预计用时为“10分钟”的题目，全平台统计后，实际答题时间为15分钟，则需要将题目标记中的答题预计用时修改为“15分钟”。

进一步地，针对指定用户，题目推荐服务器202可以预先为题目标签以及用户标签中的各个属性设置权重系数，当从题库中筛选出所有适用题目后，根据权重系数计算各个题目的权值，并按权值大小进行优先级依次排序，将题目反馈至教师选题页面，教师只需要简单勾选权值高的题目，就可以满足题目布置需求，实现智能一键出题。例如，当需要推荐难度系数较高的题目时，可以取题目难度系数和答题预计用时的权重系数分别为0.8和0.2，对于题目标记为“难2-10分钟”的题目，权值为0.8×0.2+0.2×10＝2.16；对于题目标记为“中2-5分钟”的题目，权值为0.8×0.5+0.2×5＝1.4，按照权值大小依次排序，按照顺序“难2-10分钟”、“中2-5分钟”向用户推荐题目。

上述题目推荐方法，通过获取多个用户群体对题目的答题得分，可以了解多个用户群体的实际学习情况；根据多个用户群体的答题得分，生成上述题目的题目标签，题目标签所包括的题目难度系数和适用用户群体与多个用户群体的实际学习情况相符，因此可以通过题目标签准确标记题目难度系数和适用用户群体；根据题目标签，向待推荐用户推荐题目，推荐的题目与待推荐用户的实际学习情况匹配程度较高。

在一个实施例中，上述步骤S120，可以具体包括：对多个用户群体的答题得分计算平均值，得到题目的平均得分，以及，对用户群体的答题得分计算平均值，得到题目的用户群体平均得分；根据平均得分，得到题目难度系数，以及，根据用户群体平均得分，得到适用用户群体。

其中，题目的平均得分为对多个用户群体答题得分的平均值，用户群体平均得分为指定用户群体答题得分的平均值。

具体实现中，对于指定题目，题目推荐服务器在获取到多个用户群体的答题得分之后，可以计算多个用户群体答题的平均得分，得到题目的平均得分，以及计算每个用户群体答题的平均得分，得到题目的用户群体平均得分。根据题目的平均得分可以得到题目难度系数，根据用户群体平均得分可以得到适用用户群体。

例如，对于指定题目，令其满分为10分，G省全体六年级学生完成该题的平均得分为5分，相应的难度系数连续值为α＝5/10＝0.5，可以用“中2”来表示。统计G省A市、B市和C市六年级学生三个用户群体完成该题的平均得分，分别得到用户群体平均得分为3分、2分和6分，可以与预先设置的成绩阈值[3,6]进行比较，若用户群体平均得分在成绩阈值范围内，则为适用用户群体。上述A市和C市六年级学生的平均得分在[3,6]范围内，因此A市和C市的六年级学生为该题目的适用用户群体。

上述方法分别计算题目的平均得分和用户群体平均得分，便于根据学生的实际学习情况得到题目难度系数和适用用户群体，进而使得到的题目标签能够对题目进行准确标记，根据准确标记的题目标签进行推荐，推荐题目与用户实际学习情况之间的匹配度较高。

在一个实施例中，上述步骤S120，还可以具体包括：获取预设的题目的总分；根据总分和平均得分，得到题目难度系数。

具体实现中，对于指定题目，题目推荐服务器预先知道题目总分，在获取到多个用户群体的答题得分之后，计算多个用户群体答题的平均得分，得到题目的平均得分，根据题目的平均得分和总分，可以得到题目难度系数。

例如，对于指定题目，可以预先设置满分为10分，G省全体六年级学生完成该题的平均得分为5分，相应的难度系数连续值为α＝5/10＝0.5，将α划分为有限个数值范围：难1(0≤α<0.2)，难2(0.2≤α<0.4)，中1(0.4≤α<0.5)，中2(0.5≤α<0.6)，易1(0.6≤α<0.8)，易2(0.8≤α≤1)，可以用“中2”来表示该题目的难度系数。

上述方法计算题目的平均得分，便于根据学生的实际学习情况得到题目难度系数，进而使得到的题目标签能够对题目进行准确标记，根据准确标记的题目标签进行推荐，推荐题目与用户实际学习情况之间的匹配度较高。

在一个实施例中，上述步骤S120，还可以具体包括：将用户群体平均得分与预设的成绩阈值进行比较；若用户群体平均得分在成绩阈值范围内，则判定用户群体为适用用户群体。

具体实现中，对于指定题目，可以预先设置成绩阈值，题目推荐服务器在获取到多个用户群体的答题得分之后，可以计算每个用户群体答题的平均得分，得到题目的用户群体平均得分，根据用户群体平均得分可以得到适用用户群体。

例如，对于指定题目，预先设置成绩阈值为[3,6]，统计G省A市、B市和C市六年级学生三个用户群体完成该题的平均得分，分别得到用户群体平均得分为3分、2分和6分，与预设的成绩阈值进行比较，若用户群体平均得分在成绩阈值范围内，则为适用用户群体。上述A市和C市六年级学生的平均得分在[3,6]范围内，因此A市和C市的六年级学生为该题目的适用用户群体。

上述方法计算题目的用户群体平均得分，便于根据学生的实际学习情况得到适用用户群体，进而使得到的题目标签能够对题目进行准确标记，根据准确标记的题目标签进行推荐，推荐题目与用户实际学习情况之间的匹配度较高。

在一个实施例中，上述步骤S130，可以具体包括：获取待推荐用户的用户属性；在多个题目中，搜索出题目标签与待推荐用户的用户属性匹配的题目，作为推荐题目；将推荐题目推荐给待推荐用户。

具体实现中，在组题和答题的过程中，题目推荐服务器除了可以对题目进行元数据标记外，海可以对用户进行元数据标记，生成用户标签，其中元数据标记包括对用户所涉及的题目难度系数、答题用时、答题时间、答题数量、历史得分、地区、年级、知识点掌握情况和答题记录等。对于待推荐用户，题目推荐服务器根据用户标签得到用户的地区、年级、知识点掌握情况和答题记录等属性，并根据题目标签搜索出与待推荐用户的用户属性相匹配的题目，推荐给待推荐用户。

例如，为了控制合适的难度系数和答题用时，需要为A市2019级六年级某班级的全体学生推荐难度系数为难2、答题预计用时为10分钟的题目，可以添加用户标签为：A市-2019级-六年级-难2-10分钟，并筛选出与用户标签相匹配的题目标签，例如，筛选出的题目标签可以为：A市-六年级-难2-10分钟，将该题目标签对应的题目作为候选题目，用户可以从中挑选若干题目进行组题。

上述方法获取待推荐用户的用户属性，便于根据用户属性查找与其相匹配的题目属性；在多个题目中，搜索出题目标签与待推荐用户的用户属性匹配的题目，作为推荐题目，得到的推荐题目与待推荐用户的匹配度较高；将推荐题目推荐给待推荐用户，推荐题目适合待推荐用户，能够起到巩固提高学习的作用。

在一个实施例中，上述题目推荐方法，还可以具体包括：获取多个用户群体对题目的答题用时；根据多个用户群体的答题用时，得到题目的答题预计用时；将答题预计用时添加至题目标签中；根据答题预计用时，向待推荐用户推荐题目。

其中，答题用时为学生完成指定题目的实际用时，答题预计用时为题目推荐服务器估算出的学生答题用时。

具体实现中，在学生答题过程中，题目推荐服务器可以实时统计每个学生的答题用时，并对全平台学生的答题用时计算平均值，作为答题预计用时，随着用户使用，答题用时数据逐渐增多，统计结果逐渐更加准确。将答题预计用时添加在题目标签中，当需要根据答题预计用时推荐题目时，题目推荐服务器根据教师的选择筛选出合适的答题预计用时，将相应题目推荐给用户。

例如，对于指定题目，目前平台上有100个学生做过该题，平均答题用时为10分钟，即答题预计用时为10分钟。一周以后，又有50个学生完成了该题，可以对所有做过该题的150个学生的答题用时进行统计，得到平均答题用时为8分钟，并将答题预计用时修正为8分钟。

上述方法通过获取多个用户群体的答题用时，可以了解多个用户群体的实际答题用时情况；根据多个用户群体的答题用时，得到题目的答题预计用时，结果准确度较高；将答题预计用时添加至题目标签中，根据答题预计用时，向待推荐用户推荐题目，推荐的题目与待推荐用户的实际情况匹配程度较高。

在一个实施例中，上述步骤S130，还可以具体包括：分别确定题目难度系数、适用用户群体和答题预计用时的权重系数；根据题目难度系数、适用用户群体和答题预计用时的权重系数，得到题目与待推荐用户之间的推荐匹配度；根据题目的推荐匹配度，确定题目的推荐优先级；根据推荐优先级，向待推荐用户推荐题目。

其中，推荐匹配度为题目标签与用户标签之间的匹配程度，可以为具体数值，也可以为人的主观判断。

其中，推荐优先级是对一批候选题目中的每个题目，按优先次序进行排队。

具体实现中，针对指定用户，题目推荐服务器可以预先为题目标签以及用户标签中的各个属性设置权重系数，当从题库中筛选出所有适用题目后，根据权重系数计算各个题目的权值，并按权值大小进行优先级依次排序，将题目反馈至教师选题页面，教师只需要简单勾选权值高的题目，就可以满足题目布置需求，实现智能一键出题。

例如，当需要推荐难度系数较高的题目时，可以取题目难度系数和答题预计用时的权重系数分别为0.8和0.2，对于题目标记为“难2-10分钟”的题目，权值为0.8×0.2+0.2×10＝2.16；对于题目标记为“中2-5分钟”的题目，权值为0.8×0.5+0.2×5＝1.4，按照权值大小依次排序，按照顺序“难2-10分钟”、“中2-5分钟”向用户推荐题目。

上述方法通过确定题目难度系数、适用用户群体和答题预计用时的权重系数，对各个属性的重要程度进行量化处理；根据题目难度系数、适用用户群体和答题预计用时的权重系数，得到题目与待推荐用户之间的推荐匹配度，便于根据匹配度数据推荐题目；根据题目的推荐匹配度，确定题目的推荐优先级，并根据推荐优先级，向待推荐用户推荐题目，便于教师快速找到符合自己教学要求的题目，节约教师出题的时间和精力。

在一个实施例中，如图3所示，提供了一种题目推荐方法的系统界面图，可以为教师通过台式机或平板电脑出题的系统界面图。教师可以根据用户标签进行选择，包括学生的地区、班级、学生群体等，也可以选择知识点，例如，语法中的情态动词或使役动词等，并针对每个知识点统计答题正确率和练习次数，其中答题正确率可以为当前班级全体学生的平均分除以总分，练习次数可以为在一套试卷中该知识点题目出现的次数。教师还可以根据题目标签进行选择，包括题目涉及知识点、题型、匹配单元等。

在一个实施例中，如图4所示，提供了一种题目推荐方法的推荐效果图。在选择需要推荐题目的年级、上下册、题型、难度等之后，题目推荐服务器202根据用户选择推荐一批候选题目，并列出题目总数，用户可以按照题目难度系数、答题预计用时对候选题目进行排序，或者综合排序，用户还可以过滤已布置试题。在推荐题目中，可以对题型、题目难度系数和全网布置次数等进行展示。

在一个实施例中，如图5所示，提供了一种题目推荐方法的另一个系统界面图，可以为教师通过平板电脑或手机出题，在出题过程中的等待界面。

在一个实施例中，如图6所示，提供了一种题目推荐方法的另一个推荐效果图。用户可以选择系统智能推荐，也可以指定题目类型进行推荐，例如，可以指定题目类型为听说考试，即指定题型为口语题和听力题，用户还可以根据答题记录建立错题本，以及查询答题历史记录和答题排行榜。题目推荐服务器202还可以根据学生的答题情况预测中考得分，并进行题目推荐。

上述实施例中的方案，结合互联网技术，以多种交互方式为用户呈现组题和答题情况，可以采用基于知识点和用户数据的蜂巢设计，让教师直观地了解所教学生的知识点掌握情况，进而有针对性地出题补缺，便于教师快速地找到符合自己教学要求的练习题目，节约教师出题的时间和精力。进一步地，上述方案还支持专业老师个性化地定制出题，在设定具体指标后，包括教材、单元、题型、题量、难易度、分值比例等，能够自动生成一份满足要求的练习，并且可以把生成的练习分享给其它教师，教师自己也能看到这份练习题的使用情况，实现专业化定制出题。

为了便于本领域技术人员深入理解本申请实施例，以下将结合图7进行说明，图7是一个实施例的一种题目推荐方法的另一个流程示意图。用户采用人工方法对题库中的海量题目进行元数据标记，可以对全部数据进行标记，也可以对部分数据进行标记，根据题目元数据标记和学生属性之间是否匹配，进行自动匹配出题。在学生答题过程中，不断产生学生的个人学习数据。根据全站学习数据生成匹配模型，包括对全站的题目给予题目标签，对全站的用户给予用户标签，根据题目标签和用户标签是否匹配得到匹配模型。基于个人学习数据，以及匹配模型，可以得到一批候选题目，基于预设的权重系数，计算候选题目的匹配权值，根据匹配权值大小对题目的优先级进行排序，教师可以根据自制规则从候选题目中选择部分题目，实现一键出题。

应该理解的是，虽然图1和图7的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1和图7中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图8所示，提供了一种题目推荐装置800，包括：获取模块801、题目标签生成模块802和推荐模块803，其中：

获取模块801，用于获取多个用户群体对题目的答题得分；

题目标签生成模块802，用于根据多个用户群体的答题得分，生成题目的题目标签；题目标签包括题目难度系数和适用用户群体；

推荐模块803，用于根据题目标签，向待推荐用户推荐题目。

在一个实施例中，题目标签生成模块802，包括：对多个用户群体的答题得分计算平均值，得到题目的平均得分，以及，对用户群体的答题得分计算平均值，得到题目的用户群体平均得分；根据平均得分，得到题目难度系数，以及，根据用户群体平均得分，得到适用用户群体。

在一个实施例中，题目标签生成模块802，还包括：获取预设的题目的总分；根据总分和平均得分，得到题目难度系数。

在一个实施例中，题目标签生成模块802，还包括：将用户群体平均得分与预设的成绩阈值进行比较；若用户群体平均得分在成绩阈值范围内，则判定用户群体为适用用户群体。

在一个实施例中，推荐模块803，包括：获取待推荐用户的用户属性；用户属性包括地区、年级、知识点掌握情况和答题记录中的至少一种；在多个题目中，搜索出题目标签与待推荐用户的用户属性匹配的题目，作为推荐题目；将推荐题目推荐给待推荐用户。

在一个实施例中，题目推荐装置800，还包括：获取多个用户群体对题目的答题用时；根据多个用户群体的答题用时，得到题目的答题预计用时；将答题预计用时添加至题目标签中；根据答题预计用时，向待推荐用户推荐题目。

在一个实施例中，题目推荐装置800，还包括：分别确定题目难度系数、适用用户群体和答题预计用时的权重系数；根据题目难度系数、适用用户群体和答题预计用时的权重系数，得到题目与待推荐用户之间的推荐匹配度；根据题目的推荐匹配度，确定题目的推荐优先级；根据推荐优先级，向待推荐用户推荐题目。

关于题目推荐装置的具体限定可以参见上文中对于题目推荐方法的限定，在此不再赘述。上述题目推荐装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

上述提供的题目推荐装置可用于执行上述任意实施例提供的题目推荐方法，具备相应的功能和有益效果。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种空气传感器的室内定位方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图9中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：获取多个用户群体对题目的答题得分；根据多个用户群体的答题得分，生成题目的题目标签；题目标签包括题目难度系数和适用用户群体；根据题目标签，向待推荐用户推荐题目。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：对多个用户群体的答题得分计算平均值，得到题目的平均得分，以及，对用户群体的答题得分计算平均值，得到题目的用户群体平均得分；根据平均得分，得到题目难度系数，以及，根据用户群体平均得分，得到适用用户群体。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取预设的题目的总分；根据总分和平均得分，得到题目难度系数。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：将用户群体平均得分与预设的成绩阈值进行比较；若用户群体平均得分在成绩阈值范围内，则判定用户群体为适用用户群体。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取待推荐用户的用户属性；用户属性包括地区、年级、知识点掌握情况和答题记录中的至少一种；在多个题目中，搜索出题目标签与待推荐用户的用户属性匹配的题目，作为推荐题目；将推荐题目推荐给待推荐用户。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取多个用户群体对题目的答题用时；根据多个用户群体的答题用时，得到题目的答题预计用时；将答题预计用时添加至题目标签中；根据答题预计用时，向待推荐用户推荐题目。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：分别确定题目难度系数、适用用户群体和答题预计用时的权重系数；根据题目难度系数、适用用户群体和答题预计用时的权重系数，得到题目与待推荐用户之间的推荐匹配度；根据题目的推荐匹配度，确定题目的推荐优先级；根据推荐优先级，向待推荐用户推荐题目。

在一个实施例中，提供了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时实现以下步骤：获取多个用户群体对题目的答题得分；根据多个用户群体的答题得分，生成题目的题目标签；题目标签包括题目难度系数和适用用户群体；根据题目标签，向待推荐用户推荐题目。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：对多个用户群体的答题得分计算平均值，得到题目的平均得分，以及，对用户群体的答题得分计算平均值，得到题目的用户群体平均得分；根据平均得分，得到题目难度系数，以及，根据用户群体平均得分，得到适用用户群体。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取预设的题目的总分；根据总分和平均得分，得到题目难度系数。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：将用户群体平均得分与预设的成绩阈值进行比较；若用户群体平均得分在成绩阈值范围内，则判定用户群体为适用用户群体。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取待推荐用户的用户属性；用户属性包括地区、年级、知识点掌握情况和答题记录中的至少一种；在多个题目中，搜索出题目标签与待推荐用户的用户属性匹配的题目，作为推荐题目；将推荐题目推荐给待推荐用户。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取多个用户群体对题目的答题用时；根据多个用户群体的答题用时，得到题目的答题预计用时；将答题预计用时添加至题目标签中；根据答题预计用时，向待推荐用户推荐题目。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：分别确定题目难度系数、适用用户群体和答题预计用时的权重系数；根据题目难度系数、适用用户群体和答题预计用时的权重系数，得到题目与待推荐用户之间的推荐匹配度；根据题目的推荐匹配度，确定题目的推荐优先级；根据推荐优先级，向待推荐用户推荐题目。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种题目推荐方法，其特征在于，包括：

获取多个用户群体对题目的答题得分；

根据多个所述用户群体的答题得分，生成所述题目的题目标签；所述题目标签包括题目难度系数和适用用户群体；

根据所述题目标签，向待推荐用户推荐所述题目。

2.根据权利要求1所述的方法，其特征在于，所述根据多个所述用户群体的答题得分，生成所述题目的题目标签，包括：

对所述多个用户群体的答题得分计算平均值，得到所述题目的平均得分，以及，对所述用户群体的答题得分计算平均值，得到所述题目的用户群体平均得分；

根据所述平均得分，得到所述题目难度系数，以及，根据所述用户群体平均得分，得到所述适用用户群体。

3.根据权利要求2所述的方法，其特征在于，所述根据所述平均得分，得到所述题目难度系数，包括：

获取预设的所述题目的总分；

根据所述总分和所述平均得分，得到所述题目难度系数。

4.根据权利要求2所述的方法，其特征在于，所述根据所述用户群体平均得分，得到所述适用用户群体，包括：

将所述用户群体平均得分与预设的成绩阈值进行比较；

若所述用户群体平均得分在所述成绩阈值范围内，则判定所述用户群体为所述适用用户群体。

5.根据权利要求1所述的方法，其特征在于，所述题目有多个，所述根据所述题目标签，向待推荐用户推荐所述题目，包括：

获取所述待推荐用户的用户属性；所述用户属性包括地区、年级、知识点掌握情况和答题记录中的至少一种；

在多个所述题目中，搜索出所述题目标签与所述待推荐用户的用户属性匹配的题目，作为推荐题目；

将所述推荐题目推荐给所述待推荐用户。

6.根据权利要求1所述的题目推荐方法，其特征在于，所述题目标签还包括答题预计用时；所述方法还包括：

获取多个用户群体对所述题目的答题用时；

根据多个所述用户群体的答题用时，得到所述题目的答题预计用时；

将所述答题预计用时添加至所述题目标签中；

根据所述答题预计用时，向所述待推荐用户推荐所述题目。

7.根据权利要求6所述的方法，其特征在于，所述根据所述题目标签，向待推荐用户推荐所述题目，还包括：

分别确定所述题目难度系数、所述适用用户群体和所述答题预计用时的权重系数；

根据所述所述题目难度系数、所述适用用户群体和所述答题预计用时的权重系数，得到所述题目与所述待推荐用户之间的推荐匹配度；

根据所述题目的推荐匹配度，确定所述题目的推荐优先级；

根据所述推荐优先级，向所述待推荐用户推荐所述题目。

8.一种题目推荐装置，其特征在于，包括：

获取模块，用于获取多个用户群体对题目的答题得分；

题目标签生成模块，用于根据多个所述用户群体的答题得分，生成所述题目的题目标签；所述题目标签包括题目难度系数和适用用户群体；

推荐模块，用于根据所述题目标签，向待推荐用户推荐所述题目。

9.一种计算机设备，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1至7中任一项所述的题目推荐方法的步骤。

10.一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7中任一项所述的题目推荐方法的步骤。

Images