CN112667801A

CN112667801A - 试题推荐方法和装置

Info

Publication number: CN112667801A
Application number: CN202110278524.7A
Authority: CN
Inventors: 李雅辉; 王洁; 孟雅琳; 彭守业
Original assignee: Beijing Century TAL Education Technology Co Ltd
Current assignee: Beijing Century TAL Education Technology Co Ltd
Priority date: 2021-03-16
Filing date: 2021-03-16
Publication date: 2021-04-16

Abstract

本申请提供一种试题推荐方法和装置，试题推荐方法包括：根据已练习试题包含的知识点获取多个候选试题；所述候选试题是包括已练习试题中知识点的未做过试题；根据所述候选试题和所述已练习试题，确定各个所述候选试题的知识点相似权重，以及确定各个所述候选试题的难度权重；根据所述知识点相似权重和所述难度权重计算所述候选试题的得分；根据各个所述候选试题的得分，在所述候选试题中选择推荐试题。试题推荐方法和装置，综合考虑了各个候选试题与已练习试题的知识点权重、难度权重，使得推荐的候选试题地既尽可能符合学员的学习的知识内容要求，又尽可能地与学员已经做过的试题难度相近，提高试题与学员学习的适配性。

Description

试题推荐方法和装置

技术领域

本申请涉及教育培训技术领域，具体涉及一种试题推荐方法和装置。

背景技术

课堂教学后，学生在完成知识点的学习后需要完成课后习题，以通过课后习题的练习纠错并巩固学习到的知识点。

为了实现前述目的，教学系统需要基于学生对知识点的掌握情况在候选试题中选定推荐试题；目前，已有的试题推荐方法基于学生已练习试题和候选试题的知识点集合，计算候选试题和已练习试题的相似程度，再根据相似程度在候选试题中选定推荐试题。

前述试题推荐方法虽然可以推荐考察相同知识点的试题，但是获得的推荐试题难度具有极大的随机性；某些推荐试题相较于已练习试题难度很大，学员做此类试题可能并不达到练习和知识点巩固的效果，其学习积极性还可能被挫败；某些推荐试题的难度很小，无法起到巩固和加深学生对知识点的理解程度的效果。

发明内容

为了解决上述技术问题或者至少部分地解决上述技术问题，本申请提供一种试题推荐方法和装置。

一方面，本申请提供一种试题推荐方法，包括：

根据已练习试题包含的知识点获取多个候选试题；所述候选试题是包括已练习试题中知识点的未做过试题；

根据所述候选试题和所述已练习试题，确定各个所述候选试题的知识点相似权重，以及确定各个所述候选试题的难度权重；

根据所述知识点相似权重和所述难度权重计算所述候选试题的得分；

根据各个所述候选试题的得分，在所述候选试题中选择推荐试题。

可选地，确定各个所述候选试题的知识点相似权重，包括：

获取各个所述候选试题和所述已练习试题的知识点交集和知识点并集；

根据所述知识点交集和所述知识点并集确定对应所述候选试题的知识点相似度权重。

可选地，确定各个所述候选试题的难度权重，包括：

确定所述候选试题的试题难度和所述已练习试题的试题难度的差值绝对值；

根据所述差值绝对值确定所述候选试题的难度权重。

可选地，根据所述差值结对指示确定所述候选试题的难度权重，包括：

按照所述差值绝对值对所述候选试题进行排序，形成排序序列；

根据各个所述候选试题在所述排序序列中的位置，确定各个所述候选试题的难度权重。

可选地，根据所述差值结对指示确定所述候选试题的难度权重，还包括：获取所述差值绝对值中的最大值；

根据各个所述候选试题在所述排序序列中的位置，确定各个所述候选试题的难度权重，包括：

根据各个所述候选试题在所述排序序列中的位置和所述最大值，确定各个所述候选试题的难度权重。

可选地，所述试题推荐方法还包括：根据学员对所述候选试题中知识点的掌握程度计算知识点掌握权重；

根据所述知识点相似权重和所述难度权重计算所述候选试题的得分，包括：根据所述知识点相似权重、所述难度权重和所述知识点掌握权重计算所述候选试题的得分。

可选地，所述试题推荐方法还包括：计算各个所述候选试题和所述已练习试题的文本相似度权重；

根据所述知识点相似权重、所述难度权重和所述知识点掌握权重计算所述候选试题的得分，包括：根据所述知识点相似权重、所述相似度权重、所述知识点掌握权重和所述文本相似度权重就算所述候选试题的得分。

可选地，所述试题推荐方法还包括：获取各个所述候选试题的作答热度；以及，根据所述作答热度计算热度权重；

根据所述知识点相似权重和所述难度权重，计算所述候选试题的得分，包括：根据所述知识点相似权重、所述难度权重、所述热度权重，计算所述候选试题得分。

可选地，所述试题推荐方法还包括，根据所述候选试题的地域来源和学员的所在地域，计算地域匹配权重；

根据所述知识点相似权重和所述难度权重，计算所述候选试题的得分，包括：根据所述知识点相似权重、所述难度权重和所述地域匹配权重，计算所述候选试题的得分。

可选地，所述试题推荐方法还包括：根据所述候选试题的学业阶段标识和学员的学业阶段标识，计算所述候选试题的学业阶段匹配权重；

根据所述知识点相似权重和所述难度权重，计算所述候选试题的得分，包括：根据所述知识点相似权重、所述难度权重和所述学业阶段匹配权重，计算所述候选试题的得分。

另一方面，本申请提供一种试题推荐装置，包括：

候选试题筛选单元，用于根据已练习试题包含的知识点获取多个候选试题；所述候选试题是包括所述知识点的未做过试题；

权重计算单元，用于根据所述候选试题和所述已练习试题，确定各个所述候选试题的知识点相似权重，以及确定各个所述候选试题的难度权重；

得分计算单元，用于根据所述知识点相似权重和所述难度权重计算所述候选试题的得分；

推荐试题选定单元，用于根据各个所述候选试题的得分，在所述候选试题中选择推荐试题。

可选地，所述权重计算单元包括：差值计算子单元，用于确定所述候选试题的难度值和所述已练习试题的难度值的差值绝对值；

排序子单元，用于按照所述差值绝对值对所述候选试题进行排序，形成排序序列；

难度权重确定子单元，用于根据各个所述候选试题在所述排序序列中的位置，确定各个所述候选试题的难度权重。

可选地，所述权重计算单元还包括：最大值获取单元，用于获取所述差值绝对值中的最大值；

所述难度权重确定子单元根据各个所述候选试题在所述排序序列中的位置和所述最大值，确定各个所述候选试题的难度权重。

可选地，所述试题推荐装置还包括知识点掌握权重计算单元，用于根据学员对所述候选试题中知识点的掌握程度计算知识点掌握权重；

所述推荐试题选定单元根据所述知识点相似权重、所述难度权重和所述知识点掌握权重计算所述候选试题的得分。

本申请实施例提供的试题推荐方法和装置，综合考虑了各个候选试题与已练习试题的知识点权重、难度权重，使得推荐的候选试题地既尽可能符合学员的学习的知识内容要求，又尽可能地与学员已经做过的试题难度相近，提高试题与学员学习的适配性。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。

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，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图；

图1是本申请实施例提供的试题推荐方法的流程图；

图2是本申请实施例提供的试题推荐装置的结构示意图；

图3是本申请实施例提供的电子设备的结构示意图；

其中：11-候选试题筛选单元，12-权重计算单元，13-得分计算单元，14-推荐试题选定单元；21-处理器，22-存储器，23-通信接口，24-总线系统。

具体实施方式

为了能够更清楚地理解本申请的上述目的、特征和优点，下面将对本申请的方案进行进一步描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本申请，但本申请还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本申请的一部分实施例，而不是全部的实施例。

本申请实施例提供一种试题推荐方法，用于向学员推荐与其已练习试题较为相似的候选试题。图1是本申请实施例提供的试题推荐方法的流程图，如图1所示，本申请实施例提供的试题推荐方法包括步骤S101-S104。

S101：根据已练习试题包含的知识点获取多个候选试题。

本申请实施例中，已练习试题和候选试题均是针对一特定的学员而言。

已练习试题是学员已经做过的试题；已练习试题可以是学员做过的、针对某一章节中知识点的所有试题，也可以是学员做过的，针对某一章节中知识点的错误试题；实际应用中，已练习试题的类型根据目标而定。

例如：如果目标是为了巩固学员对知识点的掌握程度，已练习试题是学员任何做过的可能的试题；如果目标是为了检测学员对以前做错试题对应的知识点的理解，考察学员是否理解某一知识点，已练习试题是学员已练习试题中的错误试题。

候选试题是包括已练习试题中的知识点的未做过试题。

本申请实施例中，各个试题均具有一个对应的知识点集合，知识点集合中包含了此试题的所有知识点。比较已练习试题和所有试题的知识点标识集合进行，可以在试题库中选定候选试题。

具体应用中，根据已练习试题包含的知识点获取多个候选试题的策略可能有如下的情况：（1）将试题库中包含已练习试题中任一知识点的未做过试题作为候选试题，此时候选试题的数量可能很多；（2）将试题库中同时包含已练习试题中所有知识点的试题作为候选试题；此时，候选试题的数量可能很少；（3）在已练习试题为学员做错试题的情况下，候选试题是试题库中包含学员未掌握的知识点的试题。

S102：根据候选试题和已练习试题，确定各个候选试题的知识点相似权重，以及确定各个候选试题的难度权重。

本申请实施例中，知识点相似权重是用于表示候选试题知识点和已练习试题知识点的相似程度的权重。候选试题和已练习试题重合的知识点越多，则对应的知识点相似权重越大。知识点相似权重基于候选试题和已练习试题中的知识点标识集合确定。

本申请实施例中，可以计算候选试题和已练习试题的知识点交集，以及计算候选试题和已练习试题的知识点并集；相应的，候选试题的知识点相似度权重，根据知识点交集和知识点并集确定。

例如，在一个具体应用中，候选试题的知识点集合为k _q，已练习试题的知识点集合为k _l，则二者的交集为k _q ∩k _l，二者的并集为k_q∪k_l；知识点相似度权重可以采用

计算得到；根据前述分析可知，因为候选试题一定是包括已练习试题知识点的试题，则试题相似度权重一定是大于0，并且小于等于1的权重。

本申请实施例中，候选试题的难度权重是用于表示候选试题相对于已练习试题难度程度的权重。

在本申请实施例的一个应用中，候选试题的难度权重可以采用候选试题的试题难度和已练习试题的试题难度差值的绝对值确定。

本申请实施例中，试题难度可以是基于学员的能力确定，具体应用中，可以采用项目反映理论（Item Response Theory，IRT）的思想，基于学员的能力和试题的难度参数计算得到各个试题的难度。

在一个具体应用中，试题难度可以采用

计算得到，其中：c为猜测系数，其表征了可能通过一定的猜测而答对某题的程度；a表示了试题区分度，其表征通过答对或答错某个试题而区分出学生能力的程度；θ表示了学生的能力，θ越高则表明学生的能力越高；b为试题的难度参数，其表征了某个试题的难度程度。

具体应用中，候选试题的试题难度采用

表示，已练习试题的难度采用

表示，则候选试题的难度权重可以采用前述的

和

计算得到。

本申请实施例中，确定候选试题的难度权重可以包括步骤S1021和S1022。

S1021：确定候选试题的试题难度和已练习试题的试题难度的差值绝对值；

S1022:根据差值绝对值确定候选试题的难度权重。

在本申请实施例的一个应用中，候选试题的难度权重可以采用

计算得到，其中abs（h _q -h _l ）为 h _q 和h _l的差值绝对值。基于前述公式可以理解，候选试题的试题难度与已练习试题的难度差别越大，其候选试题的难度权重就越小。

在本申请实施例的另一应用中，根据差值绝对值确定候选试题的难度权重可以按照步骤S201-S202执行。

S201：按照差值绝对值对候选试题进行排序，形成排序序列。

根据差值绝对值对候选试题进行排序，是按照各个候选试题与已练习试题差值绝对值的大小顺序，形成排列序列。具体应用中，可以案号差值绝对值由小到大的顺序对候选试题进行排序

S202：根据各个候选试题在排序序列中的位置，确定各个候选试题的难度权重。

具体应用中，前述的步骤S202可能有两种情况：（1）已经预先设定了难度权重的最大值和最小值，在确定各个候选试题在排列序列中的位置后，按照排序顺序和候选试题的数量，以及前述的难度权重的最大值和最小值，适应性地确定各个候选试题对应的难度权重。（2）没有预先设定难度权重的最大值和最小值，而是需要根据实际计算得到的试题难度确定各个试题的相对难度和相对的难度权重。

在本申请实施例应用中，可以按照步骤S2021-S2022执行前述的确定候选试题的难度权重的操作。

S2021：获取差值绝对值的最大值。

S2022：根据候选试题在排序序列中的位置和差值绝对值的最大值，确定各个候选试题的难度权重。

在本申请实施例一个应用中，步骤S2022可以为：在确定差值绝对值中的最大值后，根据差值绝对值的最大值以及各个候选试题在排列序列中的位置，计算与各个候选试题对应的相对差值，再采用相对差值计算得到难度权重。

具体实施例中，前述的相对差值可以采用

计算得到。其中

为排列序列中第i数值对应的候选试题的差值相对值。随后采用

计算得到对应候选试题的难度权重。

S103：根据知识点相似权重和难度权重计算候选试题的得分。

本申请实施例中，根据知识点相似度权重和难度权重计算候选试题的得分，可以是将知识点权重和难度权重相加得到候选试题的得分，也可以将知识点权重和难度权重相乘得到候选试题的得分；本申请实施例中，优选采用相加得到得分。

应当注意的是，步骤S102中得到的知识点相似权重、难度权重应当是同向变化的（例如随着知识点相似度的增加、难度的增加，对应的权重应当为增加，或者随着知识点相似度的增加、难度的增加，对应的权重相应地减小）。

S104：根据各个候选试题的得分，在候选试题中选择推荐试题。

在确定了各个候选试题的得分后，根据得分的大小可以对各个候选试题进行排序，排序体现了候选试题与已练习试题之间的相似程度。按照排序结果，可以在候选试题中选择特定数量的、与已练习试题具有较大相似性的候选试题作为推荐试题。

采用前述步骤S101-S104提供的试题推荐方法，以试题之间的知识点相似权重、候选试题的难度权重确定了各个候选试题的得分，在依据候选试题的得分筛选得到推荐试题，综合考虑了各个候选试题与已练习试题的知识点权重、难度权重，使得推荐的候选试题地既尽可能符合学员的学习的知识内容要求，又尽可能地与学员已经做过的试题难度相近，提高试题与学员学习的适配性。

在本申请实施例的一个具体应用中，除了包括前述的步骤S102中确定候选试题知识点相似度权重和难度权重外，本申请实施例中还可以包括步骤S105。

S105：根据学员对候选试题中知识点的掌握程度计算知识点掌握权重。

本申请实施例中，可以基于学员做过的已练习试题和其他历史信息确定学员对各个知识点的掌握情况；在确定候选试题后，再根据候选试题中的知识点，确定各个知识点的掌握程度，在利用各个知识点的掌握程度计算知识点掌握权重。

例如，在本申请实施例的一个应用中，针对某一个试题中的知识点集合{k ₁ ，k _2， k _3， k ₄ …}，对应的知识点掌握程度分别为kq={k _u1 ，k _u2， k _u3， k _u4 …}，其中k _ui为{0-未知，1-薄弱，2-一般，3-牢固}，则可以采用1/(∑k _ui +1)计算得到知识点掌握权重。

对应增加前述步骤S105的情况，步骤S103则更改为：根据知识点相似权重、相似度权重、知识点掌握权重和文本相似度权重就算候选试题的得分。

通过前述的步骤S105和更改后的步骤S103，在对各个候选试题进行评价时，考虑学生对知识点的掌握程度，使得包含更多没有被掌握知识点的候选试题得分相较于较少没有被掌握知识点的候选试题的得分更高，提高了包含较多没有被掌握知识点的候选试题被选定为推荐试题的可能性。

在本申请实施例的另一具体应用中，试题推荐方法还可以包括步骤S106。

S106：计算各个候选试题和已练习试题的文本相似度权重。

具体实施中，可以采用关键词匹配、文本向量化计算余弦相似度、或者深度学习的方法计算各个候选试题的文本相似度，并将文本相似度作为文本相似度权重。

对应增加前述步骤S106的情况，步骤S103则更改为：根据知识点相似权重、相似度权重、知识点掌握权重和文本相似度权重就算候选试题的得分。

采用前述步骤S106和更改后的步骤S103，通过将文本相似度考虑到试题得分计算中，使得候选试题的得分考虑到了试题相似度的因素，最终得到的推荐试题能够尽可能地与已练习试题的文本相似。学员在做候选试题时，能够较为方便地适应候选试题题干表述的方式，避免因为题干表述方式的极大变化引入了其他因素而干扰学员对推荐试题知识点和思考逻辑，使得学员能够关注于知识点本身。具体应用中，采用步骤S106的方法优选应用在已练习试题是学员做错的试题，也就是学员没有掌握相应的知识点的情况下。

在本申请实施例的再一应用中，试题推荐方法还可以包括步骤S107。

S107：获取各个候选试题的作答热度，根据作答热度计算热度权重。

本申请实施例中，答题热度是体现试题在当前时间段的热点程度的一个参数；实际应用中，答题热度可以通过试题在某一时间段的作答人数或者推荐此试题老师的数量确定。

在本申请实施例中，根据答题热度计算热度权重是可以采用公式

，其中e为一预设系数，

为某一试题的作答热度。可以想到采用tanh计算和log运算，可以将答题热度差别很大的候选试题的热度权重压缩到一个较小的数值范围内。

对应增加前述步骤S107的情况，步骤S103则更改为：根据知识点相似权重、难度权重、热度权重，计算候选试题得分。

在采用步骤S107和对应修改步骤S103的情况下，可以将试题在某一时间段的热度情况考虑到推荐试题的筛选过程中，将某些热点候选试题被选中为推荐试题的可能性增大。

在本申请实施例的其他应用中，试题推荐方法还可以包括其他更多的筛选条件，例如如下的步骤S108和步骤S109。

S108：根据候选试题的地域来源和学员的所在地域，计算地域匹配权重。

以我国当前的义务教育为例，各个省市采用采用了不同的教学大纲、教材和教辅资料，对应的基于前述资料编制用于学生练习的试题在知识点、试题难度、试题偏向程度上均会有不同，因此需要考虑候选试题的来源地域和学员所在地域的教学内容是否匹配的问题。

为了实现前段的目的，本申请实施例中通过互选试题的来源低于和学员所在地域进行匹配判断，确定对应的地域匹配权重。具体应用中，如果候选试题的地域来源和学生所在地域匹配，则可以将地域匹配权重设置为一非零数值；如果候选试题的地域来源和学生所在地域并不匹配，则将地域匹配权重设置为0。

S109：根据候选试题的学业阶段标识和学员的学业阶段标识，计算候选试题的学业阶段匹配权重。

本申请实施例中，虽然某些候选试题与已做过试题具有相同的知识点，但是在不同的学业阶段（也就是不同的年级或者年龄），相同知识点在内容深度、内容广度上差别很大，因此还需要考虑学员所处的学业阶段与试题对应的学业阶段是否匹配的问题。

本申请实施例中，学员所处的学业阶段和试题对应的学业阶段是否匹配采用学业阶段匹配权重表示。学业阶段匹配权重可以采用

，

为候选试题的学业阶段标识，

为学员的学业阶段标识，

为

和

差值的绝对值。

对应前述的步骤S108和步骤S109，步骤S103需要做适应性地改变，以根据获取得到的各种权重计算候选试题的得分。

除了考虑前述的因素外，本申请的一些应用中，还可以考虑候选试题是否包括讲解内容（例如讲解视频、讲解音频或者仔细分析答案），而设定讲解标识权重，并将讲解标识权重应用到候选试题的得分计算中。

应当注意的是，除了基于知识点相似权重和难度权重计算候选试题的得分外，可以将前述的知识点掌握权重、文本相似度权重、热度权重、地域匹配权重、学业阶段匹配权重、讲解标识权重的至少同时应用中到候选试题的得分计算。

除了提供前述的试题推荐方法外，本申请实施例还提供一种与前述的试题推荐方法具有相同发明构思的试题推荐装置。

图2是本申请实施例提供的试题推荐装置的结构示意图。如图2所示，试题推荐装置包括候选试题筛选单元11、权重计算单元12、得分计算单元13和推荐试题选定单元14。

候选试题筛选单元11用于根据已练习试题包含的知识点获取多个候选试题；候选试题是包括知识点的未做过试题。

权重计算单元12用于根据候选试题和已练习试题，确定各个候选试题的知识点相似权重，以及确定各个候选试题的难度权重。

得分计算单元13用于根据知识点相似权重和难度权重计算候选试题的得分。

推荐试题选定单元14用于根据各个候选试题的得分，在候选试题中选择推荐试题。

在本申请实施例的一个具体应用中，权重计算单元12包括差值计算子单元、排序子单元和难度权重确定子单元。

差值计算子单元用于确定候选试题的难度值和已练习试题的难度值的差值绝对值；排序子单元用于按照差值绝对值对候选试题进行排序，形成排序序列；难度权重确定子单元用于根据各个候选试题在排序序列中的位置，确定各个候选试题的难度权重。

在另外一些应用中，权重计算单元12还可以包括最大值获取单元。最大值获取单元用于获取差值绝对值中的最大值；对应的，难度权重确定子单元根据各个候选试题在排序序列中的位置和最大值，确定候选试题的难度权重。

在一些应用中，试题推荐装置还可以包括知识点掌握权重计算单元12，此计算单元用于根据学员对候选试题中知识点的掌握程度计算知识点掌握权重。对应的，试题推荐单元根据知识点相似权重、难度权重和知识点掌握权重计算候选试题的得分。

基于前述的发明构思，本申请还提供一种电子设备。图3是本申请实施例提供的电子设备的结构示意图。如图3所示，第一服务器包括至少一个处理器21、至少一个存储器22和至少一个通信接口23。通信接口23，用于与外部设备之间的信息传输。

第一服务器中的各个组件通过总线系统24耦合在一起。可理解地，总线系统24用于实现这些组件之间的连接通信。总线系统24除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但为了清楚说明起见，在图3中将各种总线都标为总线系统24。

可以理解，本实施例中的存储器22可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。在一些实施方式中，存储器22存储了如下的元素，可执行单元或者数据结构，或者他们的子集，或者他们的扩展集：操作系统和应用程序。

其中，操作系统，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础任务以及处理基于硬件的任务。应用程序，包含各种应用程序，例如媒体播放器（MediaPlayer）、浏览器（Browser）等，用于实现各种应用任务。实现本公开实施例提供的试题推荐方法的程序可以包含在应用程序中。

在本公开实施例中，处理器21通过调用存储器22存储的程序或指令，具体的，可以是应用程序中存储的程序或指令，处理器21用于执行本公开实施例提供的试题推荐方法的各个步骤。

本公开实施例提供的试题推荐方法可以应用于处理器21中，或者由处理器21实现。处理器21可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器21中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器21可以是通用处理器、数字信号处理器（Digital Signal Processor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现成可编程门阵列（Field Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

本公开实施例提供的试题推荐方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件单元组合执行完成。软件单元可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器22，处理器21读取存储器22中的信息，结合其硬件完成方法的步骤。

本公开实施例还提出一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行试题推荐方法的步骤各实施例的步骤，为避免重复描述，在此不再赘述。

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，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅是本申请的具体实施方式，使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的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述的这些实施例，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

1.一种试题推荐方法，其特征在于，包括：

2.根据权利要求1所述试题推荐方法，其特征在于，确定各个所述候选试题的知识点相似权重，包括：

3.根据权利要求1所述试题推荐方法，其特征在于，确定各个所述候选试题的难度权重，包括：

根据所述差值绝对值确定所述候选试题的难度权重。

4.根据权利要求3所述试题推荐方法，其特征在于，根据所述差值结对指示确定所述候选试题的难度权重，包括：

5.根据权利要求4所述试题推荐方法，其特征在于，

根据所述差值结对指示确定所述候选试题的难度权重，还包括：获取所述差值绝对值中的最大值；

6.根据权利要求1-5任一项所述试题推荐方法，其特征在于，还包括：

根据学员对所述候选试题中知识点的掌握程度计算知识点掌握权重；

7.根据权利要求1-5任一项所述试题推荐方法，其特征在于，

还包括：计算各个所述候选试题和所述已练习试题的文本相似度权重；

8.根据权利要求1-5任一项所述试题推荐方法，其特征在于，

还包括：获取各个所述候选试题的作答热度；以及，根据所述作答热度计算热度权重；

9.根据权利要求1-5任一项所述试题推荐方法，其特征在于，还包括，根据所述候选试题的地域来源和学员的所在地域，计算地域匹配权重；

10.根据权利要求1-5任一项所述试题推荐方法，其特征在于，还包括：根据所述候选试题的学业阶段标识和学员的学业阶段标识，计算所述候选试题的学业阶段匹配权重；

11.一种试题推荐装置，其特征在于，包括：

12.根据权利要求11所述试题推荐装置，其特征在于，所述权重计算单元包括：

差值计算子单元，用于确定所述候选试题的难度值和所述已练习试题的难度值的差值绝对值；

13.根据权利要求12所述试题推荐装置，其特征在于，

所述权重计算单元还包括：最大值获取单元，用于获取所述差值绝对值中的最大值；

14.根据权利要求11-12任一项所述试题推荐装置，其特征在于，

还包括知识点掌握权重计算单元，用于根据学员对所述候选试题中知识点的掌握程度计算知识点掌握权重；

15.一种电子设备，其特征在于，包括处理器和存储器；

所述处理器通过调用所述存储器存储的程序或指令，用于执行如权利要求1至10任一项所述试题推荐方法的步骤。

16.一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存储程序或指令，所述程序或指令使计算机执行如权利要求1至10任一项所述试题推荐方法的步骤。