CN112988821A - 一种基于互联网的题目资料获取方法、装置和电子设备 - Google Patents
一种基于互联网的题目资料获取方法、装置和电子设备 Download PDFInfo
- Publication number
- CN112988821A CN112988821A CN201911308031.2A CN201911308031A CN112988821A CN 112988821 A CN112988821 A CN 112988821A CN 201911308031 A CN201911308031 A CN 201911308031A CN 112988821 A CN112988821 A CN 112988821A
- Authority
- CN
- China
- Prior art keywords
- topic
- data
- question
- target
- alternative
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000001914 filtration Methods 0.000 claims description 43
- 238000012163 sequencing technique Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000007596 consolidation process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种基于互联网的题目资料获取方法、装置和电子设备,具体为接收客户端发送的题目获取请求;获取所述题目获取请求中的题目集合生成条件;从预先建立的题目数据库中查找符合所述题目集合生成条件的题目数据,作为目标题目数据;生成包含所述目标题目数据的题目集合,并返回给所述客户端。由于本实施例中的题目数据库中存储的是题目本身,而不是预先划分得到的题目集合,只有接受到用户的请求后,才去从多个题目中筛选符合条件的题目,然后组成一个题目集合返回给用户,这样保证了题目集合是根据用户的需求生成的,能够满足用户的需求,用户无需一再发出请求,从而大大减少了服务器的工作量,降低了对服务器资源的占用。
Description
技术领域
本申请涉及远程教育技术领域,更具体地说,涉及一种基于互联网的题目资料获取方法、装置和电子设备。
背景技术
随着移动互联网的发展,网络上所能获得的信息越来越多,体现到教育领域,无论是教育工作者,例如学校教师,或者是学生家长,再或者学生本人,都可以利用互联网获取一些资料辅助自己的学习或者工作,例如教师从网络上的题库中获取一些题目作为学生的作业,家长从网络题库中下载一些题目作为学生的课下练习等。
目前,网络题库中的题目通常是预先针对不同年级,不同学科等预先进行划分归类后所形成的题目集合,在使用相应网络题库时,用户根据自己的需求获得的也是这样的题目集合。
但是,在实际使用中用户发现,获得的题目集合有时并不能满足自己的实际需要,因此,可能会需要重新向存储有网络题库的服务器发送请求,服务器就需要响应该请求,再次进行查询,也就是说,用户可能需要提交多次请求,才能获得最终符合自己需求的结果。该过程中不可避免的会需要服务器频繁响应用户的多次请求,无疑给服务器的带来了比较大的处理压力,从而占用了过多的服务器资源。
发明内容
有鉴于此,本申请提供一种基于互联网的题目资料获取方法、装置和电子设备,用于基于用户的需求向提供所需的题目资料,以降低对服务器资源的过多占用。
为了实现上述目的,现提出的方案如下:
一种基于互联网的题目资料获取方法,应用于互联网的服务器,所述题目资料获取方法包括步骤:
接收客户端发送的题目获取请求;
获取所述题目获取请求中的题目集合生成条件,所述题目集合生成条件至少包括题目数据范围和题目数据类型;
从预先建立的题目数据库中查找符合所述题目集合生成条件的题目数据,作为目标题目数据,所述预先建立的题目数据库中存储有至少一条题目数据;
生成包含所述目标题目数据的题目集合,并返回给所述客户端。
可选的,所述从预先建立的题目数据库中查找符合所述题目集合生成条件的题目数据,包括:
基于所述题目集合生成条件从所述题目数据库中查找,得到多个备选知识点和与所述备选知识点对应的备选题目;
对所述备选题目进行过滤,得到所述目标题目数据。
可选的,所述题目数据范围包括进度信息,所述题目数据类型包括题目形式,所述对所述备选题目进行过滤,得到所述目标题目数据,包括:
根据所述题目形式,依照题目与题型的对应关系对所述备选题目进行过滤;
进一步根据所述进度信息对所述备选题目做不超纲过滤,得到所述目标题目数据。
可选的,所述题目集合生成条件还包括题目数据数量;所述生成包含所述目标题目数据的题目集合,并返回给所述客户端,包括步骤:
根据预设分数计算规则计算所述目标题目数据的分值,并根据所述分值的对所述目标题目数据进行排序;
根据所述题目数据数量,并依据排序结果从所述目标题目数据中截取多个题目;
对所述多个题目进行排序,得到所述题目集合。
一种基于互联网的题目资料获取装置,应用于互联网的服务器,所述题目资料获取装置包括:
指令接收模块,用于接收客户端发送的题目获取请求;
条件获取模块,用于获取所述题目获取请求中的题目集合生成条件,所述题目集合生成条件至少包括题目数据范围和题目数据类型;
题目查找模块,用于从预先建立的题目数据库中查找符合所述题目集合生成条件的题目数据,作为目标题目数据,所述预先建立的题目数据库中存储有至少一条题目数据;
信息返回模块,用于生成包含所述目标题目数据的题目集合,并返回给所述客户端。
可选的,所述题目查找模块包括:
查找执行单元,用于基于所述题目集合生成条件从所述题目数据库中查找,得到多个备选知识点和与所述备选知识点对应的备选题目;
题目过滤单元,用于对所述备选题目进行过滤,得到所述目标题目数据。
可选的,所述题目数据范围包括进度信息,所述题目数据类型包括题目形式,所述题目过滤单元包括:
第一过滤子单元,用于根据所述题目形式,依照题目与题型的对应关系对所述备选题目进行过滤;
第二过滤子单元,用于进一步根据所述进度信息对所述备选题目做不超纲过滤,得到所述目标题目数据。
可选的,所述题目集合生成条件还包括题目数据数量,所述信息返回模块包括:
分值计算单元,用于根据预设分数计算规则计算所述目标题目数据的分值,并根据所述分值的对所述目标题目数据进行排序;
题目截取单元,用于根据所述题目数据数量,并依据排序结果从所述目标题目数据中截取多个题目;
题目排序单元,用于对所述多个题目进行排序,得到所述题目集合。
一种电子设备,可选的,设置有如上所述的题目资料获取装置。
一种电子设备,可选的,包括至少一个处理器和所述处理器连接的存储器,其中:
所述存储器用于存储计算机程序或指令;
所述处理器用于获取并执行所述计算机程序或指令,以使所述电子设备执行如上所述的题目资料获取方法。
从上述的技术方案可以看出,本申请公开了一种基于互联网的题目资料获取方法、装置和电子设备,具体为接收客户端发送的题目获取请求;获取题目获取请求中的题目集合生成条件,题目集合生成条件至少包括题目数据范围和题目数据类型;从预先建立的题目数据库中查找符合题目集合生成条件的题目数据,作为目标题目数据,预先建立的题目数据库中存储有至少一条题目数据;生成包含目标题目数据的题目集合,并返回给客户端。由于本实施例中的题目数据库中存储的是题目本身,而不是预先划分得到的题目集合,只有接受到用户的请求后,才去从多个题目中筛选符合条件的题目,然后组成一个题目集合返回给用户,这样保证了题目集合是根据用户的需求生成的,能够满足用户的需求,用户无需一再发出请求,从而大大减少了服务器的工作量,降低了对服务器资源的占用。
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,下面描述中的附图仅仅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为本申请实施例的一种基于互联网的题目资料获取方法的流程图;
图2为本申请实施例的一种基于互联网的题目资料获取装置的框图;
图3为本申请实施例的一种电子设备的框图。
具体实施方式
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,所描述的实施例仅仅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作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。
实施例一
图1为本申请实施例的一种基于互联网的题目资料获取方法的流程图。
如图1所示,本实施例提供的作业推荐方法应用于互联网的服务器,如在线教育系统的服务器等,该服务器存储有预先建立的题目数据库,题目数据库中存储着教材数据和题目数据,该作业推荐方法具体包括如下步骤:
S1、接收客户端发送的题目获取请求。
即接收用户在需要获取相应题目时通过客户端发送的题目获取请求,该题目获取请求中会包括相应的题目集合生成条件,该题目集合生成条件是用户在输入该题目获取请求时通过输入相应参数或者点选相应条件输入的。
S2、获取题目获取请求中的题目集合生成条件。
在得到该题目获取请求后,响应该请求并对该题目获取请求进行解析,从而从中得到上述的题目集合生成条件。该题目集合生成条件中至少包括题目数据范围和题目数据类型。
题目数据范围是指用户期望得到的与本申请需求相对应的题目范围;题目数据类型是指用户期望得到的题目的类型,如填空、选择、判断等。
S3、从题目数据库中查找目标题目数据。
该题目数据库为前述服务器中预先建立的数据库,其中存储有至少一条题目数据。在查找时,是根据上述的题目集合生成条件对题目数据库中题目进行查找,将从中找到的题目数据作为目标题目数据。
在进行查找时,首先,基于题目集合生成条件从题目数据库中进行查找,得到多个备选知识点和与每个备选知识点对应的备选题目。具体来说通过如下步骤得到该备选知识点和备选题目:
1)从题目数据库中查找需要考察的知识点列表。
即在用户通过登录该服务器的在线教育终端设备输入请求时,根据与该请求一并输入的教材信息和单元信息从该题目数据库中查找需要考察的知识点,所有知识点构成相应的需要考察的知识点列表。
2)根据题目数据库中的题目形式从知识点列表中过滤备选知识点。
对于不同的题目形式,如英语的词汇专项/句型语法专项,语文的字词基础/字词拔高/拓展应用,依照题目与知识点类型的对应关系,根据知识点所属的类型,过滤能够匹配该题目的知识点,作为备选知识点。具体的过滤规则如下表。
3)根据备选知识点从题目数据库中查找备选题目。
具体来说是依据该备选知识点从数据库中查找题目数据,从中得到与每个备选知识点对应的所有题目数据,这些题目数据构成每个备选知识点的备选题目。
然后,在得到备选题目后,对备选题目进行过滤,从而得到相应的目标题目数据。过滤的过程如下所述:
1)根据不同的题目形式对备选题目进行过滤。
如英语的词汇专项/句型语法专项/情景综合/听力专项/阅读专项,语文的字词基础/字词拔高/拓展应用,数学的基础巩固/拓展提升/查缺补漏等等,依照题目与题型的对应关系,对照题目上标注的题型信息,对备选题目做过滤。具体的过滤规则如下表。
还有,在计算题目的分值所选定的特征时,该特征还包括班级薄弱点或者区域薄弱点,或者包括班级薄弱点和区域薄弱点。
针对班级薄弱点:
首先,收集每个班级的全部学生过去28天做过的题目数据,根据题目上挂载的主知识点,统计每个主知识点被做过的次数N和做错的次数F,计算每个知识点的错误率F/N*100%。对于错误率大于50%的知识点,定义为该班级的薄弱知识点。
然后,对于每个班级的每个薄弱知识点,统计该知识点在过去28天中,所有被做错的题目的题型。如果该知识点该题型下的错误题目数占该知识点错误题目数的比例超过30%,则该题型作为该知识点的核心题型。
再后,对于每个班级的每个薄弱知识点下的题目,按上面的方法进行打分,并根据题目分数从高到低排序。如果该知识点下有核心题型,则对于每个核心题型,根据分数推荐2道该知识点该核心题型下的题目。否则,根据分数推荐2道该知识点下的题目。
最后,对于推荐题目集合,依据该题目的题型序列,重新排序之后,返回给请求方。
针对区域薄弱点:
收集每个区县全部学生过去7天做过的题目数据,统计每个题目被做过的次数N和做错的次数F,计算每个知识点的错误率F/N*100%。对于错误率大于50%的题目,定义为该区域的薄弱错题,即区域薄弱点。
对于每个区县的全部薄弱错题,依据该题目的题型序列,重新排序之后,返回给请求方。
2)根据进度信息对备选题目进行不超纲过滤。
即根据用户在输入题目获取请求时一并输入的教材、单元和题目的进度信息,在根据题目形式对备选题目进行首次过滤后,再次对与每个备选知识点对应的备选题目做不超纲过滤,将超纲题目予以滤除,将其中题目进度不大于教材和单元的进度的题目作为相应备选知识点的目标题目数据。
S4、生成包含目标题目数据的题目集合,并返回至客户端。
在得到目标题目数据后,对其进行进一步处理,以便适合用户的使用习惯,并返回给用户发出题目获取请求的客户端。具体过程如下:
首先计算每个题目的分值,根据分值对目标题目数据进行排序。
即根据预设的分数计算规则对目标题目数据中每个题目的分值进行计算,然后针对每个备选知识点对应的所有可推荐题目进行排序,具体可以按分数由高到低的顺序进行排序。
具体的计算过程为:
首先选定题目的特征,并确定每个特征的权值和权重。特征可以为:(1)用户的地域信息、教材单元信息;(2)题目的二级题型、更新时间、是否有附属图表、在教辅中的使用次数、题目挂载的本单元主知识点个数;(3)题目是否推荐给老师过、在题目在同城市的老师中的主动布置率、该题目在同教材的老师中的主动布置率等输入参数与题目结合的信息。
然后,将每个特征的权值和权重相乘,得到相应特征的权特征值;最后,将所有特征权值相加,得到题目的分值。
(1)下表中为语文题目的特征、权值和权重:
(2)下表中为英语题目的特征、权值和权重:
(3)下表中为数学题目的特征、权值和权重:
然后,根据题目数据数量和题目的排序为每个备选知识点分配题目数据。
该题目数据数量为用户在输入题目获取请求时一并输入的参数,根据题目需求数量和上述的排序保证各个知识点中的可推荐题目数尽量均衡。即,若需要题目数为R,备选知识点有N个,则每个备选知识点推荐分数最高的R/N个题目。全部推荐题目组成推荐题目集合。例如,当题目需要返回10道题,备选知识点有5个,则每个知识点下推荐2道题作为题目集合。
最后,对题目集合进行排序,并返回给用户。
在得到推荐题目集合后,根据题目的类型对集合内的题目进行排序,并将经过排序的推荐题目集合返回给用户,即返回给用户所应用的客户端。
各个知识点循环取题。取题时要满足题型优先级。当一个知识点下取题次数小于等于该知识点下题目的所有题型个数时,该知识点下取的题的题型不能重复。需要每个相邻题目的知识点题型不同,题型需循环。
知识点下的题型优先级为:
(1)单选
(2)填空
(3)选词填空
(4)判断
举例:推荐题目共10道。知识点下的题目题型分布为:
kp1(有4道题)单选1道填空2道判断1道;
kp2(有3道题)单选2道判断1道;
kp3(有3道题)填空1道判断2道。
则,这十道题题目排序应该为:
kp1单选,kp2判断,kp3填空,kp1判断,kp2单选,kp3判断,kp1填空,kp2单选,kp3判断,kp1填空。
(8.2)英语题目重新排序规则
题型按照如下题型的顺序输出。同一题型内,按难度由易到难排序。
(1)单选
(2)图文匹配
(3)判断
(4)情景选择
(5)填空
(6)排序
(7)连线
(8)归类
(9)改错
(8.3)数学题目重新排序规则
题型按照如下题型的顺序输出。同一题型内,按难度由易到难排序。
(1)判断
(2)选择
(3)计算
(4)填空
(5)连线
(6)归类
(7)解决问题
(8)其他
从上述的技术方案可以看出,本申请公开了一种基于互联网的题目资料获取方法,具体为接收客户端发送的题目获取请求;获取题目获取请求中的题目集合生成条件,题目集合生成条件至少包括题目数据范围和题目数据类型;从预先建立的题目数据库中查找符合题目集合生成条件的题目数据,作为目标题目数据,预先建立的题目数据库中存储有至少一条题目数据;生成包含目标题目数据的题目集合,并返回给客户端。由于本实施例中的题目数据库中存储的是题目本身,而不是预先划分得到的题目集合,只有接受到用户的请求后,才去从多个题目中筛选符合条件的题目,然后组成一个题目集合返回给用户,这样保证了题目集合是根据用户的需求生成的,能够满足用户的需求,用户无需一再发出请求,从而大大减少了服务器的工作量,降低了对服务器资源的占用。
实施例二
图2为本申请实施例的一种作业推荐装置的框图。
如图2所示,本实施例提供的作业推荐装置应用于互联网的服务器,如在线教育系统的服务器等,该服务器存储有预先建立的题目数据库,题目数据库中存储着教材数据和题目数据,该作业推荐装置具体包括指令接收模块10、条件获取模块20、题目查找模块30和信息返回模块40。
指令接收模块10用于接收客户端发送的题目获取请求。
即接收用户在需要获取相应题目时通过客户端发送的题目获取请求,该题目获取请求中会包括相应的题目集合生成条件,该题目集合生成条件是用户在输入该题目获取请求时通过输入相应参数或者点选相应条件输入的。
条件获取模块20用于获取题目获取请求中的题目集合生成条件。
在得到该题目获取请求后,响应该请求并对该题目获取请求进行解析,从而从中得到上述的题目集合生成条件。该题目集合生成条件中至少包括题目数据范围和题目数据类型。
题目数据范围是指用户期望得到的与本申请需求相对应的题目范围;题目数据类型是指用户期望得到的题目的类型,如填空、选择、判断等。
题目查找模块30用于从题目数据库中查找目标题目数据。
该题目数据库为前述服务器中预先建立的数据库,其中存储有至少一条题目数据。在查找时,是根据上述的题目集合生成条件对题目数据库中题目进行查找,将从中找到的题目数据作为目标题目数据。该题目查找模块30包括查找执行单元和题目过滤单元。
查找执行单元用于基于题目集合生成条件从题目数据库中进行查找,得到多个备选知识点和与每个备选知识点对应的备选题目。具体来说查找执行单元通过如下步骤得到该备选知识点和备选题目:
1)从题目数据库中查找需要考察的知识点列表。
即在用户通过登录该服务器的在线教育终端设备输入请求时,根据与该请求一并输入的教材信息和单元信息从该题目数据库中查找需要考察的知识点,所有知识点构成相应的需要考察的知识点列表。
2)根据题目数据库中的题目形式从知识点列表中过滤备选知识点。
对于不同的题目形式,如英语的词汇专项/句型语法专项,语文的字词基础/字词拔高/拓展应用,依照题目与知识点类型的对应关系,根据知识点所属的类型,过滤能够匹配该题目的知识点,作为备选知识点。具体的过滤规则如下表。
3)根据备选知识点从题目数据库中查找备选题目。
具体来说是依据该备选知识点从数据库中查找题目数据,从中得到与每个备选知识点对应的所有题目数据,这些题目构成每个备选知识点的备选题目。
题目过滤单元则用于在查找执行单元得到备选题目后,对备选题目进行过滤,从而得到相应的目标题目数据。该题目过滤单元包括第一过滤子单元和第二过滤子单元。
第一过滤子单元用于根据不同的题目形式对备选题目进行过滤。
如英语的词汇专项/句型语法专项/情景综合/听力专项/阅读专项,语文的字词基础/字词拔高/拓展应用,数学的基础巩固/拓展提升/查缺补漏等等,依照题目与题型的对应关系,对照题目上标注的题型信息,对备选题目做过滤。具体的过滤规则如下表。
还有,在计算题目的分值所选定的特征时,该特征还包括班级薄弱点或者区域薄弱点,或者包括班级薄弱点和区域薄弱点。
针对班级薄弱点:
首先,收集每个班级的全部学生过去28天做过的题目数据,根据题目上挂载的主知识点,统计每个主知识点被做过的次数N和做错的次数F,计算每个知识点的错误率F/N*100%。对于错误率大于50%的知识点,定义为该班级的薄弱知识点。
然后,对于每个班级的每个薄弱知识点,统计该知识点在过去28天中,所有被做错的题目的题型。如果该知识点该题型下的错误题目数占该知识点错误题目数的比例超过30%,则该题型作为该知识点的核心题型。
再后,对于每个班级的每个薄弱知识点下的题目,按上面的方法进行打分,并根据题目分数从高到低排序。如果该知识点下有核心题型,则对于每个核心题型,根据分数推荐2道该知识点该核心题型下的题目。否则,根据分数推荐2道该知识点下的题目。
最后,对于推荐题目集合,依据该题目的题型序列,重新排序之后,返回给请求方。
针对区域薄弱点:
收集每个区县全部学生过去7天做过的题目数据,统计每个题目被做过的次数N和做错的次数F,计算每个知识点的错误率F/N*100%。对于错误率大于50%的题目,定义为该区域的薄弱错题,即区域薄弱点。
对于每个区县的全部薄弱错题,依据该题目的题型序列,重新排序之后,返回给请求方。
第二过滤子单元用于根据进度信息对备选题目进行不超纲过滤。
即根据用户在输入题目获取请求时一并输入的教材、单元和题目的进度信息,在根据题目形式对备选题目进行首次过滤后,再次对与每个备选知识点对应的备选题目做不超纲过滤,将超纲题目予以滤除,将其中题目进度不大于教材和单元的进度的题目作为相应备选知识点的目标题目数据。
信息返回模块40用于生成包含目标题目数据的题目集合,并返回至客户端。
在得到目标题目数据后,对其进行进一步处理,以便适合用户的使用习惯,并返回给用户发出题目获取请求的客户端。该模块包括分值计算单元、题目截取单元和题目排序单元。
分值计算单元用于计算每个题目的分值,根据分值对目标题目数据进行排序。
即根据预设的分数计算规则对目标题目数据中每个题目的分值进行计算,然后针对每个备选知识点对应的所有可推荐题目进行排序,具体可以按分数由高到低的顺序进行排序。
具体的计算过程为:
首先选定题目的特征,并确定每个特征的权值和权重。特征可以为:(1)用户的地域信息、教材单元信息;(2)题目的二级题型、更新时间、是否有附属图表、在教辅中的使用次数、题目挂载的本单元主知识点个数;(3)题目是否推荐给老师过、在题目在同城市的老师中的主动布置率、该题目在同教材的老师中的主动布置率等输入参数与题目结合的信息。
然后,将每个特征的权值和权重相乘,得到相应特征的权特征值;最后,将所有特征权值相加,得到题目的分值。
题目截取单元用于根据题目数据数量和题目的排序为每个备选知识点分配题目数据。
该题目数据数量为用户在输入题目获取请求时一并输入的参数,根据题目需求数量和上述的排序保证各个知识点中的可推荐题目数尽量均衡。即,若需要题目数为R,备选知识点有N个,则每个备选知识点推荐分数最高的R/N个题目。全部推荐题目组成推荐题目集合。例如,当题目需要返回10道题,备选知识点有5个,则每个知识点下推荐2道题作为题目集合。
题目排序单元用于对题目集合进行排序,并返回给用户。
在得到推荐题目集合后,根据题目的类型对集合内的题目进行排序,并将经过排序的推荐题目集合返回给用户,即返回给用户所应用的客户端。
各个知识点循环取题。取题时要满足题型优先级。当一个知识点下取题次数小于等于该知识点下题目的所有题型个数时,该知识点下取的题的题型不能重复。需要每个相邻题目的知识点题型不同,题型需循环。
从上述的技术方案可以看出,本申请公开了一种基于互联网的题目资料获取装置,具体用于为接收客户端发送的题目获取请求;获取题目获取请求中的题目集合生成条件,题目集合生成条件至少包括题目数据范围和题目数据类型;从预先建立的题目数据库中查找符合题目集合生成条件的题目数据,作为目标题目数据,预先建立的题目数据库中存储有至少一条题目数据;生成包含目标题目数据的题目集合,并返回给客户端。由于本实施例中的题目数据库中存储的是题目本身,而不是预先划分得到的题目集合,只有接受到用户的请求后,才去从多个题目中筛选符合条件的题目,然后组成一个题目集合返回给用户,这样保证了题目集合是根据用户的需求生成的,能够满足用户的需求,用户无需一再发出请求,从而大大减少了服务器的工作量,降低了对服务器资源的占用。
实施例三
实施例提供了一种电子设备,该电子设备可以看做在线教育系统的服务器,该电子设备设置有上述基于互联网的题目资料获取装置。
该题目资料获取装置用于为接收客户端发送的题目获取请求;获取题目获取请求中的题目集合生成条件,题目集合生成条件至少包括题目数据范围和题目数据类型;从预先建立的题目数据库中查找符合题目集合生成条件的题目数据,作为目标题目数据,预先建立的题目数据库中存储有至少一条题目数据;生成包含目标题目数据的题目集合,并返回给客户端。由于本实施例中的题目数据库中存储的是题目本身,而不是预先划分得到的题目集合,只有接受到用户的请求后,才去从多个题目中筛选符合条件的题目,然后组成一个题目集合返回给用户,这样保证了题目集合是根据用户的需求生成的,能够满足用户的需求,用户无需一再发出请求,从而大大减少了服务器的工作量,降低了对服务器资源的占用。
实施例四
图3为本申请实施例的一种电子设备的框图。
如图所示,本实施例提供的电子设备可以看做在线教育系统的服务器,该电子设备包括至少一个处理器101和存储器102,两者通过数据总线103相连接。该存储器用于存储计算程序或指令,该处理器用于获取并执行该计算机程序或指令,以使该电子设备执行实施例一中所基于互联网的题目资料获取方法。
该题目资料获取方法具体为接收客户端发送的题目获取请求;获取题目获取请求中的题目集合生成条件,题目集合生成条件至少包括题目数据范围和题目数据类型;从预先建立的题目数据库中查找符合题目集合生成条件的题目数据,作为目标题目数据,预先建立的题目数据库中存储有至少一条题目数据;生成包含目标题目数据的题目集合,并返回给客户端。由于本实施例中的题目数据库中存储的是题目本身,而不是预先划分得到的题目集合,只有接受到用户的请求后,才去从多个题目中筛选符合条件的题目,然后组成一个题目集合返回给用户,这样保证了题目集合是根据用户的需求生成的,能够满足用户的需求,用户无需一再发出请求,从而大大减少了服务器的工作量,降低了对服务器资源的占用。
本说明书中的各个实施例均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的部分互相参见即可。
尽管已描述了本发明实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后,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、物品或者终端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、物品或者终端设备所固有的要素。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、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的技术方案进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种基于互联网的题目资料获取方法,应用于互联网的服务器,其特征在于,所述题目资料获取方法包括步骤:
接收客户端发送的题目获取请求;
获取所述题目获取请求中的题目集合生成条件,所述题目集合生成条件至少包括题目数据范围和题目数据类型;
从预先建立的题目数据库中查找符合所述题目集合生成条件的题目数据,作为目标题目数据,所述预先建立的题目数据库中存储有至少一条题目数据;
生成包含所述目标题目数据的题目集合,并返回给所述客户端。
2.如权利要求1所述的题目资料获取方法,其特征在于,所述从预先建立的题目数据库中查找符合所述题目集合生成条件的题目数据,包括:
基于所述题目集合生成条件从所述题目数据库中查找,得到多个备选知识点和与所述备选知识点对应的备选题目;
对所述备选题目进行过滤,得到所述目标题目数据。
3.如权利要求2所述的题目资料获取方法,其特征在于,所述题目数据范围包括进度信息,所述题目数据类型包括题目形式,所述对所述备选题目进行过滤,得到所述目标题目数据,包括:
根据所述题目形式,依照题目与题型的对应关系对所述备选题目进行过滤;
进一步根据所述进度信息对所述备选题目做不超纲过滤,得到所述目标题目数据。
4.如权利要求1所述的题目资料获取方法,其特征在于,所述题目集合生成条件还包括题目数据数量;所述生成包含所述目标题目数据的题目集合,并返回给所述客户端,包括步骤:
根据预设分数计算规则计算所述目标题目数据的分值,并根据所述分值的对所述目标题目数据进行排序;
根据所述题目数据数量,并依据排序结果从所述目标题目数据中截取多个题目;
对所述多个题目进行排序,得到所述题目集合。
5.一种基于互联网的题目资料获取装置,应用于互联网的服务器,其特征在于,所述题目资料获取装置包括:
指令接收模块,用于接收客户端发送的题目获取请求;
条件获取模块,用于获取所述题目获取请求中的题目集合生成条件,所述题目集合生成条件至少包括题目数据范围和题目数据类型;
题目查找模块,用于从预先建立的题目数据库中查找符合所述题目集合生成条件的题目数据,作为目标题目数据,所述预先建立的题目数据库中存储有至少一条题目数据;
信息返回模块,用于生成包含所述目标题目数据的题目集合,并返回给所述客户端。
6.如权利要求5所述的题目资料获取装置,其特征在于,所述题目查找模块包括:
查找执行单元,用于基于所述题目集合生成条件从所述题目数据库中查找,得到多个备选知识点和与所述备选知识点对应的备选题目;
题目过滤单元,用于对所述备选题目进行过滤,得到所述目标题目数据。
7.如权利要求6所述的题目资料获取装置,其特征在于,所述题目数据范围包括进度信息,所述题目数据类型包括题目形式,所述题目过滤单元包括:
第一过滤子单元,用于根据所述题目形式,依照题目与题型的对应关系对所述备选题目进行过滤;
第二过滤子单元,用于进一步根据所述进度信息对所述备选题目做不超纲过滤,得到所述目标题目数据。
8.如权利要求5所述的题目资料获取装置,其特征在于,所述题目集合生成条件还包括题目数据数量,所述信息返回模块包括:
分值计算单元,用于根据预设分数计算规则计算所述目标题目数据的分值,并根据所述分值的对所述目标题目数据进行排序;
题目截取单元,用于根据所述题目数据数量,并依据排序结果从所述目标题目数据中截取多个题目;
题目排序单元,用于对所述多个题目进行排序,得到所述题目集合。
9.一种电子设备,其特征在于,设置有如权利要求5~8任一项所述的题目资料获取装置。
10.一种电子设备,其特征在于,包括至少一个处理器和所述处理器连接的存储器,其中:
所述存储器用于存储计算机程序或指令;
所述处理器用于获取并执行所述计算机程序或指令,以使所述电子设备执行如权利要求1~4任一项所述的题目资料获取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911308031.2A CN112988821A (zh) | 2019-12-18 | 2019-12-18 | 一种基于互联网的题目资料获取方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911308031.2A CN112988821A (zh) | 2019-12-18 | 2019-12-18 | 一种基于互联网的题目资料获取方法、装置和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112988821A true CN112988821A (zh) | 2021-06-18 |
Family
ID=76343862
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911308031.2A Withdrawn CN112988821A (zh) | 2019-12-18 | 2019-12-18 | 一种基于互联网的题目资料获取方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112988821A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117151070A (zh) * | 2023-10-31 | 2023-12-01 | 联城科技(河北)股份有限公司 | 试卷组题方法、装置、设备及计算机可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20020023519A (ko) * | 2000-09-22 | 2002-03-29 | 이예범 | 웹 자격증 시험에서 문제 은행식 평가 및 동일 난이도유지를 위한 모듈 장치 및 그 방법 |
CN106340219A (zh) * | 2016-08-16 | 2017-01-18 | 广东小天才科技有限公司 | 一种题目推荐方法及系统、相关设备 |
CN107766543A (zh) * | 2017-10-31 | 2018-03-06 | 广东小天才科技有限公司 | 一种基于知识点的搜索结果提供方法及装置 |
-
2019
- 2019-12-18 CN CN201911308031.2A patent/CN112988821A/zh not_active Withdrawn
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20020023519A (ko) * | 2000-09-22 | 2002-03-29 | 이예범 | 웹 자격증 시험에서 문제 은행식 평가 및 동일 난이도유지를 위한 모듈 장치 및 그 방법 |
CN106340219A (zh) * | 2016-08-16 | 2017-01-18 | 广东小天才科技有限公司 | 一种题目推荐方法及系统、相关设备 |
CN107766543A (zh) * | 2017-10-31 | 2018-03-06 | 广东小天才科技有限公司 | 一种基于知识点的搜索结果提供方法及装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117151070A (zh) * | 2023-10-31 | 2023-12-01 | 联城科技(河北)股份有限公司 | 试卷组题方法、装置、设备及计算机可读存储介质 |
CN117151070B (zh) * | 2023-10-31 | 2024-01-23 | 联城科技(河北)股份有限公司 | 试卷组题方法、装置、设备及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103425635B (zh) | 一种答案推荐方法和装置 | |
CN105677831A (zh) | 一种确定推荐商户的方法及装置 | |
CN111651676B (zh) | 基于能力模型进行职业推荐的方法、装置、设备和介质 | |
CN102768659A (zh) | 重复账号自动识别方法和系统 | |
CN109637238B (zh) | 一种练习题的生成方法、装置、设备和存储介质 | |
US6537072B2 (en) | System and method for teaching job skills to individuals via a network | |
CN107292785A (zh) | 一种出题方法及系统 | |
CN111291086A (zh) | 一种课程内容搜索方法、系统、设备及存储介质 | |
Xu et al. | ChatGPT vs. Google: a comparative study of search performance and user experience | |
CN112232933A (zh) | 房源信息的推荐方法、装置、设备及可读存储介质 | |
Ng et al. | CrsRecs: a personalized course recommendation system for college students | |
CN106599291B (zh) | 数据分组方法及装置 | |
CN110516164B (zh) | 一种信息推荐方法、装置、设备及存储介质 | |
CN110929169A (zh) | 基于改进Canopy聚类协同过滤算法的职位推荐方法 | |
CN112988821A (zh) | 一种基于互联网的题目资料获取方法、装置和电子设备 | |
Gadelha et al. | Traceability recovery between bug reports and test cases-a Mozilla Firefox case study | |
CN108550019A (zh) | 一种简历筛选方法及装置 | |
Roszkowska et al. | Can the holistic preference elicitation be used to determine an accurate negotiation offer scoring system? A comparison of direct rating and UTASTAR techniques | |
JP6942759B2 (ja) | 情報処理装置、プログラム及び情報処理方法 | |
CN109784615B (zh) | 一种数字化学习资源应用成效的计算方法 | |
CN111062449A (zh) | 预测模型的训练方法、兴趣度预测方法、装置和存储介质 | |
CN103279549A (zh) | 一种目标对象的目标数据的获取方法及装置 | |
JP7030583B2 (ja) | シラバスを利用したマッチング装置 | |
CN112307290A (zh) | 基于互联网的人才信息定向抓取方法 | |
CN107741932A (zh) | 用户数据融合方法及系统 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210618 |
|
WW01 | Invention patent application withdrawn after publication |