CN111339740B - 试卷生成方法、装置、电子设备及可读存储介质 - Google Patents
试卷生成方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN111339740B CN111339740B CN202010095205.8A CN202010095205A CN111339740B CN 111339740 B CN111339740 B CN 111339740B CN 202010095205 A CN202010095205 A CN 202010095205A CN 111339740 B CN111339740 B CN 111339740B
- Authority
- CN
- China
- Prior art keywords
- test
- user
- questions
- question
- test questions
- 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.)
- Active
Links
Images
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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
- G06Q50/2057—Career enhancement or continuing education service
Abstract
本申请实施例提供了一种试卷生成方法、装置、电子设备及可读存储介质。该方法包括:获取用户的试卷生成请求,其中,试卷生成请求中包括试卷生成条件;基于试卷生成条件生成初始试卷,并将初始试卷提供给用户;在获取到用户针对初始试卷中的目标试题的换题请求时,获取用户的用户信息,基于用户信息从初始候选试题中确定目标试题的目标候选试题;将目标候选试题提供给用户,以在获取到用户对目标候选试题中的试题选择操作后,以试题选择操作对应的试题替换目标试题。在本申请实施例中,在生成试卷后就还可以对试卷中的试题进行调整,并且由于目标候选试题是基于用户信息确定的,此时对于不同的用户可以生成不同的试卷,更加具备个性化。
Description
技术领域
本申请涉及计算机技术领域,具体而言,本申请涉及一种试卷生成方法、装置、电子设备及可读存储介质。
背景技术
现有市面上的各类智能组卷产品,都是首先设定一些条件,比如知识点范围、题型要求、难度要求等,然后通过一套规则引擎过滤出相应的试题完成组卷。但是,现有的智能组卷方案在组卷过程中,无法精细化调整依规则生成的试题,在生成试卷后就无法对生成的试卷中的试题进行调整,缺少灵活性,并且由于所生的试卷是依据预先设定的规则确定的,此时就会造成生成的试卷千人一面,缺少个性化。
发明内容
本申请的目的旨在至少能解决上述的技术缺陷之一,特别是现有的智能组卷方案在组卷过程中,无法精细化调整依规则生成的试题的技术缺陷。
第一方面,本申请实施例提供了一种试卷生成方法,该方法包括:
获取用户的试卷生成请求,其中,试卷生成请求中包括试卷生成条件;
基于试卷生成条件生成初始试卷,并将初始试卷提供给用户;
在获取到用户针对初始试卷中的目标试题的换题请求时,获取用户的用户信息,基于用户信息从初始候选试题中确定目标试题的目标候选试题;
将目标候选试题提供给用户,以在获取到用户对目标候选试题中的试题选择操作后,以试题选择操作对应的试题替换目标试题。
在第一方面可选的实施例中,目标候选试题包括至少两个等级的候选试题,将目标候选试题提供给用户,包括:
将最高等级的候选试题提供给用户;
在将当前等级的候选试题提供给用户之后,该方法还包括:
在获取到用户对于当前等级的候选试题的试题更换请求时,将当前等级的下一等级的候选试题提供给用户。
在第一方面可选的实施例中,用户信息包括用户历史行为信息或用户属性信息中的至少一项。
在第一方面可选的实施例中,用户历史行为信息包括用户的已组试卷中的各历史试题;
用户属性信息包括用户的年龄、所居住的位置信息、教龄、执教学科、执教的位置信息、执教的学校、执教年级、登录设备信息或登录状态信息中的至少一项。
在第一方面可选的实施例中,初始候选试题是基于试卷生成条件、以及至少两种试题选择规则确定的。
在第一方面可选的实施例中,基于用户信息从初始候选试题中确定目标试题的目标候选试题,包括:
基于用户信息确定用户对于初始候选试题中各试题的感兴趣分值;
基于初始候选试题中各试题的感兴趣分值,从初始候选试题中确定目标试题的目标候选试题。
在第一方面可选的实施例中,用户信息包括用户历史行为信息和用户属性信息,用户历史行为信息包括用户的已组试卷中的各历史试题;
基于用户信息确定用户对于初始候选试题中各试题的感兴趣分值,包括:
分别确定各历史试题与初始候选试题中各试题的关联性;
基于关联性和用户属性信息,确定用户对初始候选试题中各试题的感兴趣分值。
在第一方面可选的实施例中,基于初始候选试题中各试题的感兴趣分值,从初始候选试题中确定目标试题的目标候选试题,包括以下任一项:
根据初始候选试题中各试题的感兴趣分值由高至低的顺序,将初始候选试题中设定数量的试题确定为目标候选试题;
将初始候选试题中感兴趣分值大于设定值的各试题确定为目标候选试题。
在第一方面可选的实施例中,在将目标候选试题提供给用户时,按照目标候选试题中各试题的感兴趣分值由高至低的顺序提供给用户。
在第一方面可选的实施例中,基于用户信息确定用户对于初始候选试题中各试题的感兴趣分值,包括:
基于用户信息和初始候选试题,通过试题筛选模型,得到用户对于初始候选试题中各试题的感兴趣分值;其中,试题筛选模型是通过以下方式训练得到的:
获取各训练样本,每个训练样本包括各样本试题和样本用户信息,每个训练样本中的各样本试题标注有分值标签;
基于各训练样本对初始筛选模型进行训练,直至模型对应的损失函数收敛,损失函数的值表征了各训练样本中各试题的分值标签所对应的感兴趣分值与模型输出的该训练样本中各样本试题的感兴趣分值之间的差异。
在第一方面可选的实施例中,试题筛选模型包括:
初始特征提取模块,用于提取用户信息的特征和初始候选试题中各试题的特征;
分值预测模块,用于基于用户信息的特征和初始候选试题的特征,确定用户对于初始候选试题中各试题的感兴趣分值。
在第一方面可选的实施例中,用户信息包括用户历史行为信息和用户属性信息,用户历史行为信息包括用户的已组试卷中的各历史试题,用户信息的特征包括各历史试题的特征和用户属性信息的特征;
试题筛选模型还包括:
关联特征提取模块,用于基于各历史试题的特征与初始候选试题中各试题的特征,分别确定各历史试题与初始候选试题中各试题的关联特征;
分值预测模块,具体用于:
基于关联特征和用户属性信息的特征,确定用户对初始候选试题中各试题的感兴趣分值。
第二方面,本申请实施例提供了一种试卷生成方法,该方法包括:
接收用户的试卷生成请求,其中,试卷生成请求中包括试卷生成条件;
基于试卷生成请求,获取基于试卷生成条件生成的初始试卷,并将初始试卷展示给用户;
在接收到用户针对初始试卷中的目标试题的换题请求时,获取目标试题的目标候选试题并展示给用户,其中,目标候选试题是基于用户的用户信息确定的;
在接收到用户对目标候选试题中的试题选择操作后,以试题选择操作对应的试题替换目标试题。
第三方面,本申请实施例提供了一种试卷生成装置,该装置包括:
请求获取模块,用于获取用户的试卷生成请求,其中,试卷生成请求中包括试卷生成条件;
试卷生成模块,用于基于试卷生成条件生成初始试卷,并将初始试卷提供给用户;
候选试题确定模块,用于在获取到用户针对初始试卷中的目标试题的换题请求时,获取用户的用户信息,基于用户信息从初始候选试题中确定目标试题的目标候选试题;
试题替换模块,用于将目标候选试题提供给用户,以在获取到用户对目标候选试题中的试题选择操作后,以试题选择操作对应的试题替换目标试题。
在第三方面可选的实施例中,目标候选试题包括至少两个等级的候选试题,试题替换模块在将目标候选试题提供给用户时,具体用于:
将最高等级的候选试题提供给用户;
该装置还包括候选试题更换模块,具体用于:
在将当前等级的候选试题提供给用户之后,在获取到用户对于当前等级的候选试题的试题更换请求时,将当前等级的下一等级的候选试题提供给用户。
在第三方面可选的实施例中,用户信息包括用户历史行为信息或用户属性信息中的至少一项。
在本申请可选的实施例中,用户历史行为信息包括用户的已组试卷中的各历史试题;
用户属性信息包括用户的年龄、所居住的位置信息、教龄、执教学科、执教的位置信息、执教的学校、执教年级、登录设备信息或登录状态信息中的至少一项。
在第三方面可选的实施例中,初始候选试题是基于试卷生成条件、以及至少两种试题选择规则确定的。
在第三方面可选的实施例中,候选试题确定模块在基于用户信息从初始候选试题中确定目标试题的目标候选试题时,具体用于:
基于用户信息确定用户对于初始候选试题中各试题的感兴趣分值;
基于初始候选试题中各试题的感兴趣分值,从初始候选试题中确定目标试题的目标候选试题。
在第三方面可选的实施例中,用户信息包括用户历史行为信息和用户属性信息,用户历史行为信息包括用户的已组试卷中的各历史试题;
候选试题确定模块在基于用户信息确定用户对于初始候选试题中各试题的感兴趣分值时,具体用于:
分别确定各历史试题与初始候选试题中各试题的关联性;
基于关联性和用户属性信息,确定用户对初始候选试题中各试题的感兴趣分值。
在第三方面可选的实施例中,基于初始候选试题中各试题的感兴趣分值,从初始候选试题中确定目标试题的目标候选试题,包括以下任一项:
根据初始候选试题中各试题的感兴趣分值由高至低的顺序,将初始候选试题中设定数量的试题确定为目标候选试题;
将初始候选试题中感兴趣分值大于设定值的各试题确定为目标候选试题。
在第三方面可选的实施例中,试题替换模块在将目标候选试题提供给用户时,是按照目标候选试题中各试题的感兴趣分值由高至低的顺序提供给用户。
在第三方面可选的实施例中,候选试题确定模块在基于用户信息确定用户对于初始候选试题中各试题的感兴趣分值时,具体用于:
基于用户信息和初始候选试题,通过试题筛选模型,得到用户对于初始候选试题中各试题的感兴趣分值;其中,试题筛选模型是通过以下方式训练得到的:
获取各训练样本,每个训练样本包括各样本试题和样本用户信息,每个训练样本中的各样本试题标注有分值标签;
基于各训练样本对初始筛选模型进行训练,直至模型对应的损失函数收敛,损失函数的值表征了各训练样本中各试题的分值标签所对应的感兴趣分值与模型输出的该训练样本中各样本试题的感兴趣分值之间的差异。
在第三方面可选的实施例中,试题筛选模型包括:
初始特征提取模块,用于提取用户信息的特征和初始候选试题中各试题的特征;
分值预测模块,用于基于用户信息的特征和初始候选试题的特征,确定用户对于初始候选试题中各试题的感兴趣分值。
在第三方面可选的实施例中,用户信息包括用户历史行为信息和用户属性信息,用户历史行为信息包括用户的已组试卷中的各历史试题,用户信息的特征包括各历史试题的特征和用户属性信息的特征;
试题筛选模型还包括:
关联特征提取模块,用于基于各历史试题的特征与初始候选试题中各试题的特征,分别确定各历史试题与初始候选试题中各试题的关联特征;
分值预测模块,具体用于:
基于关联特征和用户属性信息的特征,确定用户对初始候选试题中各试题的感兴趣分值。
第四方面,本申请实施例提供了一种试卷生成装置,包括:
请求接收模块,用于接收用户的试卷生成请求,其中,试卷生成请求中包括试卷生成条件;
试卷获取模块,用于基于试卷生成请求,获取基于试卷生成条件生成的初始试卷,并将初始试卷展示给用户;
候选试题获取模块,用于在接收到用户针对初始试卷中的目标试题的换题请求时,获取目标试题的目标候选试题并展示给用户,其中,目标候选试题是基于用户的用户信息确定的;
试题替换模块,用于在接收到用户对目标候选试题中的试题选择操作后,以试题选择操作对应的试题替换目标试题。
第五方面,本申请实施例提供了一种电子设备,该电子设备包括:
处理器以及存储器,该存储器配置用于存储计算机程序,该计算机程序在由该处理器执行时,使得该处理器执行第一方面和第二方面中的任一项方法。
第六方面,本申请实施例提供了一种计算机可读存储介质,计算机可读存储介质用于存储计算机程序,当计算机程序在计算机上运行时,使得计算机可以执行上述第一方面和第二方面中的任一项方法。
本申请实施例提供的技术方案带来的有益效果是:
在本申请实施例中,在基于试卷生成条件生成初始试卷后,在获取到用户针对初始试卷中的目标试题的换题请求时,还可以对选择的目标题目进行替换,也就是说,在生成试卷后就还可以对生成的试卷中的试题进行调整,相比于现有技术中的方案,其生成试卷的方式具备了灵活性;进一步的,由于对应于目标试题的目标候选试题是基于用户的用户信息确定的,而不同用户的用户信息是不同的,此时对于不同的用户可以生成不同的试卷,因此更加的具备个性化。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对本申请实施例描述中所需要使用的附图作简单地介绍。
图1为本申请实施例提供的一种试卷生成方法的流程示意图;
图2为本申请实施例提供的一种确定初始候选试题的示意图;
图3为本申请实施例提供的另一种试卷生成方法的流程示意图;
图4为本申请实施例提供的又一种试卷生成方法的流程示意图;
图5为本申请实施例提供的一种触发试卷生成请求的显示界面的示意图;
图6为本申请实施例提供的一种显示初始试卷的示意图;
图7为本申请实施例提供的一种显示目标候选试题的示意图;
图8为本申请实施例提供的一种筛选模型工作原理的示意图;
图9为本申请实施例提供的一种试卷生成装置的结构示意图;
图10为本申请实施例提供的一种试卷生成装置的结构示意图;
图11为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本申请,而不能解释为对本申请的限制。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本申请的实施例进行描述。
图1示出了本申请实施例中所提供的一种试卷生成方法的流程示意图,该方法可以服务器执行,如图1所示,该方法可以包括:
步骤S101,获取用户的试卷生成请求,其中,试卷生成请求中包括试卷生成条件。
其中,试卷生成请求表征了用户想要进行组卷(即生成试卷)的动作。并且该试卷生成请求中可以包括具体的试卷生成条件,该试卷生成条件指的是用户希望所生成的试卷中具体需要包括的内容,如试卷生成条件可以包括知识点范围、试题难度、题型或数量等,本申请实施例对此不限定。而获取用户的试卷生成请求的具体实现方式可以预先配置,本申请实施例也不限定。
作为一种可选的实现方式:可以是在终端设备的应用程序的显示界面上设定指定触发按钮,当用户点击该指定触发按钮时即视为用户触发了试卷生成触发操作;进一步的,可以显示试卷生成条件的选项列表,如可以包括知识点范围选项、试题难度选项、题型选项和数量选项等选项,用户可以基于显示的选项列表选择试卷生成条件;进一步的,当接收到用户触发的试卷生成条件确认操作时,即可以视为接收到了用户的试卷生成操作,此时终端设备可以向服务器发送包括用户选择的试卷生成条件的试卷生成请求,当服务器接收到终端设备发送的试卷生成请求时,即为获取到了用户的试卷生成请求。
步骤S102,基于试卷生成条件生成初始试卷,并将初始试卷提供给用户。
在实际应用中,当服务器接收到包括试卷生成条件的试卷生成请求时,可以基于试卷生成条件从试题数据库中确定试题,然后基于确定试题组成初始试卷并返回给终端设备,相应的,终端设备在接收到初始试卷后将其展示在显示界面中。
在一示例中,假设试卷生成条件包括的知识点为三角函数、题型为填空题和选择题,且数量均为10道,此时服务器可以从试题数据库中确定10道考核知识点为三角函数的填空题和10道考核知识点为三角函数选择题,并将由这20道试题所组成的初始试卷通过终端设备的显示界面展示给用户。
步骤S103,在获取到用户针对初始试卷中的目标试题的换题请求时,获取用户的用户信息,基于用户信息从初始候选试题中确定目标试题的目标候选试题。
其中,目标试题指的是初始试卷中用户想要替换为其它试题的试题,而目标候选试题指的是可以用于替换目标试题的各候选试题。
在实际应用中,在终端设备上将初始试卷显示给用户后,当用户想要将其中的某个或某些试题替换(即目标试题)为其它试题时,可以触发换题操作;进一步的,终端设备在接收到换题操作时,可以向服务器发送包括针对目标试题的换题请求,以从服务器获取到目标候选试题并展示给用户。其中,用户基于显示的初始试卷触发换题操作的具体实现方式,本申请实施例不限定。
例如,在终端设备的初始试卷的显示界面,可以同时显示有用于用户触发换题请求的虚拟按钮(也就是换题按钮),其中可以是初始试卷的每个试题对应各自的换题按钮,也可以是有一个总体的换题按钮,当用户点击该虚拟按钮时,表示用户想要进行换题,即视为用户触发了换题请求,如果是每个试题对应各自的换题按钮,则换题按钮对应的试题即为目标试题,如果是一个整体的换题按钮,用户在点击该换题按钮时,可以显示初始试卷中所包括的各试题标识的列表,用户可以通过该列表选择其想要进行换题的试题即目标试题。
进一步的,终端设备在获取到用户的换题请求后,可以将该换题请求发送给服务器,以使服务器可以基于用户信息从初始候选试题中确定目标试题的目标候选试题。其中,获取用户信息的方式本申请实施例不限定。例如,可以由终端设备获取到用户信息后,将用户信息发送至服务器,也可以是服务器预先存储该用户信息,如可以基于用户对该对应的应用程序的历史使用记录获取到该用户的用户信息。
在本申请实施例中,当初始试卷生成后,若接收到用户的换题请求,则可以基于用户信息从初始候选试题中确定目标试题的目标候选试题,进而用户可以直接基于确定的目标候选试题来选择最终用来替换目标试题的试题,从而快速完成某个或某些试题的替换,而无需再重新基于用户的试卷生成请求重新生成试卷的方式,可以快速的完成满足用户需求的试卷的生成。
此外,在实际应用中,当初始试卷生成后,用户还可以对初始试卷中的试题进行除替换外的其他操作,如删除初始试卷中的试题、或在初始试卷中增加试题等。此外,可选的,如果生成该初始试卷的生成条件中包括试题数量,此时用户选择的被删除的试题也可以被视为换题的一种形式,此时被删除的试题即为要被替换的试题;当用户想要增加试题时,则可以提示用户需要删除某个/某些试题才可以增加试题,此时用户选择的被删除的试题则可以认为是需要替换的试题;当然,在实际应用中,若生成该初始试卷的生成条件中不包括试题数量(即没有试题数量限制),此时用户可以直接对初始试卷中的试题进行增/删操作、或者根据用户需求增加试题即可,比如,用户可以设置想要增加的试题的相关信息,然后可以根据该相关信息和用户信息为用户确定出所要增加的试题,或者为用户提供可以增加的试题列表,用户可以从试题列表中选择所要增加的试题。
步骤S104,将目标候选试题提供给用户,以在获取到用户对目标候选试题中的试题选择操作后,以试题选择操作对应的试题替换目标试题。
具体的,在实际应用中,服务器在基于用户信息确定目标候选试题后,可以将目标候选试题返回至终端设备,终端设备在接收到之后将目标候选试题展示给用户,以使用户可以看到可以替换目标试题的各候选试题。进一步,用户可以基于显示的目标候选试题选择最终用于替换的试题,即选择具体采用哪道试题将目标试题替换;进一步的,终端设备接收到试题选择操作后,可以采用用户选择的试题替换目标试题。
在本申请实施例中,在基于试卷生成条件生成初始试卷后,在获取到用户针对初始试卷中的目标试题的换题请求时,还可以对选择的目标题目进行替换,也就是说,在生成试卷后就还可以对生成的试卷中的试题进行调整,相比于现有技术中的方案,其生成试卷的方式具备了灵活性;进一步的,由于对应于目标试题的目标候选试题是基于用户的用户信息确定的,而不同用户的用户信息是不同的,此时对于不同的用户可以生成不同的试卷,因此更加的具备个性化。
在本申请可选的实施例中,目标候选试题包括至少两个等级的候选试题,将目标候选试题提供给用户,包括:
将最高等级的候选试题提供给用户;
在将当前等级的候选试题提供给用户之后,该方法还包括:
在获取到用户对于当前等级的候选试题的试题更换请求时,将当前等级的下一等级的候选试题提供给用户。
在实际应用中,可以将初始试题中的试题划分为至少两个等级,然后将划分为最高等级的目标候选试题提供给用户。其中,当目标候选试题的等级越高时,说明该目标候选试题越有可能替换目标试题,并且各等级的候选试题中不存在重复的试题。
进一步的,在将当前等级的候选试题提供给用户后,有可能当前等级的候选试题中并没有用户想要选择的目标候选试题,此时用户可以继续触发对于当前等级的候选试题的试题更换操作;相应的,此时服务器可以获取到对于当前等级的候选试题的试题更换请求,并将当前等级的下一等级的候选试题提供给用户。其中,用户触发试题更换操作的方式可以预先配置,本申请实施例不限定。例如,可以在显示界面中的指定区域设置用于触发试题更换请求的虚拟按钮,当用户点击该虚拟按钮时,即视为用户触发了试题更换操作,其中,该虚拟按钮可以与上述步骤中描述的用于触发目标试题的更换请求的按钮为同一按钮,也就是说,对于一个试题而言,用户第一次点击该按钮,可以获得包含多个试题的目标候选试题,再次点击该按钮时,则可以更换一批新的目标候选试题。
此外,为了可以保证最后所生成的试卷中的试题更加符合用户的需求,还可以在显示界面中设置用于用户选择试题难度等级的选项,用户可以基于该选项选择目标候选试题的难度,达到进一步细化目标候选试题的目的,进而可以保证所生成的试卷中的试题更加符合用户的需求。其中,试题难度等级的划分方式本申请实施例中不做限定。
可选的,在实际应用中可以将试题难度等级作为从初始候选试题中确定目标候选试题的其中一个参数,即从初始候选试题中确定目标候选试题时,可以根据试题难度等级、用户信息从对应等级的初始候选试题中确定出目标候选试题并提供给用户。
在一示例中,假设初始候选试题被划分为3个等级,每个等级中包括10道初始候选试题,用户选择的试题难度等级为“中等”,此时可以基于用户信息、试题难度等级“中等”从对应等级中所包括的10道初始候选试题中确定出满足条件的候选试题,然后将对应等级中最终确定的候选试题作为目标候选试题提供给用户。
当然,在实际应用中,还可以在基于用户信息从初始候选试题中确定目标候选试题后,基于用户选择的试题难度等级对目标候选试题进行筛选,将符合用户选择的试题难度等级的目标候选试题提供给用户。
在一示例中,当用户选择试题难度等级的选项时,可以显示具体包括的难度选项,如可以显示“简单”、“中等”和“较难”等选项;进一步的,若用户选择其中任意一种选项,则可以根据该选项对确定的目标候选试题进行筛选,并将筛选后的目标候选试题提供给用户。例如,假设用户选择了“中等”选项时,可以将目标候选试题中属于“简单”和“较难”的候选试题过滤,仅将属于“中等”的目标候选试题保留,并提供给用户。
在本申请可选的实施例中,用户信息包括用户历史行为信息或用户属性信息中的至少一项。
其中,用户历史行为信息用于表征用户在当前时间之前的历史组卷行为,用户属性信息用于表征用户自身所具备的特征信息。因此,可以基于用户历史行为信息和/或用户属性信息来为用户确定出更加符合用户需求的目标候选试题。
在本申请可选的实施例中,该用户历史行为信息可以包括用户的已组试卷中的各历史试题;
用户属性信息包括用户的年龄、所居住的位置信息、教龄、执教学科、执教的位置信息、执教的学校、执教年级、登录设备信息或登录状态信息中的至少一项。
其中,用户历史行为信息还可以包括各历史试题对应的已组试卷的组卷时间,而该组卷时间的表现形式可以为与当前时间的时间差,也可以为组卷时的具体时间。在实际应用中,当历史试题对应的已组试卷的组卷时间与当前时间越接近,则可能说明用户对与该历史试题类型相同的试题越感兴趣。
此外,在实际应用中,若用户为教师,则该用户的用户属性信息可以为与该用户与有关的教师信息,如该用户的教龄、执教学科、执教的位置信息、执教的学校和执教年级等。另外,用户属性信息还可以包括当前所登录的设备的信息(如设备标识)以及登录的状态信息(表征离线或运行等状态的信息)。
在本申请实施例中,由于用户信息均是与用户关的历史行为信息以及与用户自身属性的信息,因此基于用户信息所确定目标候选试题可以更加的符合用户的实际需求。
在本申请可选的实施例中,该初始候选试题是基于试卷生成条件、以及至少两种试题选择规则确定的。
在实际应用中,初始候选试题可以为预先配置的试题库中获取,而在从试题库中获取候选试题时,可以基于试卷生成条件、以及至少两种试题选择规则确定的从试题库中过滤出初始试题。其中,试卷生成条件与试卷生成请求中包括的试卷生成条件相同;而试题选择规则的具体内容可以预先配置,本申请实施例不限定。例如,该试题选择规则可以为名师协同推荐规则或新题探索规则等。其中,名师协同推荐规则可以指的是当用户为老师时,用于获取与该用户所执教的信息相似的名师已组卷的试题,新题探索规则用于获取试题库中新增加的试题。
在实际应用中,在基于试卷生成条件、以及至少两种试题选择规则确定从题库中获取初始试题可以通过召回模型来实现。
例如,图2所示的一个示例中:假设选题规则为名师协同推荐规则和新题探索规则,此时可以将试卷生成条件、名师协同推荐规则和新题探索规则输入至召回模型,召回模型此时可以从试题库中确定满足试卷生成条件的试题、满足名师协同推荐规则的试题和满足新题探索规则的试题,然后对满足试卷生成条件的试题、满足名师协同推荐规则的试题和满足新题探索规则的试题进行融合,并去除重复的试题,得到最终的初始候选试题。
此外,在基于试卷生成条件、以及至少两种试题选择规则确定从题库中获取初始试题时,还可以先从题库中确定出满足试卷生成条件的试题,然后再从确定的试题中找到满足名师协同推荐规则的试题和满足新题探索规则的试题并作为初始试题。例如,当试卷生成条件为三角函数知识点和填空题时,此时可以先确定题库中满足知识点为三角函数的填空题,然后再从确定的填空题中找到满足名师协同推荐规则的试题和满足新题探索规则的试题并作为初始试题。
在本申请实施例中,采用了多种规则确定初始候选试题,可以保证了试题的多样性,而不只是单纯的从试题库中过滤试题。
在本申请可选的实施例中,基于用户信息从初始候选试题中确定目标试题的目标候选试题,包括:
基于用户信息确定用户对于初始候选试题中各试题的感兴趣分值;
基于初始候选试题中各试题的感兴趣分值,从初始候选试题中确定目标试题的目标候选试题。
其中,试题的感兴趣分值用于表征该试题被用户选择为替换目标试题的可能性,当某初始试题被选择为替换目标试题的可能性越高时,其感兴趣分值可以越高,反之,当其被选择为替换目标试题的可能性越低时,其感兴趣分值则越低。其中,感兴趣分值的表现形式可以采用概率值(具体可为0~1之间)的形式表征感兴趣分值,此时当其感兴趣分值越高时,所对应的概率值越大,当其感兴趣分值越低时,所对应的概率值越小;当然也可以采用具体分数来表示感兴趣分值,本申请实施例对此不限定。
在实际应用中,在基于用户信息从初始候选试题中确定目标试题的目标候选试题时,可以基于用户信息分别确定用户对于每个初始试题的感兴趣分值,然后基于各初始候选试题中各试题的感兴趣分值,从初始候选试题中确定可以作为目标试题的目标候选试题。在本申请实施例中,由于从初始候选试题中确定目标试题的目标候选试题时,是基于用户对于初始候选试题的感兴趣分值确定的,此时可以保证了所确定的目标候选试题可以更加符合用户的需求。
在本申请可选的实施例中,用户信息包括用户历史行为信息和用户属性信息,用户历史行为信息包括用户的已组试卷中的各历史试题;
基于用户信息确定用户对于初始候选试题中各试题的感兴趣分值,包括:
分别确定各历史试题与初始候选试题中各试题的关联性;
基于关联性和用户属性信息,确定用户对初始候选试题中各试题的感兴趣分值。
在实际应用中,当用户历史行为信息中包括该用户的已组试卷中的各历史试题时,可以分别确定各历史试题与初始候选试题中各试题的关联性,即确定各历史试题与初始候选试题中各试题的相似性,当初始候选试题与历史试题的关联性越高时,说明用户对该初始候选试题越感兴趣的可能性越高,越有可能被选择替换目标试题。进一步的,可以基于初始候选试题与各历史试题的关联性以及用户属性信息,确定用户对初始候选试题中各试题的感兴趣分值。
在本申请可选的实施例中,基于初始候选试题中各试题的感兴趣分值,从初始候选试题中确定目标试题的目标候选试题,包括以下任一项:
根据初始候选试题中各试题的感兴趣分值由高至低的顺序,将初始候选试题中设定数量的试题确定为目标候选试题;
将初始候选试题中感兴趣分值大于设定值的各试题确定为目标候选试题。
在实际应用中,在基于初始候选试题中各试题的感兴趣分值,从初始候选试题中确定目标试题的目标候选试题可以采用多种方式实现,本申请实施例不限定。作为一种可选的实施方式,可以基于初始候选试题中各试题自身对应的感兴趣分值由高至低的顺序,对初始候选试题中各试题排序,并将初始候选试题中设定数量的试题确定为目标候选试题。其中,设定数量的具体取值本申请实施例不限定,如当希望用户在基于目标候选试题选择替换目标试题时的选择性越多时,可以将设定数量的具体取值设置的较大,反之,则可以将设定数量的具体取值设置的较小。
此外,在实际应用中还可以预设设定值,相应的,确定初始候选试题中感兴趣分值大于设定值的各试题确定,然后直接将初始候选试题中感兴趣分值大于设定值的各试题确定为目标候选试题。其中,设定数量的具体取值本申请实施例也不限定,可以理解的是,当希望用户在基于目标候选试题选择替换目标试题时的选择性越多时,此时可以需要将设定值的具体取值设置的较小,反之,则将设定值的具体取值设置的较大。
在本申请可选的实施例中,在将目标候选试题提供给用户时,按照目标候选试题中各试题的感兴趣分值由高至低的顺序提供给用户。
在实际应用中,在确定出各目标候选试题的感兴趣分值后,可以基于确定的目标候选试题的感兴趣分值,依次将目标候选试题提供给用户。例如,依据初始候选试题中各试题的感兴趣分值由高至低的顺序,依次将各目标候选试题提供给用户,也就是说,在将各目标候选试题提供给用户时,是先将用户感性比较感兴趣的目标候选试题提供给用户,进而可以方便用户更快捷的找到感兴趣的目标候选试题。
其中,若目标候选试题中包括至少两个等级,此时可以基于各目标候选试题的感兴趣分值确定每个目标候选试题所属于的等级。例如,可以依据初始候选试题中各试题的感兴趣分值由高至低的顺序对各目标候选试题进行排序,将排序靠前的M个目标候选试题作为第一等级,并依据排序将第一等级后的N个目标候选试题作为第二等级,以此类推,直至确定出每个目标候选试题所属于的等级。其中,每个等级中的目标候选试题的数量可以相同(即M和N相同),也可以不相同(即M和N不相同),本申请实施不限定。
在本申请可选的实施例中,基于用户信息确定用户对于初始候选试题中各试题的感兴趣分值,包括:
基于用户信息和初始候选试题,通过试题筛选模型,得到用户对于初始候选试题中各试题的感兴趣分值;其中,试题筛选模型是通过以下方式训练得到的:
获取各训练样本,每个训练样本包括各样本试题和样本用户信息,每个训练样本中的各样本试题标注有分值标签;
基于各训练样本对初始筛选模型进行训练,直至模型对应的损失函数收敛,损失函数的值表征了各训练样本中各试题的分值标签所对应的感兴趣分值与模型输出的该训练样本中各样本试题的感兴趣分值之间的差异。
其中,训练样本指的是用于训练初始筛选模型的数据,每个训练样本可以包括各样本试题以及对应的样本用户信息,每个训练样本中的每个样本试题均标注有分值标签,用于表征该训练样本中的用户对各样本试题的感兴趣分值。
在实际应用中,为了可以快速高效的确定出初始候选试题中各试题的感兴趣分值,此时可以将用户信息和初始候选试题作为试题筛选模型的输入,并基于试题筛选模型的输出得到用户对于初始候选试题中各试题的感兴趣分值。
其中,训练初始筛选模型时,可以获取各训练样本,并将各训练样本中的各样本试题和样本用户信息输入至初始筛选模型,对于每一个训练样本,初始筛选模型可以输出该训练样本中的用户对各样本试题的感兴趣分值,然后基于每个训练样本中的各样本试题标注的分值标签,确定本次训练所对应的损失函数是否收敛,若不收敛,则说明当前的初始筛选模型模型的精度仍旧不满足要求,则可以调整初始筛选模型的模型参数(即神经网络模型的网络参数,如权重和偏置等),并再次将各训练样本中的各样本试题和样本用户信息输入至调整后的筛选模型,再次基于本次输出的每个训练样本中的各样本试题的感兴趣分值,以及每个训练样本中的各样本试题标注的分值标签,确定本次训练所对应的损失函数是否收敛,若不收敛,则继续调整初始筛选模型的模型参数,直至对应的损失函数收敛。其中,损失函数的值表征了各训练样本中各试题的分值标签所对应的感兴趣分值与模型输出的该训练样本中各样本试题的感兴趣分值之间的差异,当损失函数收敛时,说明了模型输出的各训练样本中各样本试题的感兴趣分值逼近于该训练样本中各试题的分值标签所对应的感兴趣分值。
可以理解的是,上述中的差异是对应于训练样本的,而不是对应于样本试题的。在实际应用中,每个训练样本所对应的差异是基于该训练样本中的各样本试题的输出感兴趣分值与分值标签所对应的感兴趣分值确定的。
在本申请可选的实施例中,该试题筛选模型包括:
初始特征提取模块,用于提取用户信息的特征和初始候选试题中各试题的特征;
分值预测模块,用于基于用户信息的特征和初始候选试题中各试题的特征,确定用户对于初始候选试题中各试题的感兴趣分值。
在实际应用中,试题筛选模型可以包括用于提取各用户信息的特征和各初始候选试题特征的初始特征提取模块、以及用于基于用户信息的特征和初始候选试题中各试题的特征,确定用户对于初始候选试题中各试题的感兴趣分值的分值预测模块。也就是说,在将用户信息的特征和初始候选试题输入至试题筛选模型后,该模型中的初始特征提取模块可以分别对用户信息和各初始候选试题进行特征提取,得到用户信息的特征和初始候选试题中各试题的特征;进一步的,该模型中的分值预测模块可以基于初始特征提取模块提取到的用户信息的特征和初始候选试题中各试题的特征,确定该用户对于初始候选试题中各试题的感兴趣分值。
其中,初始特征提取模块的具体结构预先配置,本申请实施例不限定。例如,该特征提取模块中可以包括依次级联的卷积层、池化层和MLP(Multilayer Perception,多层感知机制),其中,卷积层用于提取用户信息的特征和各初始候选试题的特征,池化层用于对提取到的特征进行池化,MLP用于对经过平均池化融合后的特征进行高层特征的提取,得到高层特征。
进一步的,可以将得到的高层特征输入至分值预测模块,在本申请实实施例中,分值预测模块可以为softmax(逻辑回归),即可以将得到的高层特征输入至softmax,通过softmax确定用户对于初始候选试题中各试题的感兴趣分值。
在本申请可选的实施例中,用户信息包括用户历史行为信息和用户属性信息,用户历史行为信息包括用户的已组试卷中的各历史试题,试题筛选模型还包括:
关联特征提取模块,用于基于各历史试题的特征与初始候选试题中各试题的特征,分别确定各历史试题与初始候选试题中各试题的关联特征;
分值预测模块,具体用于:
基于关联特征和用户属性信息的特征,确定用户对初始候选试题中各试题的感兴趣分值。
在实际应用中,试题筛选模型还可以包括关联特征提取模块,其具体用于在用户历史行为信息包括用户的已组试卷中的各历史试题时,可以基于特征提取模块提取到的各历史试题的特征和各初始候选试题的特征,分别确定出每个历史试题与初始候选试题中各试题的关联特征;进一步的,此时该模型中的分值预测模块则可以基于关联特征提取模块提取得到的关联特征和特征提取模块提取得到的用户属性信息的特征,确定用户对初始候选试题中各试题的感兴趣分值。
图3示出了本申请实施例中所提供的一种试卷生成方法的流程示意图,该方法可以终端设备执行,如图3所示,该方法可以包括:
步骤S201,接收用户的试卷生成请求,其中,试卷生成请求中包括试卷生成条件。
其中,这里的试卷生成条件以及试卷生成请求与服务器侧的试卷生成条件以及试卷生成请求相同,关于试卷生成条件以及试卷生成请求的详细描述可以参见服务器侧的描述,在此就不再赘述。
步骤S202,基于试卷生成请求,获取基于试卷生成条件生成的初始试卷,并将初始试卷展示给用户。
在实际应用中,当终端设备接收到试卷生成请求时,可以向服务器获取与该试卷生成请求相对应的初始试卷,并将其展示给用户。其中,关于基于试卷生成请求中的试卷生成条件生成初始试卷的具体实现方式可以预先配置,本申请实施例在此不限定。
步骤S203,在接收到用户针对初始试卷中的目标试题的换题请求时,获取目标试题的目标候选试题并展示给用户,其中,目标候选试题是基于用户的用户信息确定的。
其中,目标试题、换题请求和目标候选试题与服务器侧的目标试题、换题请求和目标候选试题相同,关于目标试题、换题请求和目标候选试题的详细描述可以参见服务器侧的描述,在此就不再赘述。其中,基于用户的用户信息确定目标候选试题的具体实现方式已在服务器侧进行描述,在此也不再赘述。
步骤S204,在接收到用户对目标候选试题中的试题选择操作后,以试题选择操作对应的试题替换目标试题。
相应的,当接收到用户基于显示的目标首选试题选择的试题选择操作时,则可以采用试题选择操作对应的试题替换目标试题,已完成对目标试题的替换。
在本申请实施例中,在基于试卷生成条件生成初始试卷后,在获取到用户针对初始试卷中的目标试题的换题请求时,还可以对选择的目标题目进行替换,也就是说,在生成试卷后就还可以对生成的试卷中的试题进行调整,相比于现有技术中的方案,其生成试卷的方式具备了灵活性;进一步的,由于对应于目标试题的目标候选试题是基于用户的用户信息确定的,此时不同的用户所对应的目标候选试题是不同的,即在所生成的试卷考虑到了用户的个人因素,因此可以更加的个性化。
为了更好理解本申请实施例中所提供的试卷生成方法,下面结合图4~图7中所示的示例对本申请实施例所提供的试卷生成方法进行描述,具体的:
如图4所示,在本示例中提供了一种试卷生成方法的详细流程图,具体可以包括:
步骤S310,获取包括试卷生成条件的试卷生成请求,即图4中的获取试卷生成条件。在本示例中,试卷生成条件包括知识点范围、难度和题型。
其中,如图5所示,在本示例中提供了一种触发试卷生成请求的显示界面,在该显示界面中显示各知识点列表(如图5中A区域,其可以包括三角函数与解三角函数、平面向量等),用户可以基于该知识点列表选择试卷所涉及到的知识点(如选择三角函数与解三角函数和集合);进一步的,该显示界面中可以显示有选择考试范围的选项,用户可以基于该选择考试范围的选项选择在已选择的知识点下的小知识点(如图5中B区域,可以选择集合、常用逻辑用语、三角函数和解三角函数等);此外,在该显示界面中还显示有题型和各题型数量的选项(如图5中C区域),以及其它生成条件,具体如图5中D区域所示;进一步的,当用户设置完试卷生成条件后,可以点击图5中的“生成试卷”按钮,此时可以视为用户触发了试卷生成请求。
步骤S320,基于试卷生成条件从题库中确定初始试卷,即图4中的确定初始试卷。
其中,初始试卷具体可以如图6所示,所生成的初始试卷中的每一道题目均对应于一个用于触发换题请求的虚拟按钮(如图6中的智能换题的触发按键),其用于触发针对该题目的换题请求。
步骤S330,获取到用户针对目标题目的换题请求时,可以基于召回模型和筛选模型确定目标候选试题,即图4中的确定目标候选试题。
具体的,在本示例中,可以基于试卷生成条件以及确定的选择条件通过召回模型从题库中确定初始候选试题,并获取用户信息,然后将初始候选试题以及用户信息输入至筛选模型;筛选模型基于用户信息确定该用户对每个初始试题的感兴趣分值,并基于该感兴趣分值由高至低的顺序对各初始候选试题排序,将初始候选试题中设定数量的试题确定为目标候选试题,并基于排序顺序分批次将目标候选试题展示给用户,具体如图7中所示,在该图中每一批次(一个批次对应于一个等级)显示两目标候选试题,并且若用户在当前等级中无确定的试题,可以点击图7中的“换一批”的虚拟按钮触发试题更换请求,此时可以将当前批次的下一批次的目标候选试题提供给用户。
步骤S340,当接收到用户基于显示的目标候选试题选择的试题选择操作时,则可以将试题选择操作对应试题替换目标试题,即图4中的替换目标试题
步骤S350,基于替换试题后的初始试卷确定最终试卷,即图4中的确定最终试卷。
作为一个示例,图8中示出了本申请实施例提供的一种试题筛选模型的结构示意图,下面结合该模型对基于用户信息确定各初始候选试题的感兴趣分值的过程进行进一步详细说明。在本示例中,用户信息包括用户的已组试卷中的各历史试题(即图8中的老师行为特征,包括了试题1~试题N),以及用户属性信息(即图8中的老师特征和其它特征),基于召回模型确定的初始候选试题。
在本示例中,试题筛选模型可以初始特征提取模块10、关联特征提取模块20、全连接层(FC)30和分值预测模块40(本示例以softmax为例)。其中,初始特征提取模块10可以先得到各历史试题的词向量、各用户属性信息的词向量以及初始候选试题中的各试题的词向量,然后分别对各历史试题的词向量、用户属性信息的词向量以及初始候选试题中的各试题的词向量进行拼接,得到各历史试题的特征、各用户属性信息的特征以及初始候选试题中的各试题的特征;进一步的,关联特征提取模块20基于各历史试题的特征与初始候选试题中各试题的特征,分别确定各历史试题与初始候选试题中各试题的关联特征(即Interest Activation Unit),然后通过关联特征提取中的平均池化层(Ave Pooling)对各关联特征进行平均池化处理,即对各关联特征进行降维处理,得到处理后的关联特征。
进一步的,可以将各用户属性信息的特征以及初始候选试题中的各试题的特征输入至依次级联的两个全连接层30。其中,第一个全连接层用于将平均池化层输出的处理后的关联特征、以及各用户属性信息的特征进行全连接,并输出一个200维的特征(如图8中(200)所示);第二全连接层用于基于第一个全连接层的输出特征,输出一个维度等于分类的总类别数量的80维特征(如图8中(80)所示),然后输入至分值预测模块(本示例softmax)得到对应的分类结果。其中,该分类结果中的元素值可以是一个分值,也可以是一个概率,本示例中类别总数可以是初始候选试题的数量,此时模型的输出可以是初始候选试题中各试题对应的分类结果(即用户对于初始候选试题中各试题的感兴趣分值,具体如图8中为Output score)。
本申请实施例提供了一种试卷生成装置,如图9所示,该试卷生成装置60可以包括:请求获取模块601、试卷生成模块602、候选试题确定模块603以及试题替换模块604,其中,
请求获取模块601,用于获取用户的试卷生成请求,其中,试卷生成请求中包括试卷生成条件;
试卷生成模块602,用于基于试卷生成条件生成初始试卷,并将初始试卷提供给用户;
候选试题确定模块603,用于在获取到用户针对初始试卷中的目标试题的换题请求时,获取用户的用户信息,基于用户信息从初始候选试题中确定目标试题的目标候选试题;
试题替换模块604,用于将目标候选试题提供给用户,以在获取到用户对目标候选试题中的试题选择操作后,以试题选择操作对应的试题替换目标试题。
在本申请可选的实施例中,目标候选试题包括至少两个等级的候选试题,试题替换模块在将目标候选试题提供给用户时,具体用于:
将最高等级的候选试题提供给用户;
该装置该包括候选试题更换模块,具体用于:
在将当前等级的候选试题提供给用户之后,在获取到用户对于当前等级的候选试题的试题更换请求时,将当前等级的下一等级的候选试题提供给用户。
在本申请可选的实施例中,用户信息包括用户历史行为信息或用户属性信息中的至少一项。
在本申请可选的实施例中,用户历史行为信息包括用户的已组试卷中的各历史试题;
用户属性信息包括用户的年龄、所居住的位置信息、教龄、执教学科、执教的位置信息、执教的学校、执教年级、登录设备信息或登录状态信息中的至少一项。
在本申请可选的实施例中,初始候选试题是基于试卷生成条件、以及至少两种试题选择规则确定的。
在本申请可选的实施例中,候选试题确定模块在基于用户信息从初始候选试题中确定目标试题的目标候选试题时,具体用于:
基于用户信息确定用户对于初始候选试题中各试题的感兴趣分值;
基于初始候选试题中各试题的感兴趣分值,从初始候选试题中确定目标试题的目标候选试题。
在本申请可选的实施例中,用户信息包括用户历史行为信息和用户属性信息,用户历史行为信息包括用户的已组试卷中的各历史试题;
候选试题确定模块在基于用户信息确定用户对于初始候选试题中各试题的感兴趣分值时,具体用于:
分别确定各历史试题与初始候选试题中各试题的关联性;
基于关联性和用户属性信息,确定用户对初始候选试题中各试题的感兴趣分值。
在本申请可选的实施例中,基于初始候选试题中各试题的感兴趣分值,从初始候选试题中确定目标试题的目标候选试题,包括以下任一项:
根据初始候选试题中各试题的感兴趣分值由高至低的顺序,将初始候选试题中设定数量的试题确定为目标候选试题;
将初始候选试题中感兴趣分值大于设定值的各试题确定为目标候选试题。
在本申请可选的实施例中,试题替换模块在将目标候选试题提供给用户时,是按照目标候选试题中各试题的感兴趣分值由高至低的顺序提供给用户。
在本申请可选的实施例中,候选试题确定模块在基于用户信息确定用户对于初始候选试题中各试题的感兴趣分值时,具体用于:
基于用户信息和初始候选试题,通过试题筛选模型,得到用户对于初始候选试题中各试题的感兴趣分值;其中,试题筛选模型是通过以下方式训练得到的:
获取各训练样本,每个训练样本包括各样本试题和样本用户信息,每个训练样本中的各样本试题标注有分值标签;
基于各训练样本对初始筛选模型进行训练,直至模型对应的损失函数收敛,损失函数的值表征了各训练样本中各试题的分值标签所对应的感兴趣分值与模型输出的该训练样本中各样本试题的感兴趣分值之间的差异。
在本申请可选的实施例中,试题筛选模型包括:
初始特征提取模块,用于提取用户信息的特征和初始候选试题中各试题的特征;
分值预测模块,用于基于用户信息的特征和初始候选试题的特征,确定用户对于初始候选试题中各试题的感兴趣分值。
在本申请可选的实施例中,用户信息包括用户历史行为信息和用户属性信息,用户历史行为信息包括用户的已组试卷中的各历史试题,用户信息的特征包括各历史试题的特征和用户属性信息的特征;
试题筛选模型还包括:
关联特征提取模块,用于基于各历史试题的特征与初始候选试题中各试题的特征,分别确定各历史试题与初始候选试题中各试题的关联特征;
分值预测模块,具体用于:
基于关联特征和用户属性信息的特征,确定用户对初始候选试题中各试题的感兴趣分值。
本申请实施例的试卷生成装置可执行本申请实施例提供的一种试卷生成方法,其实现原理相类似,此处不再赘述。
本申请实施例提供了一种试卷生成装置,如图10所示,该试卷生成装置70可以包括:请求接收模块701、试卷获取模块702、候选试题获取模块703以及试题替换模块704,其中,
请求接收模块701,用于接收用户的试卷生成请求,其中,试卷生成请求中包括试卷生成条件;
试卷获取模块702,用于基于试卷生成请求,获取基于试卷生成条件生成的初始试卷,并将初始试卷展示给用户;
候选试题获取模块703,用于在接收到用户针对初始试卷中的目标试题的换题请求时,获取目标试题的目标候选试题并展示给用户,其中,目标候选试题是基于用户的用户信息确定的;
试题替换模块704,用于在接收到用户对目标候选试题中的试题选择操作后,以试题选择操作对应的试题替换目标试题。
本申请实施例的试卷生成装置可执行本申请实施例提供的一种试卷生成方法,其实现原理相类似,此处不再赘述。
本申请实施例提供了一种电子设备,如图11所示,图11所示的电子设备2000包括:处理器2001和存储器2003。其中,处理器2001和存储器2003相连,如通过总线2002相连。可选地,电子设备2000还可以包括收发器2004。需要说明的是,实际应用中收发器2004不限于一个,该电子设备2000的结构并不构成对本申请实施例的限定。
其中,处理器2001应用于本申请实施例中,用于实现图9和图10所示的各模块的功能。
处理器2001可以是CPU,通用处理器,DSP,ASIC,FPGA或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器2001也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线2002可包括一通路,在上述组件之间传送信息。总线2002可以是PCI总线或EISA总线等。总线2002可以分为地址总线、数据总线、控制总线等。为便于表示,图11中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
存储器2003可以是ROM或可存储静态信息和计算机程序的其他类型的静态存储设备,RAM或者可存储信息和计算机程序的其他类型的动态存储设备,也可以是EEPROM、CD-ROM或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储或以数据结构形式的期望的计算机程序并能够由计算机存取的任何其他介质,但不限于此。
存储器2003用于存储执行本申请方案的应用程序的计算机程序,并由处理器2001来控制执行。处理器2001用于执行存储器2003中存储的应用程序的计算机程序,以实现本申请任一可选实施例中所提供的试卷生成方法的步骤或者试卷生成装置的动作。
本申请实施例提供了一种电子设备,本申请实施例中的电子设备包括:处理器;以及存储器,存储器配置用于存储机器计算机程序,该计算机程序在由该处理器执行时,使得该处理器执行直播延迟监控装置方法。
本申请实施例提供了一种计算机可读存储介质,该计算机可读存储介质上用于存储计算机程序,当计算机程序在计算机上运行时,使得计算机可以执行实现试卷生成方法。
本申请中的一种计算机可读存储介质所涉及的名词及实现原理具体可以参照本申请实施例中的一种试卷生成方法,在此不再赘述。
应该理解的是,虽然附图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,其可以以其他的顺序执行。而且,附图的流程图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,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他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。
以上仅是本申请的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (50)
1.一种试卷生成方法,其特征在于,包括:
获取用户的试卷生成请求,其中,所述试卷生成请求中包括试卷生成条件;
基于所述试卷生成条件生成初始试卷,并将所述初始试卷提供给所述用户;
在获取到用户针对所述初始试卷中的目标试题的换题请求时,获取所述用户的用户信息,基于所述用户信息从初始候选试题中确定所述目标试题的目标候选试题;
将所述目标候选试题提供给所述用户,以在获取到用户对所述目标候选试题中的试题选择操作后,以所述试题选择操作对应的试题替换所述目标试题。
2.根据权利要求1所述的方法,其特征在于,所述目标候选试题包括至少两个等级的候选试题,所述将所述目标候选试题提供给所述用户,包括:
将最高等级的候选试题提供给所述用户;
在将当前等级的候选试题提供给所述用户之后,所述方法还包括:
在获取到用户对于当前等级的候选试题的试题更换请求时,将所述当前等级的下一等级的候选试题提供给所述用户。
3.根据权利要求1所述的方法,其特征在于,所述用户信息包括用户历史行为信息或用户属性信息中的至少一项。
4.根据权利要求3所述的方法,其特征在于,所述用户历史行为信息包括所述用户的已组试卷中的各历史试题;
所述用户属性信息包括所述用户的年龄、所居住的位置信息、教龄、执教学科、执教的位置信息、执教的学校、执教年级、登录设备信息或登录状态信息中的至少一项。
5.根据权利要求1所述的方法,其特征在于,所述初始候选试题是基于所述试卷生成条件、以及至少两种试题选择规则确定的。
6.根据权利要求1所述的方法,其特征在于,所述基于所述用户信息从初始候选试题中确定所述目标试题的目标候选试题,包括:
基于所述用户信息确定所述用户对于所述初始候选试题中各试题的感兴趣分值;
基于所述初始候选试题中各试题的感兴趣分值,从所述初始候选试题中确定所述目标试题的目标候选试题。
7.根据权利要求6所述的方法,其特征在于,所述用户信息包括用户历史行为信息和用户属性信息,所述用户历史行为信息包括所述用户的已组试卷中的各历史试题;
基于所述用户信息确定所述用户对于所述初始候选试题中各试题的感兴趣分值,包括:
分别确定各所述历史试题与所述初始候选试题中各试题的关联性;
基于所述关联性和所述用户属性信息,确定所述用户对所述初始候选试题中各试题的感兴趣分值。
8.根据权利要求6所述的方法,其特征在于,在将所述目标候选试题提供给所述用户时,按照所述目标候选试题中各试题的感兴趣分值由高至低的顺序提供给用户。
9.根据权利要求6所述的方法,其特征在于,所述基于所述用户信息确定所述用户对于所述初始候选试题中各试题的感兴趣分值,包括:
基于所述用户信息和所述初始候选试题,通过试题筛选模型,得到所述用户对于所述初始候选试题中各试题的感兴趣分值,所述试题筛选模型包括:
初始特征提取模块,用于提取用户信息的特征和各所述初始候选试题中各试题的特征;
分值预测模块,用于基于所述用户信息的特征和所述初始候选试题的特征,确定所述用户对于所述初始候选试题中各试题的感兴趣分值。
10.根据权利要求9所述的方法,其特征在于,所述用户信息包括用户历史行为信息和用户属性信息,所述用户历史行为信息包括所述用户的已组试卷中的各历史试题,所述用户信息的特征包括各所述历史试题的特征和所述用户属性信息的特征;
所述试题筛选模型还包括:
关联特征提取模块,用于基于各所述历史试题的特征与所述初始候选试题中各试题的特征,分别确定各所述历史试题与所述初始候选试题中各试题的关联特征;
所述分值预测模块,具体用于:
基于所述关联特征和所述用户属性信息的特征,确定所述用户对所述初始候选试题中各试题的感兴趣分值。
11.根据权利要求9所述的方法,其特征在于,所述试题筛选模型是通过以下方式训练得到的:
获取各训练样本,每个所述训练样本包括各样本试题和样本用户信息,每个所述训练样本中的各样本试题标注有分值标签;
基于各所述训练样本对初始筛选模型进行训练,直至模型对应的损失函数收敛,将损失函数收敛时的初始筛选模型确定为所述试题筛选模型,其中,损失函数的值表征了各所述训练样本中各样本试题的分值标签所对应的感兴趣分值与模型输出的该训练样本中各样本试题的感兴趣分值之间的差异。
12.根据权利要求1所述的方法,其特征在于,所述初始候选试题包括至少两个难度等级的候选试题,在获取到用户针对所述初始试卷中的目标试题的换题请求时,所述方法还包括:
将各难度等级对应的选项提供给所述用户;
所述基于所述用户信息从初始候选试题中确定所述目标试题的目标候选试题,包括:
在获取到所述用户对于所述各难度等级中任一难度等级对应的选项的选择操作时,基于所述用户信息从用户所选择的难度等级的初始候选试题中确定目标候选试题。
13.一种试卷生成方法,其特征在于,包括:
接收用户的试卷生成请求,其中,所述试卷生成请求中包括试卷生成条件;
基于所述试卷生成请求,获取基于所述试卷生成条件生成的初始试卷,并将所述初始试卷展示给所述用户;
在接收到用户针对所述初始试卷中的目标试题的换题请求时,获取所述目标试题的目标候选试题并展示给所述用户,其中,所述目标候选试题是基于所述用户的用户信息从初始候选试题中确定出的;
在接收到用户对所述目标候选试题中的试题选择操作后,以所述试题选择操作对应的试题替换所述目标试题。
14.根据权利要求13所述的方法,其特征在于,所述目标候选试题包括至少两个等级的候选试题,所述获取所述目标试题的目标候选试题并展示给所述用户,包括:
获取最高等级的候选试题并提供给所述用户;
在获取到用户对于当前等级的候选试题的试题更换请求时,获取所述当前等级的下一等级的候选试题并提供给所述用户。
15.根据权利要求13所述的方法,其特征在于,所述用户信息包括用户历史行为信息或用户属性信息中的至少一项。
16.根据权利要求15所述的方法,其特征在于,所述用户历史行为信息包括所述用户的已组试卷中的各历史试题;
所述用户属性信息包括所述用户的年龄、所居住的位置信息、教龄、执教学科、执教的位置信息、执教的学校、执教年级、登录设备信息或登录状态信息中的至少一项。
17.根据权利要求13所述的方法,其特征在于,所述初始候选试题是基于所述试卷生成条件、以及至少两种试题选择规则确定的。
18.根据权利要求13所述的方法,其特征在于,所述目标候选试题是通过以下方式确定的:
基于所述用户信息确定所述用户对于所述初始候选试题中各试题的感兴趣分值;
基于所述初始候选试题中各试题的感兴趣分值,从所述初始候选试题中确定所述目标试题的目标候选试题。
19.根据权利要求18所述的方法,其特征在于,所述用户信息包括用户历史行为信息和用户属性信息,所述用户历史行为信息包括所述用户的已组试卷中的各历史试题;
所述基于所述用户信息确定所述用户对于所述初始候选试题中各试题的感兴趣分值,包括:
分别确定各所述历史试题与所述初始候选试题中各试题的关联性;
基于所述关联性和所述用户属性信息,确定所述用户对所述初始候选试题中各试题的感兴趣分值。
20.根据权利要求18所述的方法,其特征在于,在将所述目标候选试题提供给所述用户时,按照所述目标候选试题中各试题的感兴趣分值由高至低的顺序提供给用户。
21.根据权利要求18所述的方法,其特征在于,所述基于所述用户信息确定所述用户对于所述初始候选试题中各试题的感兴趣分值,包括:
基于所述用户信息和所述初始候选试题,通过试题筛选模型,得到所述用户对于所述初始候选试题中各试题的感兴趣分值,所述试题筛选模型包括:
初始特征提取模块,用于提取用户信息的特征和各所述初始候选试题中各试题的特征;
分值预测模块,用于基于所述用户信息的特征和所述初始候选试题的特征,确定所述用户对于所述初始候选试题中各试题的感兴趣分值。
22.根据权利要求21所述的方法,其特征在于,所述用户信息包括用户历史行为信息和用户属性信息,所述用户历史行为信息包括所述用户的已组试卷中的各历史试题,所述用户信息的特征包括各所述历史试题的特征和所述用户属性信息的特征;
所述试题筛选模型还包括:
关联特征提取模块,用于基于各所述历史试题的特征与所述初始候选试题中各试题的特征,分别确定各所述历史试题与所述初始候选试题中各试题的关联特征;
所述分值预测模块,具体用于:
基于所述关联特征和所述用户属性信息的特征,确定所述用户对所述初始候选试题中各试题的感兴趣分值。
23.根据权利要求21所述的方法,其特征在于,所述试题筛选模型是通过以下方式训练得到的:
获取各训练样本,每个所述训练样本包括各样本试题和样本用户信息,每个所述训练样本中的各样本试题标注有分值标签;
基于各所述训练样本对初始筛选模型进行训练,直至模型对应的损失函数收敛,将损失函数收敛时的初始筛选模型确定为所述试题筛选模型,其中,损失函数的值表征了各所述训练样本中各样本试题的分值标签所对应的感兴趣分值与模型输出的该训练样本中各样本试题的感兴趣分值之间的差异。
24.根据权利要求13所述的方法,其特征在于,所述初始候选试题包括至少两个难度等级的候选试题,在接收到用户针对所述初始试卷中的目标试题的换题请求时,所述方法还包括:
将各难度等级对应的选项提供给所述用户;
所述目标候选试题是通过以下方式确定的:
在获取到所述用户对于所述各难度等级中目标难度等级对应的选项的选择操作时,基于所述用户信息从用户所选择的难度等级的初始候选试题中确定目标候选试题。
25.一种试卷生成装置,其特征在于,包括:
请求获取模块,用于获取用户的试卷生成请求,其中,所述试卷生成请求中包括试卷生成条件;
试卷生成模块,用于基于所述试卷生成条件生成初始试卷,并将所述初始试卷提供给所述用户;
候选试题确定模块,用于在获取到用户针对所述初始试卷中的目标试题的换题请求时,获取所述用户的用户信息,基于所述用户信息从初始候选试题中确定所述目标试题的目标候选试题;
试题替换模块,用于将所述目标候选试题提供给所述用户,以在获取到用户对所述目标候选试题中的试题选择操作后,以所述试题选择操作对应的试题替换所述目标试题。
26.根据权利要求25所述的装置,其特征在于,所述目标候选试题包括至少两个等级的候选试题,所述试题替换模块用于:
将最高等级的候选试题提供给所述用户;
所述装置还包括:
候选试题更换模块,用于在将当前等级的候选试题提供给所述用户之后,在获取到用户对于当前等级的候选试题的试题更换请求时,将所述当前等级的下一等级的候选试题提供给所述用户。
27.根据权利要求25所述的装置,其特征在于,所述用户信息包括用户历史行为信息或用户属性信息中的至少一项。
28.根据权利要求27所述的装置,其特征在于,所述用户历史行为信息包括所述用户的已组试卷中的各历史试题;
所述用户属性信息包括所述用户的年龄、所居住的位置信息、教龄、执教学科、执教的位置信息、执教的学校、执教年级、登录设备信息或登录状态信息中的至少一项。
29.根据权利要求25所述的装置,其特征在于,所述初始候选试题是基于所述试卷生成条件、以及至少两种试题选择规则确定的。
30.根据权利要求25所述的装置,其特征在于,所述候选试题确定模块用于:
基于所述用户信息确定所述用户对于所述初始候选试题中各试题的感兴趣分值;
基于所述初始候选试题中各试题的感兴趣分值,从所述初始候选试题中确定所述目标试题的目标候选试题。
31.根据权利要求30所述的装置,其特征在于,所述用户信息包括用户历史行为信息和用户属性信息,所述用户历史行为信息包括所述用户的已组试卷中的各历史试题;
所述候选试题确定模块用于:
分别确定各所述历史试题与所述初始候选试题中各试题的关联性;基于所述关联性和所述用户属性信息,确定所述用户对所述初始候选试题中各试题的感兴趣分值。
32.根据权利要求30所述的装置,其特征在于,在将所述目标候选试题提供给所述用户时,按照所述目标候选试题中各试题的感兴趣分值由高至低的顺序提供给用户。
33.根据权利要求30所述的装置,其特征在于,所述候选试题确定模块用于:
基于所述用户信息和所述初始候选试题,通过试题筛选模型,得到所述用户对于所述初始候选试题中各试题的感兴趣分值,所述试题筛选模型包括:
初始特征提取模块,用于提取用户信息的特征和各所述初始候选试题中各试题的特征;
分值预测模块,用于基于所述用户信息的特征和所述初始候选试题的特征,确定所述用户对于所述初始候选试题中各试题的感兴趣分值。
34.根据权利要求33所述的装置,其特征在于,所述用户信息包括用户历史行为信息和用户属性信息,所述用户历史行为信息包括所述用户的已组试卷中的各历史试题,所述用户信息的特征包括各所述历史试题的特征和所述用户属性信息的特征;
所述试题筛选模型还包括:
关联特征提取模块,用于基于各所述历史试题的特征与所述初始候选试题中各试题的特征,分别确定各所述历史试题与所述初始候选试题中各试题的关联特征;
所述分值预测模块,具体用于:
基于所述关联特征和所述用户属性信息的特征,确定所述用户对所述初始候选试题中各试题的感兴趣分值。
35.根据权利要求33所述的装置,其特征在于,所述试题筛选模型是通过以下方式训练得到的:
获取各训练样本,每个所述训练样本包括各样本试题和样本用户信息,每个所述训练样本中的各样本试题标注有分值标签;
基于各所述训练样本对初始筛选模型进行训练,直至模型对应的损失函数收敛,将损失函数收敛时的初始筛选模型确定为所述试题筛选模型,其中,损失函数的值表征了各所述训练样本中各样本试题的分值标签所对应的感兴趣分值与模型输出的该训练样本中各样本试题的感兴趣分值之间的差异。
36.根据权利要求25所述的装置,其特征在于,所述初始候选试题包括至少两个难度等级的候选试题,在接收到用户针对所述初始试卷中的目标试题的换题请求时,所述候选试题确定模块用于:
将各难度等级对应的选项提供给所述用户;
在获取到所述用户对于所述各难度等级中目标难度等级对应的选项的选择操作时,基于所述用户信息从用户所选择的难度等级的初始候选试题中确定目标候选试题。
37.一种试卷生成装置,其特征在于,包括:
请求接收模块,用于接收用户的试卷生成请求,其中,所述试卷生成请求中包括试卷生成条件;
试卷获取模块,用于基于所述试卷生成请求,获取基于所述试卷生成条件生成的初始试卷,并将所述初始试卷展示给所述用户;
候选试题获取模块,用于在接收到用户针对所述初始试卷中的目标试题的换题请求时,获取所述目标试题的目标候选试题并展示给所述用户,其中,所述目标候选试题是基于所述用户的用户信息从初始候选试题中确定出的;
试题替换模块,用于在接收到用户对所述目标候选试题中的试题选择操作后,以所述试题选择操作对应的试题替换所述目标试题。
38.根据权利要求37所述的装置,其特征在于,所述目标候选试题包括至少两个等级的候选试题,所述候选试题获取模块用于:
获取最高等级的候选试题并提供给所述用户;
在获取到用户对于当前等级的候选试题的试题更换请求时,获取所述当前等级的下一等级的候选试题并提供给所述用户。
39.根据权利要求37所述的装置,其特征在于,所述用户信息包括用户历史行为信息或用户属性信息中的至少一项。
40.根据权利要求39所述的装置,其特征在于,所述用户历史行为信息包括所述用户的已组试卷中的各历史试题;
所述用户属性信息包括所述用户的年龄、所居住的位置信息、教龄、执教学科、执教的位置信息、执教的学校、执教年级、登录设备信息或登录状态信息中的至少一项。
41.根据权利要求37所述的装置,其特征在于,所述初始候选试题是基于所述试卷生成条件、以及至少两种试题选择规则确定的。
42.根据权利要求37所述的装置,其特征在于,所述目标候选试题是通过以下方式确定的:
基于所述用户信息确定所述用户对于所述初始候选试题中各试题的感兴趣分值;
基于所述初始候选试题中各试题的感兴趣分值,从所述初始候选试题中确定所述目标试题的目标候选试题。
43.根据权利要求42所述的装置,其特征在于,所述用户信息包括用户历史行为信息和用户属性信息,所述用户历史行为信息包括所述用户的已组试卷中的各历史试题;
所述初始候选试题中各试题的感兴趣分值是通过以下方式确定的:
分别确定各所述历史试题与所述初始候选试题中各试题的关联性;
基于所述关联性和所述用户属性信息,确定所述用户对所述初始候选试题中各试题的感兴趣分值。
44.根据权利要求42所述的装置,其特征在于,将所述目标候选试题提供给所述用户时,按照所述目标候选试题中各试题的感兴趣分值由高至低的顺序提供给用户。
45.根据权利要求42所述的装置,其特征在于,所述初始候选试题中各试题的感兴趣分值是通过以下方式确定的:
基于所述用户信息和所述初始候选试题,通过试题筛选模型,得到所述用户对于所述初始候选试题中各试题的感兴趣分值,所述试题筛选模型包括:
初始特征提取模块,用于提取用户信息的特征和各所述初始候选试题中各试题的特征;
分值预测模块,用于基于所述用户信息的特征和所述初始候选试题的特征,确定所述用户对于所述初始候选试题中各试题的感兴趣分值。
46.根据权利要求45所述的装置,其特征在于,所述用户信息包括用户历史行为信息和用户属性信息,所述用户历史行为信息包括所述用户的已组试卷中的各历史试题,所述用户信息的特征包括各所述历史试题的特征和所述用户属性信息的特征;
所述试题筛选模型还包括:
关联特征提取模块,用于基于各所述历史试题的特征与所述初始候选试题中各试题的特征,分别确定各所述历史试题与所述初始候选试题中各试题的关联特征;
所述分值预测模块,具体用于:
基于所述关联特征和所述用户属性信息的特征,确定所述用户对所述初始候选试题中各试题的感兴趣分值。
47.根据权利要求45所述的装置,其特征在于,所述试题筛选模型是通过以下方式训练得到的:
获取各训练样本,每个所述训练样本包括各样本试题和样本用户信息,每个所述训练样本中的各样本试题标注有分值标签;
基于各所述训练样本对初始筛选模型进行训练,直至模型对应的损失函数收敛,将损失函数收敛时的初始筛选模型确定为所述试题筛选模型,其中,损失函数的值表征了各所述训练样本中各样本试题的分值标签所对应的感兴趣分值与模型输出的该训练样本中各样本试题的感兴趣分值之间的差异。
48.根据权利要求37所述的装置,其特征在于,所述初始候选试题包括至少两个难度等级的候选试题,在接收到用户针对所述初始试卷中的目标试题的换题请求时,所述候选试题获取模块还用于:
将各难度等级对应的选项提供给所述用户;
所述目标候选试题是通过以下方式确定的:
在获取到所述用户对于所述各难度等级中目标难度等级对应的选项的选择操作时,基于所述用户信息从用户所选择的难度等级的初始候选试题中确定目标候选试题。
49.一种电子设备,其特征在于,包括处理器以及存储器:
所述存储器被配置用于存储计算机程序,所述计算机程序在由所述处理器执行时,使得所述处理器执行权利要求1-24任一项所述的方法。
50.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于存储计算机程序,当所述计算机程序在计算机上运行时,使得计算机可以执行权利要求1-24中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010095205.8A CN111339740B (zh) | 2020-02-14 | 2020-02-14 | 试卷生成方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010095205.8A CN111339740B (zh) | 2020-02-14 | 2020-02-14 | 试卷生成方法、装置、电子设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111339740A CN111339740A (zh) | 2020-06-26 |
CN111339740B true CN111339740B (zh) | 2023-03-31 |
Family
ID=71181553
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010095205.8A Active CN111339740B (zh) | 2020-02-14 | 2020-02-14 | 试卷生成方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111339740B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112699283B (zh) * | 2020-12-28 | 2023-12-01 | 科大讯飞股份有限公司 | 试卷生成方法及装置 |
CN112667866A (zh) * | 2020-12-30 | 2021-04-16 | 广东德诚科教有限公司 | 一种试卷的生成方法、装置、电子设备及存储介质 |
CN113010071B (zh) * | 2021-04-12 | 2022-09-23 | 无锡奥特维科技股份有限公司 | 一种试卷管理方法及装置 |
CN113724111A (zh) * | 2021-08-31 | 2021-11-30 | 陕西万唯教育传媒有限公司 | 试卷创建方法、系统及计算机存储介质 |
CN113704453A (zh) * | 2021-09-01 | 2021-11-26 | 陕西万唯教育传媒有限公司 | 对近似例题的推送方法、系统及计算机储存介质 |
CN113656536B (zh) * | 2021-10-19 | 2022-02-08 | 深圳市菁优智慧教育股份有限公司 | 一种基于机器学习的自动化平行组卷的方法及系统 |
CN116542829A (zh) * | 2023-07-03 | 2023-08-04 | 江西师范大学 | 一种个性化智能组卷及线上考试方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102147894A (zh) * | 2011-04-28 | 2011-08-10 | 江苏欧索软件有限公司 | 人才在线测评系统 |
WO2017142127A1 (ko) * | 2016-02-19 | 2017-08-24 | 김병인 | 단어/숙어 시험 문제 출제 방법, 서버 및 컴퓨터 프로그램 |
CN107918655A (zh) * | 2017-11-16 | 2018-04-17 | 重庆三峡学院 | 一种试卷生成管理控制系统及控制方法 |
WO2018098732A1 (zh) * | 2016-11-30 | 2018-06-07 | 深圳益强信息科技有限公司 | 一种用于教育系统的数据处理方法及装置 |
CN108198115A (zh) * | 2018-04-09 | 2018-06-22 | 山东职业学院 | 一种用于学生管理的应用管控系统 |
CN109118402A (zh) * | 2018-08-31 | 2019-01-01 | 中国人民解放军军事科学院评估论证研究中心 | 一种军队干部在线学习考核评估系统及方法 |
CN109635259A (zh) * | 2018-11-05 | 2019-04-16 | 广东共升教育科技有限公司 | 一种电子试卷生成方法、装置、设备和存储介质 |
CN109783601A (zh) * | 2018-11-23 | 2019-05-21 | 浙江蓝鸽科技有限公司 | 基于测试知识点的计算机智能组卷方法及其系统 |
CN109800400A (zh) * | 2018-12-21 | 2019-05-24 | 武汉天量数据技术有限公司 | 一种生成电子试卷的方法、装置、显示设备及存储介质 |
CN110322375A (zh) * | 2019-05-23 | 2019-10-11 | 平安普惠企业管理有限公司 | 在线面试考核方法、装置、介质及电子设备 |
CN110413973A (zh) * | 2019-07-26 | 2019-11-05 | 浙江蓝鸽科技有限公司 | 计算机自动生成套卷的方法及其系统 |
-
2020
- 2020-02-14 CN CN202010095205.8A patent/CN111339740B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102147894A (zh) * | 2011-04-28 | 2011-08-10 | 江苏欧索软件有限公司 | 人才在线测评系统 |
WO2017142127A1 (ko) * | 2016-02-19 | 2017-08-24 | 김병인 | 단어/숙어 시험 문제 출제 방법, 서버 및 컴퓨터 프로그램 |
WO2018098732A1 (zh) * | 2016-11-30 | 2018-06-07 | 深圳益强信息科技有限公司 | 一种用于教育系统的数据处理方法及装置 |
CN107918655A (zh) * | 2017-11-16 | 2018-04-17 | 重庆三峡学院 | 一种试卷生成管理控制系统及控制方法 |
CN108198115A (zh) * | 2018-04-09 | 2018-06-22 | 山东职业学院 | 一种用于学生管理的应用管控系统 |
CN109118402A (zh) * | 2018-08-31 | 2019-01-01 | 中国人民解放军军事科学院评估论证研究中心 | 一种军队干部在线学习考核评估系统及方法 |
CN109635259A (zh) * | 2018-11-05 | 2019-04-16 | 广东共升教育科技有限公司 | 一种电子试卷生成方法、装置、设备和存储介质 |
CN109783601A (zh) * | 2018-11-23 | 2019-05-21 | 浙江蓝鸽科技有限公司 | 基于测试知识点的计算机智能组卷方法及其系统 |
CN109800400A (zh) * | 2018-12-21 | 2019-05-24 | 武汉天量数据技术有限公司 | 一种生成电子试卷的方法、装置、显示设备及存储介质 |
CN110322375A (zh) * | 2019-05-23 | 2019-10-11 | 平安普惠企业管理有限公司 | 在线面试考核方法、装置、介质及电子设备 |
CN110413973A (zh) * | 2019-07-26 | 2019-11-05 | 浙江蓝鸽科技有限公司 | 计算机自动生成套卷的方法及其系统 |
Non-Patent Citations (1)
Title |
---|
仇玥.网络教育自适应试卷生成技术研究与实践.《中国优秀硕士学位论文全文数据库信息科技辑》.2015,I138-134. * |
Also Published As
Publication number | Publication date |
---|---|
CN111339740A (zh) | 2020-06-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111339740B (zh) | 试卷生成方法、装置、电子设备及可读存储介质 | |
CN112632385B (zh) | 课程推荐方法、装置、计算机设备及介质 | |
JP7104244B2 (ja) | ユーザタグ生成方法並びにその、装置、コンピュータプログラム及びコンピュータ機器 | |
CN111680219B (zh) | 内容推荐方法、装置、设备及可读存储介质 | |
CN111046286B (zh) | 一种对象推荐方法、装置、以及计算机存储介质 | |
CN108319723A (zh) | 一种图片分享方法和装置、终端、存储介质 | |
CN103440243B (zh) | 一种教学资源推荐方法及其装置 | |
CN107291840B (zh) | 一种用户属性预测模型构建方法和装置 | |
CN111460290B (zh) | 信息的推荐方法、装置、设备和存储介质 | |
CN113688326B (zh) | 推荐方法、装置、设备及计算机可读存储介质 | |
CN111091006A (zh) | 一种实体意图体系的建立方法、装置、设备和介质 | |
CN112989146B (zh) | 向目标用户推荐资源的方法、装置、设备、介质和程序产品 | |
US9129216B1 (en) | System, method and apparatus for computer aided association of relevant images with text | |
CN114329207A (zh) | 多业务信息排序系统、方法、存储介质及电子设备 | |
CN112364184A (zh) | 多媒体数据的排序方法、装置、服务器及存储介质 | |
CN111444438A (zh) | 召回策略的准召率的确定方法、装置、设备及存储介质 | |
CN113220974A (zh) | 点击率预测模型训练、搜索召回方法、装置、设备及介质 | |
CN111859091A (zh) | 一种基于人工智能的搜索结果的聚合方法及装置 | |
CN112163163B (zh) | 多算法融合的信息推荐方法、装置和设备 | |
CN113590914B (zh) | 信息处理方法、装置、电子设备和存储介质 | |
CN112905885B (zh) | 向用户推荐资源的方法、装置、设备、介质和程序产品 | |
CN110874432A (zh) | 排序方法、信息推荐方法、系统及装置 | |
CN112464106B (zh) | 对象推荐方法及装置 | |
CN114491249A (zh) | 一种对象推荐方法、装置、设备以及存储介质 | |
CN112417290A (zh) | 书籍排序推送模型的训练方法、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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40024878 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |