CN112053598A - 一种试题推荐方法及装置 - Google Patents

一种试题推荐方法及装置 Download PDF

Info

Publication number
CN112053598A
CN112053598A CN202010966530.7A CN202010966530A CN112053598A CN 112053598 A CN112053598 A CN 112053598A CN 202010966530 A CN202010966530 A CN 202010966530A CN 112053598 A CN112053598 A CN 112053598A
Authority
CN
China
Prior art keywords
test questions
answer
historical test
question
historical
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
Application number
CN202010966530.7A
Other languages
English (en)
Inventor
胡铭铭
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
iFlytek Co Ltd
Original Assignee
iFlytek Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by iFlytek Co Ltd filed Critical iFlytek Co Ltd
Priority to CN202010966530.7A priority Critical patent/CN112053598A/zh
Publication of CN112053598A publication Critical patent/CN112053598A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G09B7/02—Electrically-operated teaching apparatus or devices working with questions and answers of the type wherein the student is expected to construct an answer to the question which is presented or wherein the machine gives an answer to the question presented by a student
    • 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
    • G09B7/06—Electrically-operated teaching apparatus or devices working with questions and answers of the multiple-choice answer-type, i.e. where a given question is provided with a series of answers and a choice has to be made from the answers

Abstract

本申请公开了一种试题推荐方法及装置，该方法包括：在接收到用户触发的试题推荐请求之后，先获取用户已完成的历史试题的答题脑电波及其答题结果，并根据该历史试题的答题脑电波及其答题结果，确定待推荐知识点的用户掌握程度；再根据该待推荐知识点的用户掌握程度确定待推荐试题，并将该待推荐试题推荐给该用户。其中，历史试题为该用户在历史时间段内完成的试题，且该历史试题的考核知识点包括待推荐知识点。可见，因基于历史试题的答题脑电波及其答题结果综合确定的待推荐知识点的用户掌握程度，能够更准确地表征出该用户对该待推荐知识点的掌握程度，使得基于该用户掌握程度确定的待推荐试题更符合该用户对该待推荐知识点的知识点巩固需求。

Description

一种试题推荐方法及装置
技术领域
本申请涉及计算机技术领域，尤其涉及一种试题推荐方法及装置。
背景技术
随着互联网的普及，用户可以利用基于网络的试题推荐系统进行试题练习或考试(也就是，线上试题练习或考试)。
目前，试题推荐系统通常会依据用户的答题结果对该用户进行试题推荐，其具体为：对于一个已答试题来说，若用户回答正确，则确定该用户已掌握该已答试题的考核知识点，此时试题推荐系统会少推荐(甚至不推荐)该已答试题的考核知识点下的试题；若用户回答错误，则确定该用户仍未掌握该已答试题的考核知识点，此时试题推荐系统会多推荐该已答试题的考核知识点下的试题。
然而，因上述试题推荐系统进行试题推荐时所依据的信息比较单一，导致上述试题推荐系统推荐的试题不准确。
发明内容
本申请实施例的主要目的在于提供一种试题推荐方法及装置，能够提高试题推荐的准确性。
本申请实施例提供了一种试题推荐方法，所述方法包括：
在接收到用户触发的试题推荐请求之后，获取历史试题的答题脑电波和所述历史试题的答题结果；其中，所述历史试题为所述用户在历史时间段内完成的试题；
根据所述历史试题的答题脑电波和所述历史试题的答题结果，确定待推荐知识点的用户掌握程度；其中，所述历史试题的考核知识点包括所述待推荐知识点；
根据所述待推荐知识点的用户掌握程度，确定所述待推荐试题；
将所述待推荐试题推荐给所述用户。
本申请实施例还提供了一种试题推荐装置，所述装置包括：
信息获取单元，用于在接收到用户触发的试题推荐请求之后，获取历史试题的答题脑电波和所述历史试题的答题结果；其中，所述历史试题为所述用户在历史时间段内完成的试题；
知识确定单元，用于根据所述历史试题的答题脑电波和所述历史试题的答题结果，确定待推荐知识点的用户掌握程度；其中，所述历史试题的考核知识点包括待推荐知识点；
试题确定单元，用于根据所述待推荐知识点的用户掌握程度，确定所述待推荐试题；
试题推荐单元，用于将所述待推荐试题推荐给所述用户。
本申请实施例还提供了一种试题推荐设备，包括：处理器、存储器、系统总线；
所述处理器以及所述存储器通过所述系统总线相连；
所述存储器用于存储一个或多个程序，所述一个或多个程序包括指令，所述指令当被所述处理器执行时使所述处理器执行本申请实施例提供的试题推荐方法的任一种实现方法。
本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在终端设备上运行时，使得所述终端设备执行本申请实施例提供的试题推荐方法的任一种实现方法。
本申请实施例还提供了一种计算机程序产品，所述计算机程序产品在终端设备上运行时，使得所述终端设备执行本申请实施例提供的试题推荐方法的任一种实现方法。
基于上述技术方案，本申请具有以下有益效果：
本申请提供的试题推荐方法中，在接收到用户触发的试题推荐请求之后，先获取用户已完成的历史试题的答题脑电波及其答题结果，并根据该历史试题的答题脑电波及其答题结果，确定待推荐知识点的用户掌握程度；再根据该待推荐知识点的用户掌握程度确定待推荐试题，并将该待推荐试题推荐给该用户。其中，上述历史试题为该用户在历史时间段内完成的试题，而且该历史试题的考核知识点包括上述待推荐知识点。
可见，因历史试题的答题脑电波能够准确地表征用户在解答该历史试题时所具有的生理状态(如，平和、紧张和着急等)，使得基于历史试题的答题脑电波及其答题结果综合确定的待推荐知识点的用户掌握程度，能够更准确地表征出该用户对该待推荐知识点的掌握程度，从而使得基于该待推荐知识点的用户掌握程度确定的待推荐试题更符合该用户对该待推荐知识点的知识点巩固需求，如此有利于提高试题推荐的准确性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的应用于终端设备的试题推荐方法的应用场景示意图；
图2为本申请实施例提供的应用于服务器的试题推荐方法的应用场景示意图；
图3为本申请实施例提供的一种试题推荐方法的流程图；
图4为本申请实施例提供的一个历史试题对应的脑电信号示意图；
图5为本申请实施例提供的一种确定预设脑电指标的过程示意图；
图6为本申请实施例提供的试题推荐装置的结构示意图。
具体实施方式
为了便于理解本申请技术方案，下面介绍一些基本概念。
已做试题是指用户在试题推荐系统中已经完成的试题。
答题结果用于描述用户向试题推荐系统提交的试题答案与对应的标准答案是否一致。
考核知识点用于描述一个试题所考核的知识内容，而且每个试题均包括至少一个考核知识点。另外，一个试题的考核知识点可以预先依据考试大纲进行确定。
题型是指试题类型。例如，题型可以是选择题、解答题、填空题等等。
脑电波(Electroencephalogram，EEG)是一种使用电生理指标记录大脑活动的方法，而且脑电波是大脑在活动时大量神经元同步发生的突触后电位经总和后形成的。另外，脑电波记录大脑活动时的电波变化，是脑神经细胞的电生理活动在大脑皮层或头皮表面的总体反映。此外，脑电波能够客观地描述用户的生理状态，例如，用户处于紧张状态，或处于身体放松状态，或处于睡意朦胧状态，则该用户的大脑会产生不同的脑电波。
发明人在针对试题推荐的研究中发现：在相关技术中，可以只依据用户已做试题的答题结果对该用户进行试题推荐。实际上，用户已做试题的答题结果无法准确地表征该用户是否已掌握该已做试题的考核知识点。例如，针对一个已做试题来说，若该用户只是猜对了该已做试题的答案，则表示该用户实际上仍未掌握该已做试题的考核知识点，但是该已做试题的答题结果却表示出该用户已经掌握了该已做试题的考核知识点。可见，因用户已做试题的答题结果无法准确地表征出该用户是否已掌握该已做试题的考核知识点，使得只基于用户已做试题的答题结果确定的待推荐试题也无法完全符合该用户针对该已做试题的考核知识点的知识点巩固需求，从而导致试题推荐的准确性较低。
为了解决背景技术部分的技术问题以及上述相关技术存在的缺陷，本申请实施例提供了一种试题推荐方法，该方法包括：在接收到用户触发的试题推荐请求之后，先获取用户已完成的历史试题的答题脑电波及其答题结果，并根据该历史试题的答题脑电波及其答题结果，确定待推荐知识点的用户掌握程度；再根据该待推荐知识点的用户掌握程度确定待推荐试题，并将该待推荐试题推荐给该用户。其中，上述历史试题为该用户在历史时间段内完成的试题，而且该历史试题的考核知识点包括上述待推荐知识点。
可见，因历史试题的答题脑电波能够准确地表征用户在解答该历史试题时所具有的生理状态(如，平和、紧张和着急等)，使得基于历史试题的答题脑电波及其答题结果综合确定的待推荐知识点的用户掌握程度，能够更准确地表征出该用户对该待推荐知识点的掌握程度，从而使得基于该待推荐知识点的用户掌握程度确定的待推荐试题更符合该用户对该待推荐知识点的知识点巩固需求，如此有利于提高试题推荐的准确性。
另外，本申请实施例不限定试题推荐方法的执行主体，例如，本申请实施例提供的试题推荐方法可以应用于终端设备或服务器等数据处理设备。其中，终端设备可以为智能手机、计算机、个人数字助理(Personal Digital Assitant，PDA)或平板电脑等。服务器可以为独立服务器、集群服务器或云服务器。
为了便于理解本申请实施例提供的技术方案，下面分别结合图1和图2对本申请实施例提供的试题推荐方法的应用场景进行示例性介绍。其中，图1为本申请实施例提供的应用于终端设备的试题推荐方法的应用场景示意图；图2为本申请实施例提供的应用于服务器的试题推荐方法的应用场景示意图。
在图1所示的应用场景中，当用户101在终端设备102上触发试题推荐请求时，终端设备102接收该试题推荐请求，并通过执行本申请实施例提供的试题推荐方法向用户101进行试题推荐。例如，终端设备102向用户101进行试题推荐的过程具体可以为：终端设备102先获取用户101已完成的历史试题的答题脑电波及其答题结果，并根据该历史试题的答题脑电波及其答题结果，确定待推荐知识点的用户掌握程度；再根据该待推荐知识点的用户掌握程度确定待推荐试题，并将该待推荐试题推荐给用户101，以使用户101能够在终端设备102上查看该待推荐试题。
在图2所示的应用场景中，当用户201在终端设备202上触发试题推荐请求时，终端设备202接收该试题推荐请求，并将该试题推荐请求转发给服务器203，以使服务器203通过执行本申请实施例提供的试题推荐方法向用户201进行试题推荐。例如，服务器203向用户201进行试题推荐的过程具体可以为：服务器203先获取用户201已完成的历史试题的答题脑电波及其答题结果，并根据该历史试题的答题脑电波及其答题结果，确定待推荐知识点的用户掌握程度；再根据该待推荐知识点的用户掌握程度确定待推荐试题，并将该待推荐试题发送给终端设备202进行显示，以使用户201能够在终端设备202上查看该待推荐试题。
需要说明的是，本申请实施例提供的试题推荐方法不仅能够应用于图1或图2所示的应用场景中，还可以应用于其他需要进行试题推荐的应用场景中，本申请实施例对此不做具体限定。
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
方法实施例一
参见图3，该图为本申请实施例提供的一种试题推荐方法的流程图。
本申请实施例提供的试题推荐方法，包括S301-304：
S301：在接收到用户触发的试题推荐请求之后，获取历史试题的答题脑电波和历史试题的答题结果。
试题推荐请求用于请求向用户推荐试题，而且本申请实施例不限定用户触发试题推荐请求的实施方式。例如，用户可以通过点击推荐按钮的方式触发试题推荐请求，也可以通过打开、切换或刷新试题推荐页面的方式触发试题推荐请求。
历史试题为用户在历史时间段内完成的试题。其中，历史时间段是指位于当前时刻之前的时间段。另外，本申请实施例不限定历史试题，例如，该历史试题可以是指考试过程中完成的试题(也就是，考试试卷中的试题)，也可以是指试题练习过程中完成的试题。此外，本申请实施例也不限定历史试题的个数，例如，该历史试题的个数可以为T，且该T个历史试题的考核知识点之间存在交集。其中，T为正整数。
历史试题的答题脑电波是指用户在解答该历史试题时出现的脑电波。另外，本申请实施例不限定答题脑电波的采集设备，可以采用任一种能够用于采集用户脑电波的设备进行采集。
需要说明的是，由于用户在解答一个历史试题时出现的脑电波通常包括多个周期的脑电信号(如图4所示)，而且一个周期的脑电信号的特征不显著，故可以将在该历史试题的解答过程中出现的多个周期的脑电信号进行信号叠加，得到上述历史试题的答题脑电波，以提高该历史试题的答题脑电波的特征显著性。
历史试题的答题结果用于表征用户是否正确解答出该历史试题。另外，历史试题的答题结果的确定过程为：在获取到用户针对该历史试题给出的用户答案之后，将该用户答案与该历史试题的标准答案进行比对，得到该历史试题的答题结果，以使该答题结果能够准确地表示出该用户是否正确地解答出该历史试题。此外，本申请实施例不限定答题结果的表示方式，例如，可以利用试题得分进行表示。
基于上述S301的相关内容可知，在接收到用户触发的试题推荐请求之后，可以获取该用户已完成的历史试题的答题脑电波及其答题结果，以便后续能够基于该历史试题的答题脑电波及其答题结果进行试题推荐。其中，因历史试题的答题脑电波能够准确地描述出用户在解答该历史试题时的生理状态，而且该历史试题的答题结果能够准确地描述出用户是否正确解答出该历史试题，使得在依据该历史试题的答题脑电波及其答题结果进行试题推荐时，能够同时考虑到用户在解答该历史试题时的生理状态以及用户针对该历史试题的答题结果进行综合推荐，如此有利于提高试题推荐的准确性。
S302：根据历史试题的答题脑电波和历史试题的答题结果，确定待推荐知识点的用户掌握程度。
待推荐知识点是指需要进行试题推荐的知识点。另外，因历史试题的考核知识点包括待推荐知识点，使得待推荐知识点可以根据历史试题的考核知识点确定的，其具体为：若历史试题的个数为1，则可以将该历史试题的考核知识点中的至少一个，确定为待推荐知识点。又如，若历史试题的个数为T≥2，则可以将T个历史试题所共有的考核知识点中的至少一个，确定为待推荐知识点。
待推荐知识点的用户掌握程度用于表征用户对该待推荐知识点的掌握程度。
另外，本申请实施例不限定用户掌握程度的表示方式，为了便于理解，下面结合两个示例进行说明。
示例1，用户掌握程度可以按照百分比的方式进行表示。例如，若待推荐知识点的用户掌握程度为80％，则表示该用户对该待推荐知识点的掌握程度达到80％。
示例2，用户掌握程度可以按照矩阵的方式进行表示，而且该矩阵能够表示用户对不同题型的掌握程度。例如，当待推荐知识点所涉及的题型包括选择题、填空题和解答题时，则待推荐知识点的用户掌握程度可以是矩阵[选择题的用户掌握程度，填空题的用户掌握程度，解答题的用户掌握程度]。其中，选择题的用户掌握程度表示该用户对待推荐知识点下选择题的掌握程度；填空题的用户掌握程度表示该用户对待推荐知识点下填空题的掌握程度；解答题的用户掌握程度表示该用户对待推荐知识点下解答题的掌握程度。
另外，本申请实施例还提供了确定待推荐知识点的用户掌握程度的多种实施方式，技术详情请参见下文方法实施例二至方法实施例四。
基于上述S302的相关内容可知，本申请实施例中，在获取到历史试题的答题脑电波及其答题结果之后，可以先依据该历史试题的考核知识点，确定出待推荐知识点；再依据该历史试题的答题脑电波及其答题结果，确定出用户对该待推荐知识点的用户掌握程度，以便后续能够基于该用户掌握程度，向用户进行该待推荐知识点下的试题推荐。
S303：根据待推荐知识点的用户掌握程度，确定待推荐试题。
其中，待推荐试题是指属于待推荐知识点的用于推荐给用户的试题。另外，本申请实施例不限定待推荐试题的确定过程，为了便于理解，下面结合一种可能的实施方式进行说明。
在一种可能的实施方式下，S303具体可以包括S3031-S3032：
S3031：根据待推荐知识点的用户掌握程度，确定待推荐知识点的试题推荐参数。
其中，待推荐知识点的试题推荐参数用于描述针对待推荐知识点向用户进行试题推荐时所需达到的约束条件。
另外，本申请实施例不限定待推荐知识点的试题推荐参数。例如，历史试题的的试题推荐参数可以包括题型推荐分配比例、试题推荐数量、试题推荐频率、试题重复比例和试题推荐内容中的至少一个。
题型推荐分配比例用于描述针对待推荐知识点下的各个题型向用户进行试题推荐时需要达到的分配比例。例如，当待推荐知识点下的题型包括选择题、解答题和填空题时，该题型推荐分配比例可以为：选择题30％，填空题20％，解答题50％。
试题推荐数量是指每次针对待推荐知识点向用户进行试题推荐时所需推荐的试题总数。例如，若试题推荐数量为10，则表示每次需要针对待推荐知识点向用户推荐10个待推荐试题。
试题推荐频率用于描述针对待推荐知识点向用户进行试题推荐的发生周期。例如，若试题推荐频率为1/7(次/天)，则表示每隔7天向用户推荐一次待推荐知识点下的待推荐试题。
试题重复比例用于描述第y次向用户推荐的在待推荐知识点下的待推荐试题与第g次向用户推荐的在待推荐知识点下的待推荐试题之间的试题重复个数。其中，y为正整数，g为正整数。
试题推荐内容用于描述针对待推荐知识点向用户进行待推荐试题时需要依据的试题内容约束(也就是，选择什么样的试题作为待推荐试题)。其中，试题推荐内容可以包括试题难度、试题复杂度、试题的考核知识点、试题的考核知识点的分配比重等等中的至少一个。
基于上述S3031的相关内容可知，在获取到待推荐知识点的用户掌握程度之后，可以先依据该待推荐知识点的用户掌握程度，确定该待推荐知识点的试题推荐参数，以便后续能够按照该试题推荐参数进行试题推荐。
S3032：依据待推荐知识点的试题推荐参数，从待推荐知识点的候选试题中确定待推荐试题。
本申请实施例中，在获取到待推荐知识点的试题推荐参数之后，可以按照该待推荐知识点的试题推荐参数，从待推荐知识点的候选试题中确定待推荐试题，以使该待推荐试题能够符合用户对该待考核知识点的知识巩固需求，如此有利于提高试题推荐的准确性。
需要说明的是，本申请实施例不限定待推荐知识点的候选试题，例如，待推荐知识点的候选试题可以为试题库中的各个候选试题。又如，待推荐知识点的候选试题可以为预先确定的待推荐知识点下的候选试题。
其中，待推荐知识点下的候选试题是指以待推荐知识点作为考核知识点的候选试题。另外，本申请实施例不限定待推荐知识点下的候选试题的确定方式，例如，将待推荐知识点与试题库中的每个候选试题的考核知识点进行匹配，以将匹配成功的试题确定为待推荐知识点下的候选试题。
基于上述S303的相关内容可知，本申请实施例中，在获取到待推荐知识点的用户掌握程度之后，可以依据该待推荐知识点的用户掌握程度，确定该待推荐知识点的待推荐试题，以使该待推荐试题能够符合用户针对待推荐知识点的知识点巩固需求，有利于提高试题推荐的准确性。
S304：将待推荐试题推荐给用户。
本申请实施例中，在获取到待推荐试题之后，可以直接将待推荐试题推荐给用户，以使这些待推荐试题能够满足用户巩固待推荐知识点的需求。另外，若待推荐知识点的试题推荐参数包括试题推荐频率，则可以按照该试题推荐频率将待推荐试题推荐给用户，以使该用户能够对待推荐知识点进行循环巩固，如此能够满足户针对待推荐知识点的知识点巩固需求。
基于上述S301至S304的相关内容可知，在接收到用户触发的试题推荐请求之后，先获取用户已完成的历史试题的答题脑电波及其答题结果，并根据该历史试题的答题脑电波及其答题结果，确定待推荐知识点的用户掌握程度；再根据该待推荐知识点的用户掌握程度确定待推荐试题，并将该待推荐试题推荐给该用户。其中，上述历史试题为该用户在历史时间段内完成的试题，而且该历史试题的考核知识点包括上述待推荐知识点。
可见，因历史试题的答题脑电波能够准确地表征用户在解答该历史试题时所具有的生理状态(如，平和、紧张和着急等)，使得基于历史试题的答题脑电波及其答题结果综合确定的待推荐知识点的用户掌握程度，能够更准确地表征出该用户对该待推荐知识点的掌握程度，从而使得基于该待推荐知识点的用户掌握程度确定的待推荐试题更符合该用户对该待推荐知识点的知识点巩固需求，如此有利于提高试题推荐的准确性。
方法实施例二
为了提高待推荐知识点的用户掌握程度准确性，本申请实施例还提供了确定待推荐知识点的用户掌握程度(也就是，S302)的一种实施方式，其具体包括S302A1-S302A2：
S302A1：根据历史试题的答题脑电波和历史试题的答题结果，确定待推荐知识点的用户应用得分。
其中，待推荐知识点的用户应用得分用于描述该用户对待推荐知识点的应用能力。
另外，为了提高待推荐知识点的用户应用得分的准确性，本申请实施例提供了S302A1的一种实施方式，其具体可以包括S302A11-S302A12：
S302A11：根据历史试题的答题脑电波和历史试题的参考脑电波，确定历史试题的答题状态。
历史试题的参考脑电波是指在确定该历史试题的答题状态时所需参考的参考对象。另外，本申请实施例不限定历史试题的参考脑电波，为了便于理解历史试题的参考脑电波，下面结合两个示例进行说明。
示例1，历史试题的参考脑电波可以为用户的静息脑电波。其中，用户的静息脑电波是指用户处于静息状态下所具有的脑电波。另外，用户的静息脑电波可以预先采集，而且本申请实施例不限定用户的静息脑电波的采集时间，只需在使用之前(例如，在执行S302A11之前)完成采集即可。
可见，本申请实施例中，在判断用户在解答该历史试题时具有的答题状态时，可以将用户在静息状态的脑电波作为参照对象进行确定。其中，因用户的静息脑电波能够准确地表示出用户在静息状态下的脑电波，使得在将用户的静息脑电波作为参照对象时，能够准确地确定出用户在解答历史试题时所产生的生理状态变化。
示例2，历史试题的参考脑电波可以为该历史试题的题型标准脑电波。
其中，题型标准脑电波用于描述一个题型的标准解答状态，而且不同题型对应于不同的题型标准脑电波。需要说明的是，每个题型对应的题型标准脑电波可以预先利用大数据分析的方法，从大量用户解答该题型时所具有的脑电波进行确定。
在一些情况下，可以预先构建每个题型与每个题型对应的题型标准脑电波之间的对应关系，以便后续能够基于该对应关系确定历史试题的题型标准脑电波。可见，当历史试题的参考脑电波为历史试题的题型标准脑电波时，该历史试题的参考脑电波的确定过程可以为：根据历史试题的题型和预设映射关系，确定历史试题的参考脑电波；其中，预设映射关系包括历史试题的题型和历史试题的参考脑电波之间的对应关系。
基于上述示例2的相关内容可知，因不同题型具有不同的解答状态，故为了提高答题状态的确定准确性，可以基于每种题型的标准解答状态来确定历史试题的答题状态；还因题型标准脑电波能够准确地描述出一个题型的标准解答状态，故可以将历史试题的题型标准脑电波作为该历史试题的参考脑电波，以便后续能够以该历史试题的题型标准脑电波作为参照对象，确定用户在解答历史试题时所产生的生理状态变化。
示例3，历史试题的参考脑电波可以为该历史试题的试题标准脑电波。其中，试题标准脑电波用于描述一个试题的标准解答状态，而且不同试题对应于不同的试题标准脑电波。需要说明的是，每个试题对应的试题标准脑电波可以预先利用大数据分析的方法，从大量用户解答该试题时所具有的脑电波进行确定。
可见，因不同试题具有不同的解答状态，故为了提高答题状态的确定准确性，可以基于每种试题型的标准解答状态来确定历史试题的答题状态；还因试题标准脑电波能够准确地描述出一个试题的标准解答状态，故可以将历史试题的试题标准脑电波作为该历史试题的参考脑电波，以便后续能够以该历史试题的试题标准脑电波作为参照对象，确定用户在解答历史试题时所产生的生理状态变化。
历史试题的答题状态是指用户在解答该历史试题时所具有的试题解答状态(如紧张、平静和着急等等状态)。
实际上，与认知(如，注意力、学习、逻辑推断等)相关的脑电波指标(如幅度、频率、峭度等)能够准确地描述用户做题时的生理状态，而且用户做题时的不同生理状态对应于不同的脑电波指标。基于此，本申请实施例还提供了确定历史试题的答题状态(也就是，S302A11)的两种可能的实施方式，下面分别进行介绍。
在第一种实施方式下，S302A11具体可以为：先根据历史试题的答题脑电波和预设脑电指标，确定历史试题的答题脑电特征，并根据历史试题的参考脑电波和预设脑电指标，确定用户的参考脑电特征；再根据历史试题的答题脑电特征和用户的参考脑电特征，确定历史试题的答题状态。
其中，预设脑电指标是指与认知相关的脑电波指标，也就是，该预设脑电指标能够描述出用户的认知能力(如，注意力、学习能力、逻辑推断能力等)。
另外，预设脑电指标可以预先设定。此外，本申请实施例还提供了一种预设脑电指标的确定过程，其具体包括步骤11-步骤14：
步骤11：根据预设关键词和预设文献数据库，确定候选文献。
其中，预设关键词为预先设定的用于搜索与认知相关的脑电波指标所需依据的关键词。另外，本申请实施例不限定预设关键词，例如，预设关键词可以包括脑电波(或者，EEG)、认知(或者，cognitive)、学习(或者，learning)中的至少一个。
预设文献数据库是指预先设定的用于搜索与认知相关的脑电波指标所需使用的文献数据库。另外，本申请实施例不限定预设文献数据库，例如，预设文献数据库可以为“web of science”、“Proquest”、和“中国知网”中的至少一个。
候选文献是指按照预设关键词从预设文献数据库筛选出来的文献。另外，本申请实施例不限定候选文献的个数，例如，候选文献的个数为正整数，且候选文献的个数≥1。
基于上述步骤11的相关内容可知，可以根据预设关键词和预设文献数据库确定候选文献，其具体为：在预设文献数据库中按照预设关键词进行文献搜索，并将与预设关键词匹配成功的文献确定为候选文献。
步骤12：将满足预设筛选标准的候选文献，确定为目标文献。
其中，预设筛选标准用于描述记录有与认知相关的脑电波指标的文献所达到的条件，而且预设筛选标准是指预先根据应用场景设定的。
基于上述步骤12的相关内容可知，本申请实施例中，在获取到至少一个候选文献之后，可以判断每个候选文献是否符合预设筛选标准，若符合，则将该候选文献确定为目标文献；若不符合，则舍弃该候选文献，如此保证筛选得到的目标文献确实是记录有与认知相关的脑电波指标的文献，从而有利于提高预设脑电指标的确定效率。
步骤13：生成目标文献的指标关注信息。
其中，指标关注信息用于描述脑电波指标的相关数据(如，实验数据等)。另外，本申请实施例不限定指标关注信息，例如，指标关注信息可以包括文献作者、文献发表时间、实验的样本人数、实验的样本年龄、实验范式、和实验中的脑电波指标等等。
另外，本申请实施例不限定目标文献的指标关注信息的获取方式，例如，可以采用元分析编码的方式进行获取。
步骤14：根据目标文献的指标关注信息，确定预设脑电指标。
本申请实施例中，在获取到目标文献的指标关注信息，可以依据目标文献的指标关注信息确定预设脑电指标，其具体为：对该目标文献的指标关注信息进行分析，得到与认知最相关的M个脑电波指标，作为预设脑电指标。其中，M为正整数。
需要说明的是，本申请实施例不限定对该目标文献的指标关注信息进行分析的分析过程，例如，可以将目标文献的指标关注信息输入到Comprehensive Meta-analysis软件中进行分析。
基于上述步骤11至步骤14的相关内容可知，如图5所示，为了保证预设脑电指标的准确性以及全面性，可以从预设文献数据库中的文献中提取出与认知最相关的M个脑电波指标，作为预设脑电指标，以使得该预设脑电指标能够准确地表征出用户的生理状态。
历史试题的答题脑电特征是指用户在解答历史试题时脑电波具有的脑电波指标。
用户的参考脑电特征是指历史试题的参考脑电波所具有的脑电波指标。
基于上述S302A11的第一种实施方式的相关内容可知，在获取到历史试题的答题脑电波之后，先依据预设脑电波指标确定出该历史试题的答题脑电特征，以使该历史试题的答题脑电特征能够准确地表示出该用户在解答历史试题时生理状态；再将该历史试题的答题脑电特征与用户的参考脑电特征进行比对(或者，作差)，得到历史试题的答题状态，以使该答题状态能够准确地表征出该用户在解答该历史试题时所具有的试题解答状态。
在第二种实施方式下，S302A11具体可以为：将历史试题的答题脑电波与历史试题的参考脑电波作差，得到差值脑电波；根据差值脑电波和预设脑电指标，确定历史试题的答题状态。
其中，差值脑电波用于描述历史试题的答题脑电波与历史试题的参考脑电波之间的差距。
基于上述S302A11的第二种实施方式的相关内容可知，在获取到历史试题的答题脑电波之后，先将历史试题的答题脑电波与历史试题的参考脑电波作差，得到差值脑电波，以使该差值脑电波能够准确地表示出用户在解答历史试题时生理状态变化；再依据预设脑电指标确定出该差值脑电波的脑电指标，并将该差值脑电波的脑电指标确定为历史试题的答题状态，以使该历史试题的答题状态能够准确地表征出该用户在解答该历史试题时所具有的试题解答状态。
基于上述S302A11的相关内容可知，在获取到历史试题的答题脑电波之后，可以依据历史试题的答题脑电波和该历史试题的参考脑电波之间的差距，确定出该历史试题的答题状态，以使该历史试题的答题状态能够准确地表征出该用户在解答该历史试题时所具有的试题解答状态。
S302A12：根据历史试题的答题状态和历史试题的答题结果，确定待推荐知识点的用户应用得分。
为了便于理解S302A12，下面结合两个应用场景进行说明。
应用场景1，当历史试题的个数为1时，S302A12具体可以为：先根据历史试题的答题状态和该历史试题的答题结果，得到该历史试题的试题得分；再将该历史试题的试题得分，确定为待推荐知识点的用户应用得分。
其中，历史试题的试题得分用于描述用户对该历史试题的解答能力。另外，本申请实施例不限定历史试题的试题得分的计算过程，例如，如公式(1)所示，可以将历史试题的答题状态和该历史试题的答题结果进行加权求和，得到该历史试题的试题得分。
ST＝We×Fe+Ws×Fs (1)
式中，ST为历史试题的试题得分；Fe为历史试题的答题状态，且Fe是ne×1维，ne为正整数；We为历史试题的答题状态对应的权重，且We为1×ne维；Fs为历史试题的答题结果；Ws为历史试题的答题结果对应的权重。
需要说明的是，We和Ws可以预先设定或预先确定，而且本申请实施例不限定We和Ws的获取过程，例如，可以采用单因素分析的方法获取We和Ws。
基于上述应用场景1的相关内容可知，当历史试题的个数为1(也就是，针对一个历史试题进行试题推荐)时，可以先利用该历史试题的答题状态及其答题结果，确定出该历史试题的试题得分；再将该历史试题的试题得分直接作为待推荐知识点的用户应用得分，以使该待推荐知识点的用户应用得分能够准确地表示出该用户针对该历史试题的考核知识点的应用能力。
应用场景2，当历史试题的个数为T，T≥2，且T个历史试题的考核知识点均包括待推荐知识点时，S302A12具体可以包括步骤21-步骤24：
步骤21：将T个历史试题按照题型进行划分，得到R个题型集合；其中，R为正整数。
本申请实施例中，可以将T个历史试题按照题型进行划分，得到R个题型集合。例如，当T为5，第1个历史试题为选择题、第2个历史试题为选择题、第3个历史试题为解答题、第4个历史试题为解答题、且第5个历史试题为填空题时，可以将该5个历史试题划分为3个题型集合，以使位于同一个题型集合中的历史试题具有相同的题型，其具体为：第1个题型集合包括第1个历史试题和第2个历史试题，第2个题型集合包括第3个历史试题和第4个历史试题，第3个题型集合包括第5个历史试题。
步骤22：根据第r个题型集合中各个历史试题的答题状态及其答题结果，确定第r个题型集合的集合得分；其中，r为正整数，r≤R。
其中，第r个题型集合的集合得分用于描述用户对待推荐知识点下第r个题型的解答能力。
另外，本申请实施例还提供了步骤22的一种实施方式，在该实施方式中，当第r个题型集合包括mr个历史试题，且mr为正整数时，步骤22具体可以包括步骤221-步骤222：
步骤221：根据第r个题型集合中第k个历史试题的答题状态及其答题结果，得到第r个题型集合中第k个历史试题的试题得分；其中，k为正整数，k≤mr。
其中，第r个题型集合中第k个历史试题的试题得分用于描述用户对第r个题型集合中第k个历史试题的解答能力。
另外，本申请实施例不限定第r个题型集合中第k个历史试题的试题得分的计算过程，例如，第r个题型集合中第k个历史试题的试题得分可以采用上文公式(1)进行计算得到。
步骤222：根据第r个题型集合中第1个历史试题的试题得分至第r个题型集合中第mr个历史试题的试题得分，得到第r个题型集合的集合得分。
本申请实施例中，在获取到第r个题型集合中各个历史试题的试题得分之后，可以根据第r个题型集合中所有历史试题的试题得分，得到第r个题型集合的集合得分。例如，可以将第r个题型集合中所有历史试题的试题得分的加权平均值，确定为第r个题型集合的集合得分。
基于上述步骤221至步骤222的相关内容可知，对于第r个题型集合来说，可以先计算该第r个题型集合中各个历史试题的试题得分，再基于该第r个题型集合中所有历史试题的试题得分，得到第r个题型集合的集合得分，以使该第r个题型集合的集合得分能够准确地表征出用户对待推荐知识点下第r个题型的解答能力。
需要说明的是，本申请实施例中，任一题型集合的集合得分都可以采用上述步骤221至步骤222进行确定。
步骤23：根据第1个题型集合的集合得分至第R个题型集合的集合得分，得到待推荐知识点的用户应用得分。
为了便于理解步骤23，下面结合两个示例进行说明。
示例1，若待推荐知识点的用户应用得分为数值，则步骤23具体可以为：将第1个题型集合的集合得分至第R个题型集合的集合得分进行加和，得到待推荐知识点的用户应用得分；或者，将第1个题型集合的集合得分至第R个题型集合的集合得分的平均值，确定为待推荐知识点的用户应用得分。
示例2，若待推荐知识点的用户应用得分为矩阵，则步骤23具体可以为：将第1个题型集合的集合得分至第R个题型集合的集合得分的集合，确定为待推荐知识点的用户应用得分[第1个题型集合的集合得分，第2个题型集合的集合得分，……，第R个题型集合的集合得分]。
可见，本申请实施例中，在获取到R个题型集合的集合得分之后，可以直接根据第1个题型集合的集合得分至第R个题型集合的集合得分，得到待推荐知识点的用户应用得分，以使该待推荐知识点的用户应用得分能够准确地表征出用户对待推荐知识点的应用能力。
基于上述上述应用场景2的相关内容可知，若历史试题的个数≥2(也就是，针对多个历史试题进行试题推荐，尤其是针对多个题型下的历史试题进行试题推荐)，则在获取到各个历史试题的答题脑电波及其答题结果之后，可以先计算出待推荐知识点中各个题型集合的集合得分，以使各个题型集合的集合得分分别能够准确地表示出用户针对该待推荐知识点下各个题型的解答能力；再基于待推荐知识点中各个题型集合的集合得分，得到待推荐知识点的用户应用得分，以使该用户应用得分能够准确地表征出用户对待推荐知识点的应用能力。
基于上述S302A11至S302A12的相关内容可知，在获取到历史试题的答题脑电波及其答题结果之后，可以先将历史试题的参考脑电波作为参照对象，并依据该历史试题的答题脑电波和该历史试题的参考脑电波之间的差距，确定出该历史试题的答题状态；再结合该历史试题的答题状态及其答题结果综合确定该待推荐知识点的用户应用得分，以使该综合得分能够准确地表示出用户对该待推荐知识点的应用能力。
S302A2：根据待推荐知识点的用户应用得分和待推荐知识点的应用测评标准，确定待推荐知识点的用户掌握程度。
其中，待推荐知识点的应用测评标准是指在判断用户对该待推荐知识点的掌握程度时所依据的判断标准，而且待推荐知识点的应用测评标准可以根据预设的待推荐知识点的掌握要求进行制定。
为了便于理解S302A2，下面结合示例进行说明。
例如，当待推荐知识点的应用测评标准包括多个档位，且不同档位对应于不同的得分划分区间时，S302A2具体为：将待推荐知识点的用户应用得分与各个档位对应的得分划分区间进行匹配，并将对应于匹配成功的得分划分区间的档位，确定为待推荐知识点的用户掌握程度。
基于上述S302A1至S302A2的相关内容可知，在获取到历史试题的答题脑电波及其答题结果之后，可以先依据该历史试题的答题脑电波及其答题结果，确定该待推荐知识点的用户应用得分，以使该用户应用得分能够准确地表示出用户对该待推荐知识点的应用能力；再从该待推荐知识点的应用测评标准中，确定出该待推荐知识点的用户应用得分对应的待推荐知识点的用户掌握程度，以使该用户掌握程度能够准确地表示出用户对该待推荐知识点的掌握程度，以便后续能够基于该待推荐知识点的用户掌握程度进行试题推荐。
可见，因待推荐知识点的用户掌握程度是依据该历史试题的答题脑电波及其答题结果综合确定的，使得该待推荐知识点的用户掌握程度能够更准确地表示出用户对该待推荐知识点的掌握程度，从而使得基于该待推荐知识点的用户掌握程度确定的待推荐试题更准确。
方法实施例三
在一些情况下，当用户正确解答出一个已做试题时，若该用户在该已做试题的解答过程中花费了大量时间，则表示该用户仍未完全掌握好该已做试题的考核知识点。可见，为了进一步提高待推荐知识点的用户掌握程度的准确性，可以综合考虑历史试题的答题时间、答题脑电波及其答题结果，来确定该待推荐知识点的用户掌握程度。
基于此，本申请实施例还提供了试题推荐方法的一种可能的实施方式，在该实施方式中，该试题推荐方法除了包括上述步骤301至S304以外，还包括S305：获取历史试题的答题时间。此时，S302具体可以为：根据历史试题的答题时间、该历史试题的答题脑电波和该历史试题的答题结果，确定该待推荐知识点的用户掌握程度。
其中，历史试题的答题时间是指用户对该历史试题进行解答时所占用的时间段。另外，本申请实施例不限定答题时间的表示方式，例如，答题时间可以表示为[答题起始时间，答题终止时间]。
另外，本申请实施例还提供了S302的一种实施方式，其具体包括S302B1-S302B2：
S302B1：根据历史试题的答题时间、该历史试题的答题脑电波和该历史试题的答题结果，确定该待推荐知识点的用户应用得分。
为了提高待推荐知识点的用户应用得分的准确性，本申请实施例提供了S302B1的一种实施方式，其具体可以包括S302B11-S302B13：
S302B11：根据历史试题的答题时间，确定该历史试题的答题时耗。
其中，历史试题的答题时耗用于描述用户解答该历史试题的纯时间(也就是，用户付出的真正用于解答该历史试题的时间)。
在一些情况下，可以直接将历史试题的解答过程所占用的时长确定为历史试题的答题时耗。基于此，S302B11具体可以为：先根据历史试题的答题时间，确定该历史试题的答题占用时长；再将该历史试题的答题占用时长，确定为该历史试题的答题时耗。
其中，历史试题的答题占用时长是指用户对历史试题进行解答时所占用的时长。另外，本申请实施例不限定答题占用时长的确定过程，例如，若历史试题的答题时间表示为[答题起始时间，答题终止时间]，则该历史试题的答题占用时长为答题终止时间与答题起始时间之间的差值。
可见，本申请实施例中，在获取到历史试题的答题时间之后，可以先依据该历史试题的答题时间，计算出该历史试题的答题占用时长，以使该答题占用时长能够表示出历史试题的解答过程所占用的时间；再将该历史试题的答题占用时长直接确定为该历史试题的答题时耗。
在一些情况下，用户在解答历史试题的过程中往往会受到干扰(如，答题剩余时长不多引起的干扰，或者脑电波采集设备给用户造成的干扰等)，导致该历史试题的解答过程所占用的时长不仅包括用户解答该历史试题的纯时间，还包括用户应对这些干扰所消耗的时长。基于此，S302B11具体可以为：先根据历史试题的答题时间，确定该历史试题的答题占用时长；再根据该历史试题的答题时间，确定该历史试题的答题剩余时长；再根据该历史试题的答题剩余时长、该历史试题的答题占用时长和脑电采集影响系数，确定该历史试题的答题时耗。
其中，历史试题的答题剩余时长用于描述用户解答该历史试题时所剩余的答题时长。例如，若历史试题是考试过程中完成的试题，则该历史试题的答题剩余时长可以为考试剩余时长。又如，若历史试题是试题练习过程中完成的试题，则该历史试题的答题剩余时长可以为预设试题练习总时长与用户已用试题练习时长之间的差值；其中，预设试题练习总时长可以是预先由系统或用户设定的用于进行试题练习的总时长；用户已用试题练习时长是指用户在当前轮试题练习过程已经使用了的时长。
脑电采集影响系数用于描述脑电波采集对用户所造成的影响程度。另外，本申请实施例不限定脑电采集影响系数的获取方式，例如，脑电采集影响系数可以由该用户设定，也可以预先针对该用户进行测试采集，还可以是采用预设确定方式(如，问卷法、实验测试等)确定出的适用于大众的通用影响系数。其中，通用影响系数用于描述脑电波采集对大多数人所造成的影响程度。
另外，本申请实施例还提供了一种答题时耗的计算方法，其具体为：将历史试题的答题剩余时长、该历史试题的答题占用时长和脑电采集影响系数，按照公式(2)进行处理，得到该历史试题的答题时耗。
Figure BDA0002682518890000211
式中，T时耗为历史试题的答题时耗；C为脑电采集影响系数；T总为历史试题的总时长(如，考试总时长或者预设试题练习总时长)；T已用为历史试题的用户已用时长(如，用户在开始解答该历史试题时已经使用了的时长或者用户已用试题练习时长)；T占用为历史试题的答题占用时长。
可见，在获取到历史试题的答题时间之后，可以先依据历史试题的答题时间，确定该历史试题的答题占用时长及其答题剩余时长；再综合脑电采集影响系数、该历史试题的答题占用时长及其答题剩余时长，确定出该历史试题的答题时耗，以使该历史试题的答题时耗能够排除其他干扰，准确地表示出用户解答该历史试题的纯时间，如此有利于提高答题时耗的准确性。
基于上述S302B11的相关内容可知，在获取到历史试题的答题时间之后，可以依据该答题时间确定出该历史试题的答题时耗，以使该答题时耗能够准确地表示出用户解答该历史试题的时间长短。
S302B12：根据历史试题的答题脑电波和该历史试题的参考脑电波，确定该历史试题的答题状态。
需要说明的是，S302B12的内容与上文S302A11的内容相同，请参见上文S302A11。
还需要说明的是，本申请实施例不限定S302B11和S302B12的执行顺序，可以依次执行S302B11和S302B12，也可以依次执行S302B12和S302B11，还可以同时执行S302B11和S302B12。
S302B13：根据历史试题的答题时耗、该历史试题的答题状态和该历史试题的答题结果，确定该待推荐知识点的用户应用得分。
为了便于理解S302B13，下面结合两个应用场景进行说明。
应用场景1，当历史试题的个数为1时，S302B13具体可以为：先根据历史试题的答题时耗、该历史试题的答题状态和该历史试题的答题结果，得到该历史试题的试题得分；再将该历史试题的试题得分，确定为待推荐知识点的用户应用得分。
本申请实施例不限定历史试题的试题得分的计算过程，例如，如公式(3)所示，可以将历史试题的答题时耗、历史试题的答题状态和该历史试题的答题结果进行加权求和，得到该历史试题的试题得分。
ST＝We×Fe+Ws×Fs+WT×FT (3)
式中，ST为历史试题的试题得分；Fe为历史试题的答题状态，且Fe是ne×1维，ne为正整数；We为历史试题的答题状态对应的权重，且We为1×ne维；Fs为历史试题的答题结果；Ws为历史试题的答题结果对应的权重；FT为历史试题的答题时耗；WT为历史试题的答题时耗对应的权重。
需要说明的是，WT、We和Ws可以预先设定或预先确定，而且本申请实施例不限定WT、We和Ws的获取过程，例如，可以采用单因素分析的方法获取WT、We和Ws。
基于上述应用场景1的相关内容可知，当历史试题的个数为1(也就是，针对一个历史试题进行试题推荐)时，可以先利用该历史试题的答题时耗、答题状态及其答题结果，确定出该历史试题的试题得分；再将该历史试题的试题得分直接作为待推荐知识点的用户应用得分，以使该待推荐知识点的用户应用得分能够准确地表示出该用户针对该历史试题的考核知识点的应用能力。
应用场景2，当历史试题的个数为T，T≥2，且T个历史试题的考核知识点均包括待推荐知识点时，S302B13具体可以包括步骤31-步骤34：
步骤31：将T个历史试题按照题型进行划分，得到R个题型集合；其中，R为正整数。
需要说明的是，步骤31的内容与上文步骤21的内容相同，技术详情请参见上文步骤21。
步骤32：根据第r个题型集合中各个历史试题的答题时耗、答题状态及其答题结果，确定第r个题型集合的集合得分；其中，r为正整数，r≤R。
另外，本申请实施例还提供了步骤32的一种实施方式，在该实施方式中，当第r个题型集合包括mr个历史试题，且mr为正整数时，步骤32具体可以包括步骤321-步骤322：
步骤321：根据第r个题型集合中第k个历史试题的答题时耗、答题状态及其答题结果，得到第r个题型集合中第k个历史试题的试题得分；其中，k为正整数，k≤mr。
本申请实施例不限定第r个题型集合中第k个历史试题的试题得分的计算过程，例如，第r个题型集合中第k个历史试题的试题得分可以采用上文公式(3)进行计算得到。
步骤322：根据第r个题型集合中第1个历史试题的试题得分至第r个题型集合中第mr个历史试题的试题得分，得到第r个题型集合的集合得分。
需要说明的是，步骤322的内容与上文步骤222的内容相同，技术详情请参见上文步骤222。
基于上述步骤321至步骤322的相关内容可知，对于第r个题型集合来说，可以先计算该第r个题型集合中各个历史试题的试题得分，再基于该第r个题型集合中所有历史试题的试题得分，得到第r个题型集合的集合得分，以使该第r个题型集合的集合得分能够准确地表征出用户对待推荐知识点下第r个题型的解答能力。
需要说明的是，本申请实施例中，任一题型集合的集合得分都可以采用上述步骤321至步骤322进行确定。
步骤33：根据第1个题型集合的集合得分至第R个题型集合的集合得分，得到待推荐知识点的用户应用得分。
需要说明的是，步骤33的内容与上文步骤23的内容相同，技术详情请参见上文步骤23。
基于上述上述应用场景2的相关内容可知，若历史试题的个数≥2(也就是，针对多个历史试题进行试题推荐，尤其是针对多个题型下的历史试题进行试题推荐)，则在获取到各个历史试题的答题时耗、答题脑电波及其答题结果之后，可以先计算出待推荐知识点中各个题型集合的集合得分，以使各个题型集合的集合得分分别能够准确地表示出用户针对该待推荐知识点下各个题型的解答能力；再基于待推荐知识点中各个题型集合的集合得分，得到待推荐知识点的用户应用得分，以使该用户应用得分能够准确地表征出用户对待推荐知识点的应用能力。
基于上述S302B11至S302B13的相关内容可知，在获取到历史试题的答题时间、答题脑电波及其答题结果之后，先依据历史试题的答题时间计算该历史试题的答题时耗，并依据历史试题的答题脑电波确定该历史试题的答题状态；再结合该历史试题的答题时耗、答题状态及其答题结果综合确定该待推荐知识点的用户应用得分，以使该综合得分能够准确地表示出用户对该待推荐知识点的应用能力。
S302B2：根据待推荐知识点的用户应用得分和待推荐知识点的应用测评标准，确定待推荐知识点的用户掌握程度。
需要说明的是，S302B2的内容与上文S302A2的内容相同，技术详情请参见上文S302A2。
基于上述S302B1至S302B2的相关内容可知，在获取到历史试题的答题时间、答题脑电波及其答题结果之后，可以先依据该历史试题的答题时间、答题脑电波及其答题结果，确定该待推荐知识点的用户应用得分，以使该用户应用得分能够准确地表示出用户对该待推荐知识点的应用能力；再从该待推荐知识点的应用测评标准中，确定出该待推荐知识点的用户应用得分对应的待推荐知识点的用户掌握程度，以使该用户掌握程度能够准确地表示出用户对该待推荐知识点的掌握程度，以便后续能够基于该待推荐知识点的用户掌握程度进行试题推荐。
可见，因待推荐知识点的用户掌握程度是依据该历史试题的答题时间、答题脑电波及其答题结果综合确定的，使得该待推荐知识点的用户掌握程度能够更准确地表示出用户对待推荐知识点的掌握程度，从而使得基于该待推荐知识点的用户掌握程度确定的待推荐试题更准确。
方法实施例四
实际上，历史试题的题目难度也能够也能够影响该待推荐知识点的用户掌握程度的准确性。基于此，本申请实施例还提供了试题推荐方法的一种可能的实施方式，在该实施方式中，该试题推荐方法除了包括上述全部或部分步骤以外，还包括S306：
S306：获取历史试题的题目难度。
此时，S302具体可以为：根据历史试题的题目难度、该历史试题的答题脑电波和该历史试题的答题结果，确定该待推荐知识点的用户掌握程度。
需要说明的是，在上述实施方式中，S302可以采用上文任一种实施方式进行实施，只需将确定待推荐知识点的用户掌握程度时的参考特征进一步增加历史试题的题目难度这个特征。
实际上，在用户解答一个历史试题的过程中，若历史试题的答题脑电波是由多个周期的脑电信号叠加得到的，则脑电波周期数(也就是，用于生成历史试题的答题脑电波所使用的多个脑电信号的个数)也能够影响该待推荐知识点的用户掌握程度的准确性。
基于此，本申请实施例还提供了试题推荐方法的一种可能的实施方式，在该实施方式中，该试题推荐方法除了包括上述全部或部分步骤以外，还包括S307：
S307：根据历史试题的答题脑电波，确定该历史试题的脑电波周期数。
此时，S302具体可以为：根据历史试题的脑电波周期数、该历史试题的答题脑电波和该历史试题的答题结果，确定该待推荐知识点的用户掌握程度。
需要说明的是，在上述实施方式中，S302可以采用上文任一种实施方式进行实施，只需将确定待推荐知识点的用户掌握程度时的参考特征进一步多增加历史试题的脑电波周期数这个特征。
为了便于理解上文方法实施例四中S302的两种实施方式，下面以S302的一种可能的实施方式为例进行说明。
在一种可能的实施方式下，若待推荐知识点的用户掌握程度是根据历史试题的答题时间、题目难度、答题结果、答题脑电波以及脑电波周期数确定的，则S302具体可以包括S302C1-S302C2：
S302C1：根据历史试题的脑电波周期数、该历史试题的题目难度、该历史试题的答题脑电波和该历史试题的答题结果，确定该待推荐知识点的用户应用得分。
为了提高待推荐知识点的用户应用得分的准确性，本申请实施例提供了S302C1的一种实施方式，其具体可以包括S302C11-S302C13：
S302C11：根据历史试题的答题时间，确定该历史试题的答题时耗。
需要说明的是，S302C11的内容与上文S302B11的内容相同，技术详情请参见上文S302B11。
S302C12：根据历史试题的答题脑电波和该历史试题的参考脑电波，确定该历史试题的答题状态。
需要说明的是，S302C12的内容与上文S302A11的内容相同，请参见上文S302A11。
S302C13：根据历史试题的脑电波周期数、该历史试题的题目难度、该历史试题的答题时耗、该历史试题的答题状态和该历史试题的答题结果，确定该待推荐知识点的用户应用得分。
为了便于理解S302C13，下面结合两个应用场景进行说明。
应用场景1，当历史试题的个数为1时，S302C13具体可以为：先根据历史试题的脑电波周期数、该历史试题的题目难度、该历史试题的答题时耗、该历史试题的答题状态和该历史试题的答题结果，得到该历史试题的试题得分；再将该历史试题的试题得分，确定为待推荐知识点的用户应用得分。
本申请实施例不限定历史试题的试题得分的计算过程，例如，如公式(4)所示，可以将历史试题的脑电波周期数、题目难度、答题时耗、历史试题的答题状态和该历史试题的答题结果进行加权求和，得到该历史试题的试题得分。
ST＝We×Fe+Ws×Fs+WT×FT+WN×FN+WD×FD (4)
式中，ST为历史试题的试题得分；Fe为历史试题的答题状态，且Fe是ne×1维，ne为正整数；We为历史试题的答题状态对应的权重，且We为1×ne维；Fs为历史试题的答题结果；Ws为历史试题的答题结果对应的权重；FT为历史试题的答题时耗；WT为历史试题的答题时耗对应的权重；FN为历史试题的脑电波周期数；WN为历史试题的脑电波周期数对应的权重；FD为历史试题的题目难度；WD为历史试题的题目难度对应的权重。
需要说明的是，WD、WT、We和Ws可以预先设定或预先确定，而且本申请实施例不限定WD、WT、We和Ws的获取过程，例如，可以采用单因素分析的方法获取WD、WT、We和Ws。
基于上述应用场景1的相关内容可知，当历史试题的个数为1(也就是，针对一个历史试题进行试题推荐)时，可以先利用该历史试题的脑电波周期数、题目难度、答题时耗、答题状态及其答题结果，确定出该历史试题的试题得分；再将该历史试题的试题得分直接作为待推荐知识点的用户应用得分，以使该待推荐知识点的用户应用得分能够准确地表示出该用户针对该历史试题的考核知识点的应用能力。
应用场景2，当历史试题的个数为T，T≥2，且T个历史试题的考核知识点均包括待推荐知识点时，S302C13具体可以包括步骤41-步骤44：
步骤41：将T个历史试题按照题型进行划分，得到R个题型集合；其中，R为正整数。
需要说明的是，步骤41的内容与上文步骤21的内容相同，技术详情请参见上文步骤21。
步骤42：根据第r个题型集合中各个历史试题的脑电波周期数、题目难度、答题时耗、答题状态及其答题结果，确定第r个题型集合的集合得分；其中，r为正整数，r≤R。
另外，本申请实施例还提供了步骤42的一种实施方式，在该实施方式中，当第r个题型集合包括mr个历史试题，且mr为正整数时，步骤42具体可以包括步骤421-步骤422：
步骤421：根据第r个题型集合中第k个历史试题的脑电波周期数、题目难度、答题时耗、答题状态及其答题结果，得到第r个题型集合中第k个历史试题的试题得分；其中，k为正整数，k≤mr。
本申请实施例不限定第r个题型集合中第k个历史试题的试题得分的计算过程，例如，第r个题型集合中第k个历史试题的试题得分可以采用上文公式(4)进行计算得到。
步骤422：根据第r个题型集合中第1个历史试题的试题得分至第r个题型集合中第mr个历史试题的试题得分，得到第r个题型集合的集合得分。
需要说明的是，步骤422的内容与上文步骤222的内容相同，技术详情请参见上文步骤222。
基于上述步骤421至步骤422的相关内容可知，对于第r个题型集合来说，可以先计算该第r个题型集合中各个历史试题的试题得分，再基于该第r个题型集合中所有历史试题的试题得分，得到第r个题型集合的集合得分，以使该第r个题型集合的集合得分能够准确地表征出用户对待推荐知识点下第r个题型的解答能力。
需要说明的是，本申请实施例中，任一题型集合的集合得分都可以采用上述步骤421至步骤422进行确定。
步骤43：根据第1个题型集合的集合得分至第R个题型集合的集合得分，得到待推荐知识点的用户应用得分。
需要说明的是，步骤43的内容与上文步骤23的内容相同，技术详情请参见上文步骤23。
基于上述上述应用场景2的相关内容可知，若历史试题的个数≥2(也就是，针对多个历史试题进行试题推荐，尤其是针对多个题型下的历史试题进行试题推荐)，则在获取到各个历史试题的脑电波周期数、题目难度、答题时耗、答题脑电波及其答题结果之后，可以先计算出待推荐知识点中各个题型集合的集合得分，以使各个题型集合的集合得分分别能够准确地表示出用户针对该待推荐知识点下各个题型的解答能力；再基于待推荐知识点中各个题型集合的集合得分，得到待推荐知识点的用户应用得分，以使该用户应用得分能够准确地表征出用户对待推荐知识点的应用能力。
基于上述S302C11至S302C13的相关内容可知，在获取到历史试题的脑电波周期数、题目难度、答题时间、答题脑电波及其答题结果之后，先依据历史试题的答题时间计算该历史试题的答题时耗，并依据历史试题的答题脑电波确定该历史试题的答题状态；再结合该历史试题的脑电波周期数、题目难度、答题时耗、答题状态及其答题结果综合确定该待推荐知识点的用户应用得分，以使该综合得分能够准确地表示出用户对该待推荐知识点的应用能力。
S302C2：根据待推荐知识点的用户应用得分和待推荐知识点的应用测评标准，确定待推荐知识点的用户掌握程度。
需要说明的是，S302C2的内容与上文S302A2的内容相同，技术详情请参见上文S302A2。
基于上述S302C1至S302C2的相关内容可知，在获取到历史试题的答题时间、答题脑电波及其答题结果之后，可以先依据该历史试题的脑电波周期数、题目难度、答题时间、答题脑电波及其答题结果，确定该待推荐知识点的用户应用得分，以使该用户应用得分能够准确地表示出用户对该待推荐知识点的应用能力；再从该待推荐知识点的应用测评标准中，确定出该待推荐知识点的用户应用得分对应的待推荐知识点的用户掌握程度，以使该用户掌握程度能够准确地表示出用户对该待推荐知识点的掌握程度，以便后续能够基于该待推荐知识点的用户掌握程度进行试题推荐。
可见，因待推荐知识点的用户掌握程度是依据该历史试题的答题时间、答题脑电波及其答题结果综合确定的，使得该待推荐知识点的用户掌握程度能够更准确地表示出用户对待推荐知识点的掌握程度，从而使得基于该待推荐知识点的用户掌握程度确定的待推荐试题更准确。
基于上述方法实施例提供的试题推荐方法，本申请实施例还提供了一种试题推荐装置，下面结合附图进行解释和说明。
装置实施例
装置实施例对试题推荐装置进行介绍，相关内容请参见上述方法实施例。
参见图6，该图为本申请实施例提供的试题推荐装置的结构示意图。
本申请实施例提供的试题推荐装置600，包括：
信息获取单元601，用于在接收到用户触发的试题推荐请求之后，获取历史试题的答题脑电波和所述历史试题的答题结果；其中，所述历史试题为所述用户在历史时间段内完成的试题；
知识确定单元602，用于根据所述历史试题的答题脑电波和所述历史试题的答题结果，确定待推荐知识点的用户掌握程度；其中，所述历史试题的考核知识点包括所述待推荐知识点；
试题确定单元603，用于根据所述待推荐知识点的用户掌握程度，确定所述待推荐试题；
试题推荐单元604，用于将所述待推荐试题推荐给所述用户。
作为一种实施方式，为了提高试题推荐精确性，所述知识确定单元602，包括：
第一确定子单元，用于根据所述历史试题的答题脑电波和所述历史试题的答题结果，确定所述待推荐知识点的用户应用得分；
第二确定子单元，用于根据所述待推荐知识点的用户应用得分和所述待推荐知识点的应用测评标准，确定所述待推荐知识点的用户掌握程度。
作为一种实施方式，为了提高试题推荐精确性，所述第一确定子单元，包括：
第三确定子单元，用于根据所述历史试题的答题脑电波和所述历史试题的参考脑电波，确定所述历史试题的答题状态；
第四确定子单元，用于根据所述历史试题的答题状态和所述历史试题的答题结果，确定所述待推荐知识点的用户应用得分。
作为一种实施方式，为了提高试题推荐精确性，所述历史试题的参考脑电波为所述用户的静息脑电波、所述历史试题的题型标准脑电波、或者所述历史试题的试题标准脑电波；
当所述历史试题的参考脑电波为所述历史试题的题型标准脑电波时，所述历史试题的参考脑电波的确定过程为：
根据所述历史试题的题型和预设映射关系，确定所述历史试题的参考脑电波；其中，所述预设映射关系包括所述历史试题的题型和所述历史试题的参考脑电波之间的对应关系。
作为一种实施方式，为了提高试题推荐精确性，所述第三确定子单元，具体用于：
根据所述历史试题的答题脑电波和预设脑电指标，确定所述历史试题的答题脑电特征；根据所述历史试题的参考脑电波和所述预设脑电指标，确定所述用户的参考脑电特征；根据所述历史试题的答题脑电特征和所述用户的参考脑电特征，确定所述历史试题的答题状态；
或者，
将所述历史试题的答题脑电波与所述历史试题的参考脑电波作差，得到差值脑电波；根据所述差值脑电波和预设脑电指标，确定所述历史试题的答题状态。
作为一种实施方式，为了提高试题推荐精确性，所述预设脑电指标的确定过程，包括：
根据预设关键词和预设文献数据库，确定候选文献；
将满足预设筛选标准的候选文献，确定为目标文献；
生成所述目标文献的指标关注信息；
根据所述目标文献的指标关注信息，确定所述预设脑电指标。
作为一种实施方式，为了提高试题推荐精确性，所述第四确定子单元，包括：
第五确定子单元，用于当所述历史试题的个数为T，T为正整数，且T≥2时，将T个历史试题按照题型进行划分，得到R个题型集合；其中，R为正整数；
第六确定子单元，用于根据第r个题型集合中各个历史试题的答题状态及其答题结果，确定所述第r个题型集合的集合得分；其中，r为正整数，r≤R；
第七确定子单元，用于根据第1个题型集合的集合得分至第R个题型集合的集合得分，得到所述待推荐知识点的用户应用得分。
作为一种实施方式，为了提高试题推荐精确性，所述第六确定子单元，具体用于：
当第r个题型集合包括mr个历史试题，且mr为正整数时，根据所述第r个题型集合中第k个历史试题的答题状态及其答题结果，得到所述第r个题型集合中第k个历史试题的试题得分；其中，k为正整数，k≤mr；
根据所述第r个题型集合中第1个历史试题的试题得分至所述第r个题型集合中第mr个历史试题的试题得分，得到所述第r个题型集合的集合得分。
作为一种实施方式，为了提高试题推荐精确性，所述试题确定单元603，具体用于：
根据所述待推荐知识点的用户掌握程度，确定所述待推荐知识点的试题推荐参数；
依据所述待推荐知识点的试题推荐参数，从所述待推荐知识点的候选试题中确定所述待推荐试题。
作为一种实施方式，为了提高试题推荐精确性，所述试题推荐装置600还包括：
时间获取单元，用于获取所述历史试题的答题时间；
所述知识确定单元602，具体用于：
根据所述历史试题的答题时间、所述历史试题的答题脑电波和所述历史试题的答题结果，确定所述待推荐知识点的用户掌握程度。
作为一种实施方式，为了提高试题推荐精确性，所述知识确定单元602，包括：
第八确定子单元，用于根据所述历史试题的答题时间、所述历史试题的答题脑电波和所述历史试题的答题结果，确定所述待推荐知识点的用户应用得分；
第九确定子单元，用于根据所述待推荐知识点的用户应用得分和所述待推荐知识点的应用测评标准，确定所述待推荐知识点的用户掌握程度。
作为一种实施方式，为了提高试题推荐精确性，所述第八确定子单元，具体用于：
第十确定子单元，用于根据所述历史试题的答题时间，确定所述历史试题的答题时耗；
第十一确定子单元，用于根据所述历史试题的答题脑电波和所述历史试题的参考脑电波，确定所述历史试题的答题状态；
第十二确定子单元，用于根据所述历史试题的答题时耗、所述历史试题的答题状态和所述历史试题的答题结果，确定所述待推荐知识点的用户应用得分。
作为一种实施方式，为了提高试题推荐精确性，所述第十确定子单元，具体用于：
根据所述历史试题的答题时间，确定所述历史试题的答题占用时长；将所述历史试题的答题占用时长，确定为所述历史试题的答题时耗；
或者，
根据所述历史试题的答题时间，确定所述历史试题的答题占用时长；根据所述历史试题的答题时间，确定所述历史试题的答题剩余时长；根据所述历史试题的答题剩余时长、所述历史试题的答题占用时长和脑电采集影响系数，确定所述历史试题的答题时耗。
作为一种实施方式，为了提高试题推荐精确性，所述试题推荐装置600还包括：
周期数确定单元，用于根据所述历史试题的答题脑电波，确定所述历史试题的脑电波周期数；
和/或，
难度确定单元，用于获取所述历史试题的题目难度；
所述知识确定单元602，具体用于：
根据所述历史试题的脑电波周期数和/或所述历史试题的题目难度、所述历史试题的答题脑电波和所述历史试题的答题结果，确定所述待推荐知识点的用户掌握程度。
进一步地，本申请实施例还提供了一种试题推荐设备，包括：处理器、存储器、系统总线；
所述处理器以及所述存储器通过所述系统总线相连；
所述存储器用于存储一个或多个程序，所述一个或多个程序包括指令，所述指令当被所述处理器执行时使所述处理器执行上述试题推荐方法的任一种实现方法。
进一步地，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在终端设备上运行时，使得所述终端设备执行上述试题推荐方法的任一种实现方法。
进一步地，本申请实施例还提供了一种计算机程序产品，所述计算机程序产品在终端设备上运行时，使得所述终端设备执行上述试题推荐方法的任一种实现方法。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到上述实施例方法中的全部或部分步骤可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请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存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者诸如媒体网关等网络通信设备，等等)执行本申请各个实施例或者实施例的某些部分所述的方法。
需要说明的是，本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (13)

1.一种试题推荐方法，其特征在于，所述方法包括：
在接收到用户触发的试题推荐请求之后，获取历史试题的答题脑电波和所述历史试题的答题结果；其中，所述历史试题为所述用户在历史时间段内完成的试题；
根据所述历史试题的答题脑电波和所述历史试题的答题结果，确定待推荐知识点的用户掌握程度；其中，所述历史试题的考核知识点包括所述待推荐知识点；
根据所述待推荐知识点的用户掌握程度，确定所述待推荐试题；
将所述待推荐试题推荐给所述用户。
2.根据权利要求1所述的方法，其特征在于，所述根据所述历史试题的答题脑电波和所述历史试题的答题结果，确定待推荐知识点的用户掌握程度，包括：
根据所述历史试题的答题脑电波和所述历史试题的答题结果，确定所述待推荐知识点的用户应用得分；
根据所述待推荐知识点的用户应用得分和所述待推荐知识点的应用测评标准，确定所述待推荐知识点的用户掌握程度。
3.根据权利要求2所述的方法，其特征在于，所述根据所述历史试题的答题脑电波和所述历史试题的答题结果，确定所述待推荐知识点的用户应用得分，包括：
根据所述历史试题的答题脑电波和所述历史试题的参考脑电波，确定所述历史试题的答题状态；
根据所述历史试题的答题状态和所述历史试题的答题结果，确定所述待推荐知识点的用户应用得分。
4.根据权利要求3所述的方法，其特征在于，所述历史试题的参考脑电波为所述用户的静息脑电波、所述历史试题的题型标准脑电波、或者所述历史试题的试题标准脑电波；
当所述历史试题的参考脑电波为所述历史试题的题型标准脑电波时，所述历史试题的参考脑电波的确定过程为：
根据所述历史试题的题型和预设映射关系，确定所述历史试题的参考脑电波；其中，所述预设映射关系包括所述历史试题的题型和所述历史试题的参考脑电波之间的对应关系。
5.根据权利要求3所述的方法，其特征在于，所述根据所述历史试题的答题脑电波和所述历史试题的参考脑电波，确定所述历史试题的答题状态，包括：
根据所述历史试题的答题脑电波和预设脑电指标，确定所述历史试题的答题脑电特征；根据所述历史试题的参考脑电波和所述预设脑电指标，确定所述用户的参考脑电特征；根据所述历史试题的答题脑电特征和所述用户的参考脑电特征，确定所述历史试题的答题状态；
或者，
将所述历史试题的答题脑电波与所述历史试题的参考脑电波作差，得到差值脑电波；根据所述差值脑电波和预设脑电指标，确定所述历史试题的答题状态。
6.根据权利要求3所述的方法，其特征在于，当所述历史试题的个数为T，T为正整数，且T≥2时，所述根据所述历史试题的答题状态和所述历史试题的答题结果，确定所述待推荐知识点的用户应用得分，包括：
将T个历史试题按照题型进行划分，得到R个题型集合；其中，R为正整数；
根据第r个题型集合中各个历史试题的答题状态及其答题结果，确定所述第r个题型集合的集合得分；其中，r为正整数，r≤R；
根据第1个题型集合的集合得分至第R个题型集合的集合得分，得到所述待推荐知识点的用户应用得分。
7.根据权利要求6所述的方法，其特征在于，当所述第r个题型集合包括mr个历史试题，且mr为正整数时，所述根据第r个题型集合中各个历史试题的答题状态及其答题结果，确定所述第r个题型集合的集合得分，包括：
根据所述第r个题型集合中第k个历史试题的答题状态及其答题结果，得到所述第r个题型集合中第k个历史试题的试题得分；其中，k为正整数，k≤mr；
根据所述第r个题型集合中第1个历史试题的试题得分至所述第r个题型集合中第mr个历史试题的试题得分，得到所述第r个题型集合的集合得分。
8.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取所述历史试题的答题时间；
所述根据所述历史试题的答题脑电波和所述历史试题的答题结果，确定所述待推荐知识点的用户掌握程度，包括：
根据所述历史试题的答题时间、所述历史试题的答题脑电波和所述历史试题的答题结果，确定所述待推荐知识点的用户掌握程度。
9.根据权利要求8所述的方法，其特征在于，所述根据所述历史试题的答题时间、所述历史试题的答题脑电波和所述历史试题的答题结果，确定所述待推荐知识点的用户掌握程度，包括：
根据所述历史试题的答题时间、所述历史试题的答题脑电波和所述历史试题的答题结果，确定待推荐知识点的用户应用得分；
根据所述待推荐知识点的用户应用得分和所述待推荐知识点的应用测评标准，确定所述待推荐知识点的用户掌握程度。
10.根据权利要求9所述的方法，其特征在于，所述根据所述历史试题的答题时间、所述历史试题的答题脑电波和所述历史试题的答题结果，确定所述待推荐知识点的用户应用得分，包括：
根据所述历史试题的答题时间，确定所述历史试题的答题时耗；
根据所述历史试题的答题脑电波和所述历史试题的参考脑电波，确定所述历史试题的答题状态；
根据所述历史试题的答题时耗、所述历史试题的答题状态和所述历史试题的答题结果，确定所述待推荐知识点的用户应用得分。
11.根据权利要求10所述的方法，其特征在于，所述根据所述历史试题的答题时间，确定所述历史试题的答题时耗，包括：
根据所述历史试题的答题时间，确定所述历史试题的答题占用时长；将所述历史试题的答题占用时长，确定为所述历史试题的答题时耗；
或者，
根据所述历史试题的答题时间，确定所述历史试题的答题占用时长；根据所述历史试题的答题时间，确定所述历史试题的答题剩余时长；根据所述历史试题的答题剩余时长、所述历史试题的答题占用时长和脑电采集影响系数，确定所述历史试题的答题时耗。
12.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述历史试题的答题脑电波，确定所述历史试题的脑电波周期数；和/或，获取所述历史试题的题目难度；
所述根据所述历史试题的答题脑电波和所述历史试题的答题结果，确定待推荐知识点的用户掌握程度，包括：
根据所述历史试题的脑电波周期数和/或所述历史试题的题目难度、所述历史试题的答题脑电波和所述历史试题的答题结果，确定所述待推荐知识点的用户掌握程度。
13.一种试题推荐装置，其特征在于，所述装置包括：
信息获取单元，用于在接收到用户触发的试题推荐请求之后，获取历史试题的答题脑电波和所述历史试题的答题结果；其中，所述历史试题为所述用户在历史时间段内完成的试题；
知识确定单元，用于根据所述历史试题的答题脑电波和所述历史试题的答题结果，确定待推荐知识点的用户掌握程度；其中，所述历史试题的考核知识点包括待推荐知识点；
试题确定单元，用于根据所述待推荐知识点的用户掌握程度，确定所述待推荐试题；
试题推荐单元，用于将所述待推荐试题推荐给所述用户。
CN202010966530.7A 2020-09-15 2020-09-15 一种试题推荐方法及装置 Pending CN112053598A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010966530.7A CN112053598A (zh) 2020-09-15 2020-09-15 一种试题推荐方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010966530.7A CN112053598A (zh) 2020-09-15 2020-09-15 一种试题推荐方法及装置

Publications (1)

Publication Number Publication Date
CN112053598A true CN112053598A (zh) 2020-12-08

Family

ID=73602946

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010966530.7A Pending CN112053598A (zh) 2020-09-15 2020-09-15 一种试题推荐方法及装置

Country Status (1)

Country Link
CN (1) CN112053598A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112885175A (zh) * 2021-01-15 2021-06-01 杭州安恒信息安全技术有限公司 信息安全赛题生成方法、装置、电子装置和存储介质
CN114021029A (zh) * 2021-11-05 2022-02-08 海信集团控股股份有限公司 试题推荐方法及设备
WO2023071505A1 (zh) * 2021-10-27 2023-05-04 北京有竹居网络技术有限公司 一种题目推荐方法、装置、计算机设备和存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105787839A (zh) * 2016-03-23 2016-07-20 成都准星云学科技有限公司 一种学习资源推送方法和装置
KR20170013649A (ko) * 2015-07-28 2017-02-07 주식회사 아이메디신 뇌 기능 평가 및 증진용 웰니스 추천 시스템과 구현 방법
TW201807675A (zh) * 2016-08-30 2018-03-01 遠東科技大學 腦波分析輔助教學系統
CN108256781A (zh) * 2018-02-07 2018-07-06 蔡佐宾 职业评测方法及职业评测系统
TW202029116A (zh) * 2019-01-23 2020-08-01 國立臺南大學 學習狀態評估方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170013649A (ko) * 2015-07-28 2017-02-07 주식회사 아이메디신 뇌 기능 평가 및 증진용 웰니스 추천 시스템과 구현 방법
CN105787839A (zh) * 2016-03-23 2016-07-20 成都准星云学科技有限公司 一种学习资源推送方法和装置
TW201807675A (zh) * 2016-08-30 2018-03-01 遠東科技大學 腦波分析輔助教學系統
CN108256781A (zh) * 2018-02-07 2018-07-06 蔡佐宾 职业评测方法及职业评测系统
TW202029116A (zh) * 2019-01-23 2020-08-01 國立臺南大學 學習狀態評估方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112885175A (zh) * 2021-01-15 2021-06-01 杭州安恒信息安全技术有限公司 信息安全赛题生成方法、装置、电子装置和存储介质
WO2023071505A1 (zh) * 2021-10-27 2023-05-04 北京有竹居网络技术有限公司 一种题目推荐方法、装置、计算机设备和存储介质
CN114021029A (zh) * 2021-11-05 2022-02-08 海信集团控股股份有限公司 试题推荐方法及设备

Similar Documents

Publication Publication Date Title
Glöckner et al. An eye‐tracking study on information processing in risky decisions: Evidence for compensatory strategies based on automatic processes
Gonzalez-Vallejo et al. “Save angels perhaps”: A critical examination of unconscious thought theory and the deliberation-without-attention effect
CN112053598A (zh) 一种试题推荐方法及装置
Thomas Rewards of bridging the divide between measurement and clinical theory: demonstration of a bifactor model for the Brief Symptom Inventory.
Letina et al. Expanding network analysis tools in psychological networks: Minimal spanning trees, participation coefficients, and motif analysis applied to a network of 26 psychological attributes
O'Malley et al. Longitudinal analysis of large social networks: Estimating the effect of health traits on changes in friendship ties
Kramer et al. The features underlying the memorability of objects
KR101829606B1 (ko) 인터넷 과몰입 진단 장치 및 방법
Samuel et al. Clinicians and clients disagree: Five implications for clinical science.
CN111985751B (zh) 人机聊天体验评估体系
McGrath et al. Using integrative data analysis to investigate school climate across multiple informants
Albert et al. Egocentric contact networks of older adults: featuring quantity, strength and function of ties
Hayes et al. Causal explanation improves judgment under uncertainty, but rarely in a Bayesian way
Zinn et al. Analyzing nonresponse in longitudinal surveys using Bayesian Additive Regression Trees: A nonparametric event history analysis
CN114334163A (zh) 抑郁症诊断对话数据集生成方法、电子设备和存储介质
CN110309411A (zh) 一种资源推荐方法及装置
CN112397195B (zh) 用于生成体格检查模型的方法、装置、电子设备和介质
CN112185517A (zh) 一种用于公职人员心理建设的信息处理方法及装置
Zhou et al. WITHDRAWN: Analysis of the influence of politics on work emotion in workplace
Harrison et al. Implications for educational classification and psychological diagnoses using the Wechsler Adult Intelligence Scale–Fourth Edition with Canadian versus American norms
Wang et al. A new mental experience quantification and emotion prediction model for E-learning users
Dickhaut et al. An examination of the processes underlying comparative judgements of numerical stimuli
Hossain et al. Cognitive load measurement using galvanic skin response for listening tasks
Mary et al. Assessment of scale invariance changes in heart rate signal during postural shift
Wilson et al. Criminal Justice and

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20201208