CN113204581A - 基于大数据的题目推荐方法、装置、设备及存储介质 - Google Patents
基于大数据的题目推荐方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113204581A CN113204581A CN202110597870.1A CN202110597870A CN113204581A CN 113204581 A CN113204581 A CN 113204581A CN 202110597870 A CN202110597870 A CN 202110597870A CN 113204581 A CN113204581 A CN 113204581A
- Authority
- CN
- China
- Prior art keywords
- target
- question
- questions
- type
- topic
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000012549 training Methods 0.000 claims abstract description 50
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012552 review Methods 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010009 beating Methods 0.000 description 2
- 210000002390 cell membrane structure Anatomy 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012360 testing method Methods 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
- G06F16/24573—Query processing with adaptation to user needs using data annotations, e.g. user-defined metadata
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Library & Information 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)
- Electrically Operated Instructional Devices (AREA)
Abstract
本申请提供一种基于大数据的题目推荐方法、装置、设备及存储介质,其中,该方法包括:获取若干题目样本;对所述若干题目样本进行打标处理,使得每个所述题目样本关联若干标;根据打标后的所述若干题目样本生成题库;获取目标用户针对目标题目的答题信息;根据所述答题信息判断所述目标题目是否答题错误,若是则确定所述目标题目的标签;根据所述目标题目的标签从所述题库中匹配训练题。本申请能够帮助老师快速定位问题学生及班级弱项,实现精准教学。另一方面,本申请能够帮着学生快速定位薄弱知识点,解题方法,错题,实现精准学习。再一方面,本申请能够帮助每个学生自动收录所有错题,形成个性化错题本,方便针对性复习。
Description
技术领域
本申请涉及大数据领域,具体而言,涉及一种基于大数据的题目推荐方法、装置、设备及存储介质。
背景技术
目前教学现状是大部分学生不断刷题,陷入题海战术,效率低。同一班级不同学生,千人千面,老师很难掌握每个学生的知识点薄弱项,做不到因材施教。
发明内容
本申请实施例的目的在于提供一种基于大数据的题目推荐方法、装置、设备及存储介质,用以至少解决难以根据用户的数据为用户精确匹配训练题。
为此,本申请第一方面公开一种基于大数据的题目推荐方法,所述方法,包括步骤:
获取若干题目样本;
对所述若干题目样本进行打标处理,使得每个所述题目样本关联若干标签;
根据打标后的所述若干题目样本生成题库;
获取目标用户针对目标题目的答题信息;
根据所述答题信息判断所述目标题目是否答题错误,若是则确定所述目标题目的标签;
根据所述目标题目的标签从所述题库中匹配训练题。
在本申请第一方面中,通过对所述若干题目样本进行打标处理,使得每个所述题目样本关联若干标签,进而能够根据打标后的所述若干题目样本生成题库,进而当获取目标用户针对目标题目的答题信息时,通过根据所述答题信息判断所述目标题目是否答题错误并确定所述目标题目的标签,进而根据所述目标题目的标签从所述题库中匹配训练题,这样一来就能够为形成个性化错题本,方便用户针对性复习。
在本申请第二方面中,作为一种可选的实施方式,在所述根据所述答题信息判断所述目标题目是否答题错误,若是则确定所述目标题目的标签之后,所述方法还包括:
当获取到至少两个所述目标用户针对目标题目的答题信息时,根据至少两个所述目标用户针对目标题目的答题信息生成统计信息。
在本可选的实施方式中,通过根据至少两个所述目标用户针对目标题目的答题信息生成统计信息,能够快速老师快速定位习题问题、薄弱点。
在本申请第一方面中,作为一种可选的实施方式,所述目标题目的标签包括所述目标题目的出错类型,所述出错类型为第一错误类型和第二错误类型中的一种,所述第一错误类型表征所述目标题目的知识点答错,所述第二错误类型表征所述目标题目的解题方法出错。
在本可选的实施方式中,通过为目标题目打上第一错误类型和第二错误类型中的一种,能够帮助用户快速确定出错类型。
在本申请第一方面中,作为一种可选的实施方式,所述目标题目的标签还包括所述目标题目的题型、所述目标题目的难度、解题方法类型;
以及,所述根据所述目标题目的标签从所述题库中匹配训练题,包括:
当所述目标题目的出错类型为第二错误类型时,根据所述目标题目的难度、所述目标题目的题型、所述解题方法类型从所述题库中匹配解决方法类型相同、难度相同、题型相同的题目,并作为所述训练题。
在本可选的实施方式中,当所述目标题目的出错类型为第二错误类型时,能够根据所述目标题目的难度、所述目标题目的题型、所述解题方法类型从所述题库中匹配解决方法类型相同、难度相同、题型相同的题目,并作为所述训练题。
在本申请第一方面中,作为一种可选的实施方式,所述根据所述目标题目的标签从所述题库中匹配训练题,还包括:
当所述题库中不存在难度相同的题目时,则从所述题库中匹配解决方法类型相同、题型相同、难度相近的题目,并作为所述训练题。
在本可选的实施方式中,当所述题库中不存在难度相同的题目时,能够从所述题库中匹配解决方法类型相同、题型相同、难度相近的题目,并作为所述训练题。
在本申请第一方面中,作为一种可选的实施方式,所述目标题目的标签还包括所述目标题目的知识点;
以及,所述根据所述目标题目的标签从所述题库中匹配训练题,还包括:
当所述题库中不存在解决方法类型相同的题目时,则根据所述目标题目的知识点、所述目标题目的难度、所述目标题目的题型从所述题库匹配拥有至少一个相同知识点、难度相同、题型相同的题目作为所述训练题。
在本可选的实施方式,当所述题库中不存在解决方法类型相同的题目时,能够根据所述目标题目的知识点、所述目标题目的难度、所述目标题目的题型从所述题库匹配拥有至少一个相同知识点、难度相同、题型相同的题目作为所述训练题。
在本申请第一方面中,作为一种可选的实施方式,所述统计信息包括所述第一错误类型的数量与所述第二错误类型的数量、所述目标用户的错题总数,所述训练题为第一类题目、第二类题目中的一种;
以及,在所述根据所述目标题目的标签从所述题库中匹配训练题之后,所述方法还包括:
根据所述第一错误类型的数量与所述第二错误类型的数量确定所述第一类题目与所述第二类题目的比例;
根据所述第一类题目与所述第二类题目的比例生成针对所述目标用户的错题库。
在本可选的实施方式中,能够根据所述第一类题目与所述第二类题目的比例生成针对所述目标用户的错题库。
本申请第二方面公开一种基于大数据的题目推荐装置,所述装置包括:
第一获取模块,用于获取若干题目样本;
打标模块,用于对所述若干题目样本进行打标处理,使得每个所述题目样本关联若干标;
生成模块,用于根据打标后的所述若干题目样本生成题库;
第二获取模块,用于获取目标用户针对目标题目的答题信息;
判断模块,用于根据所述答题信息判断所述目标题目是否答题错误,若是则确定所述目标题目的标签;
匹配模块,用于根据所述目标题目的标签从所述题库中匹配训练题。
本申请第二方面的装置通过执行基于大数据的题目推荐方法,能够通过对所述若干题目样本进行打标处理,使得每个所述题目样本关联若干标签,进而能够根据打标后的所述若干题目样本生成题库,进而当获取目标用户针对目标题目的答题信息时,通过根据所述答题信息判断所述目标题目是否答题错误并确定所述目标题目的标签,进而根据所述目标题目的标签从所述题库中匹配训练题,这样一来就能够为形成个性化错题本,方便用户针对性复习。
本申请第三方面公开一种基于大数据的题目推荐设备,所述设备包括:
处理器;以及
存储器,配置用于存储机器可读指令,指令在由处理器执行时,使得处理器执行本申请第一方面的基于大数据的题目推荐方法。
本申请第三方面的设备通过执行基于大数据的题目推荐方法,能够通过对所述若干题目样本进行打标处理,使得每个所述题目样本关联若干标签,进而能够根据打标后的所述若干题目样本生成题库,进而当获取目标用户针对目标题目的答题信息时,通过根据所述答题信息判断所述目标题目是否答题错误并确定所述目标题目的标签,进而根据所述目标题目的标签从所述题库中匹配训练题,这样一来就能够为形成个性化错题本,方便用户针对性复习。
本申请第四方面公开一种存储介质,其特征在于,存储介质存储有计算机程序,计算机程序被处理器执行本申请第四方面的基于大数据的题目推荐方法。
本申请第四方面的存储介质通过执行基于大数据的题目推荐方法,能够通过对所述若干题目样本进行打标处理,使得每个所述题目样本关联若干标签,进而能够根据打标后的所述若干题目样本生成题库,进而当获取目标用户针对目标题目的答题信息时,通过根据所述答题信息判断所述目标题目是否答题错误并确定所述目标题目的标签,进而根据所述目标题目的标签从所述题库中匹配训练题,这样一来就能够为形成个性化错题本,方便用户针对性复习。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例公开的一种基于大数据的题目推荐方法的流程示意图;
图2为本申请实施例公开的一种用户打标签过程的示意图;
图3为本申请实施例公开的一种题目标签的示意图;
图4为本申请实施例公开的一种基于大数据的题目推荐装置的结构示意图;
图5为本申请实施例公开的一种基于大数据的题目推荐设备的结构示意图。
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描述。
本申请实施例的目的在于提供一种基于大数据的题目推荐方法、装置、设备及存储介质,用以至少解决难以根据用户的数据为用户精确匹配训练题。
实施例一
请参阅图1,图1是本申请实施例公开的一种基于大数据的题目推荐方法的流程示意图。如图1所示,本申请实施例的方法包括步骤:
101、获取若干题目样本;
102、对若干题目样本进行打标处理,使得每个题目样本关联若干标签;
103、根据打标后的若干题目样本生成题库;
104、获取目标用户针对目标题目的答题信息;
105、根据答题信息判断目标题目是否答题错误,若是则确定目标题目的标签;
106、根据目标题目的标签从题库中匹配训练题。
在本申请实施例中,通过对若干题目样本进行打标处理,使得每个题目样本关联若干标签,进而能够根据打标后的若干题目样本生成题库,进而当获取目标用户针对目标题目的答题信息时,通过根据答题信息判断目标题目是否答题错误并确定目标题目的标签,进而根据目标题目的标签从题库中匹配训练题,这样一来就能够为形成个性化错题本,方便用户针对性复习。
在本申请实施例中,题目样本可以采集于教辅书、试卷,本申请实施例对此不作限定。
在本申请实施例中,作为步骤102的一个示例,当获取到一个题目时,可生成一个设置页面,使得相关用户可以在设置页面中设置标签,进而通过用户在设置页面中输入的设置信息题目进行打标。例如,如图2所示,当获取到题目信息为“关于细胞膜结构和功能的叙述”这一题目时,可设置这套题目的分值标签、难度标签、题类标签、来源标签、年份标签、知识点、所属章节标签。
进一步地,如图3所示,一个题目的标签还可以包括错误人数、使用次数、年级正确率。
进一步地,在本申请实施例中,难度标签可以对应五个等级的标签值,其中,五个等级的标签值分别为容易、较易、一般、较难、困难等。
在本申请实施例中,作为步骤104、步骤105、步骤106的一个示例,假设用户正针对题目“关于细胞膜结构和功能的叙述”这一题目的答题信息为“D”,而正确答案为“A”,此时判断用户答题错误,进而可从题库中为用户与该题目具有相同难度、相同知识点的题目作为用户的训练题,以使得用户可以有针对性的训练,掌握未完全理解的知识点。
在本申请实施例中,作为一种可选的实施方式,在根据答题信息判断目标题目是否答题错误,若是则确定目标题目的标签之后,本申请实施例的方法还包括:
当获取到至少两个目标用户针对目标题目的答题信息时,根据至少两个目标用户针对目标题目的答题信息生成统计信息。
在本可选的实施方式中,通过根据至少两个目标用户针对目标题目的答题信息生成统计信息,能够快速老师快速定位习题问题、薄弱点。
在本申请实施例中,作为一种示例,在一种情形中,两个目标题目的答题信息可以由一个用户做出,在另一种情形中,一个题目的答题信息可以分别由两个用户作出,具体地,假设一个用户分别针对题目一、题目作出了答题信息,此时通过统计,可分析该用户掌握了哪些知识点,未掌握哪些知识点。再示例的,假设两个用户分别对题目一作出了答题信息,此时通过统计,可连接由两个用户构成的一个整体的整体答题情况。
在本申请实施例中,作为一种可选的实施方式,目标题目的标签包括目标题目的出错类型,出错类型为第一错误类型和第二错误类型中的一种,第一错误类型表征目标题目的知识点答错,第二错误类型表征目标题目的解题方法出错。
在本可选的实施方式中,通过为目标题目打上第一错误类型和第二错误类型中的一种,能够帮助用户快速确定出错类型。
在本申请实施例中,作为一种可选的实施方式,目标题目的标签还包括目标题目的题型、目标题目的难度、解题方法类型,相应地,步骤106:根据目标题目的标签从题库中匹配训练题,包括子步骤:
当目标题目的出错类型为第二错误类型时,根据目标题目的难度、目标题目的题型、解题方法类型从题库中匹配解决方法类型相同、难度相同、题型相同的题目,并作为训练题。
在本可选的实施方式中,当目标题目的出错类型为第二错误类型时,能够根据目标题目的难度、目标题目的题型、解题方法类型从题库中匹配解决方法类型相同、难度相同、题型相同的题目,并作为训练题。
在本申请实施例中,作为一种可选的实施方式,步骤106:根据目标题目的标签从题库中匹配训练题,还包括字步骤:
当题库中不存在难度相同的题目时,则从题库中匹配解决方法类型相同、题型相同、难度相近的题目,并作为训练题。
在本可选的实施方式中,当题库中不存在难度相同的题目时,能够从题库中匹配解决方法类型相同、题型相同、难度相近的题目,并作为训练题。
在本申请实施例中,作为一种可选的实施方式,目标题目的标签还包括目标题目的知识点,相应地,步骤106:根据目标题目的标签从题库中匹配训练题,还包括子步骤:
当题库中不存在解决方法类型相同的题目时,则根据目标题目的知识点、目标题目的难度、目标题目的题型从题库匹配拥有至少一个相同知识点、难度相同、题型相同的题目作为训练题。
在本可选的实施方式,当题库中不存在解决方法类型相同的题目时,能够根据目标题目的知识点、目标题目的难度、目标题目的题型从题库匹配拥有至少一个相同知识点、难度相同、题型相同的题目作为训练题。
在本申请实施例中,作为一种可选的实施方式,统计信息包括第一错误类型的数量与第二错误类型的数量、目标用户的错题总数,训练题为第一类题目、第二类题目中的一种。相应地,在步骤106根据目标题目的标签从题库中匹配训练题之后,本申请实施例的方法还包括步骤:
根据第一错误类型的数量与第二错误类型的数量确定第一类题目与第二类题目的比例;
根据第一类题目与第二类题目的比例生成针对目标用户的错题库。
在本可选的实施方式中,能够根据第一类题目与第二类题目的比例生成针对目标用户的错题库。
在本可选的实施方式中,作为一个示例,假设用户错题总数=25题,知识点题目错了20题,解题方法题目错了5题,比例为4:1,则展示16道知识点题目,4道解题方法题目。
在本可选的实施方式中看,作为一种可选的实施方式,在步骤106之后,本申请实施例的方法还包括步骤:
根据用户的答题信息生成诊断报告,其中,诊断报告包括统计信息和用户的答题信息。
实施例二
请参阅图4,图4是本申请实施例公开的一种基于大数据的题目推荐装置的结构示意图。如图4所示,本申请实施例的装置包括:
第一获取模块201,用于获取若干题目样本;
打标模块202,用于对若干题目样本进行打标处理,使得每个题目样本关联若干标;
生成模块203,用于根据打标后的若干题目样本生成题库;
第二获取模块204,用于获取目标用户针对目标题目的答题信息;
判断模块205,用于根据答题信息判断目标题目是否答题错误,若是则确定目标题目的标签;
匹配模块206,用于根据目标题目的标签从题库中匹配训练题。
本申请实施例的装置通过执行基于大数据的题目推荐方法,能够通过对若干题目样本进行打标处理,使得每个题目样本关联若干标签,进而能够根据打标后的若干题目样本生成题库,进而当获取目标用户针对目标题目的答题信息时,通过根据答题信息判断目标题目是否答题错误并确定目标题目的标签,进而根据目标题目的标签从题库中匹配训练题,这样一来就能够为形成个性化错题本,方便用户针对性复习。
实施例三
请参阅图5,图5是本申请实施例公开的一种基于大数据的题目推荐设备的结构示意图。如图5所示,本申请实施例的设备包括:
处理器301;以及
存储器302,配置用于存储机器可读指令,指令在由处理器301执行时,使得处理器301执行本申请实施例一公开的基于大数据的题目推荐方法。
本申请实施例的设备通过执行基于大数据的题目推荐方法,能够通过对若干题目样本进行打标处理,使得每个题目样本关联若干标签,进而能够根据打标后的若干题目样本生成题库,进而当获取目标用户针对目标题目的答题信息时,通过根据答题信息判断目标题目是否答题错误并确定目标题目的标签,进而根据目标题目的标签从题库中匹配训练题,这样一来就能够为形成个性化错题本,方便用户针对性复习。
实施例四
本申请实施例公开一种存储介质,存储介质存储有计算机程序,计算机程序被处理器执行本申请第四方面的基于大数据的题目推荐方法。
本申请第四方面的存储介质通过执行基于大数据的题目推荐方法,能够通过对若干题目样本进行打标处理,使得每个题目样本关联若干标签,进而能够根据打标后的若干题目样本生成题库,进而当获取目标用户针对目标题目的答题信息时,通过根据答题信息判断目标题目是否答题错误并确定目标题目的标签,进而根据目标题目的标签从题库中匹配训练题,这样一来就能够为形成个性化错题本,方便用户针对性复习。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
需要说明的是,功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。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或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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,或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
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。
以上仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种基于大数据的题目推荐方法,其特征在于,所述方法,包括:
获取若干题目样本;
对所述若干题目样本进行打标处理,使得每个所述题目样本关联若干标签;
根据打标后的所述若干题目样本生成题库;
获取目标用户针对目标题目的答题信息;
根据所述答题信息判断所述目标题目是否答题错误,若是则确定所述目标题目的标签;
根据所述目标题目的标签从所述题库中匹配训练题。
2.如权利要求1所述的方法,其特征在于,在所述根据所述答题信息判断所述目标题目是否答题错误,若是则确定所述目标题目的标签之后,所述方法还包括:
当获取到至少两个所述目标用户针对目标题目的答题信息时,根据至少两个所述目标用户针对目标题目的答题信息生成统计信息。
3.如权利要求2所述的方法,其特征在于,所述目标题目的标签包括所述目标题目的出错类型,所述出错类型为第一错误类型和第二错误类型中的一种,所述第一错误类型表征所述目标题目的知识点答错,所述第二错误类型表征所述目标题目的解题方法出错。
4.如权利要求3所述的方法,其特征在于,所述目标题目的标签还包括所述目标题目的题型、所述目标题目的难度、解题方法类型;
以及,所述根据所述目标题目的标签从所述题库中匹配训练题,包括:
当所述目标题目的出错类型为第二错误类型时,根据所述目标题目的难度、所述目标题目的题型、所述解题方法类型从所述题库中匹配解决方法类型相同、难度相同、题型相同的题目,并作为所述训练题。
5.如权利要求3所述的方法,其特征在于,所述根据所述目标题目的标签从所述题库中匹配训练题,还包括:
当所述题库中不存在难度相同的题目时,则从所述题库中匹配解决方法类型相同、题型相同、难度相近的题目,并作为所述训练题。
6.如权利要求3所述的方法,其特征在于,所述目标题目的标签还包括所述目标题目的知识点;
以及,所述根据所述目标题目的标签从所述题库中匹配训练题,还包括:
当所述题库中不存在解决方法类型相同的题目时,则根据所述目标题目的知识点、所述目标题目的难度、所述目标题目的题型从所述题库匹配拥有至少一个相同知识点、难度相同、题型相同的题目作为所述训练题。
7.如权利要求3所述的方法,其特征在于,所述统计信息包括所述第一错误类型的数量与所述第二错误类型的数量、所述目标用户的错题总数,所述训练题为第一类题目、第二类题目中的一种;
以及,在所述根据所述目标题目的标签从所述题库中匹配训练题之后,所述方法还包括:
根据所述第一错误类型的数量与所述第二错误类型的数量确定所述第一类题目与所述第二类题目的比例;
根据所述第一类题目与所述第二类题目的比例生成针对所述目标用户的错题库。
8.一种基于大数据的题目推荐装置,其特征在于,所述装置包括:
第一获取模块,用于获取若干题目样本;
打标模块,用于对所述若干题目样本进行打标处理,使得每个所述题目样本关联若干标;
生成模块,用于根据打标后的所述若干题目样本生成题库;
第二获取模块,用于获取目标用户针对目标题目的答题信息;
判断模块,用于根据所述答题信息判断所述目标题目是否答题错误,若是则确定所述目标题目的标签;
匹配模块,用于根据所述目标题目的标签从所述题库中匹配训练题。
9.一种基于大数据的题目推荐设备,其特征在于,所述设备包括:
处理器;以及
存储器,配置用于存储机器可读指令,指令在由处理器执行时,使得处理器执行如权利要求1-7任一项的基于大数据的题目推荐方法。
10.一种存储介质,其特征在于,存储介质存储有计算机程序,计算机程序被处理器执行如权利要求1-7任一项的基于大数据的题目推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110597870.1A CN113204581A (zh) | 2021-05-28 | 2021-05-28 | 基于大数据的题目推荐方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110597870.1A CN113204581A (zh) | 2021-05-28 | 2021-05-28 | 基于大数据的题目推荐方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113204581A true CN113204581A (zh) | 2021-08-03 |
Family
ID=77023580
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110597870.1A Pending CN113204581A (zh) | 2021-05-28 | 2021-05-28 | 基于大数据的题目推荐方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113204581A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113961604A (zh) * | 2021-08-30 | 2022-01-21 | 珠海读书郎软件科技有限公司 | 一种基于错题本功能相互辅导的系统及方法 |
CN113988044A (zh) * | 2021-12-24 | 2022-01-28 | 杭州智会学科技有限公司 | 错题原因类别的判定方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110362671A (zh) * | 2019-07-16 | 2019-10-22 | 安徽知学科技有限公司 | 题目推荐方法、设备和存储介质 |
CN110909035A (zh) * | 2019-10-31 | 2020-03-24 | 艾小本科技(武汉)有限公司 | 个性化复习题集生成方法、装置、电子设备及存储介质 |
CN111090809A (zh) * | 2019-12-20 | 2020-05-01 | 广州摩翼信息科技有限公司 | 题目推荐方法、装置、计算机设备和存储介质 |
CN111932416A (zh) * | 2020-08-25 | 2020-11-13 | 邓帅杰 | 一种学习管理方法及系统 |
-
2021
- 2021-05-28 CN CN202110597870.1A patent/CN113204581A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110362671A (zh) * | 2019-07-16 | 2019-10-22 | 安徽知学科技有限公司 | 题目推荐方法、设备和存储介质 |
CN110909035A (zh) * | 2019-10-31 | 2020-03-24 | 艾小本科技(武汉)有限公司 | 个性化复习题集生成方法、装置、电子设备及存储介质 |
CN111090809A (zh) * | 2019-12-20 | 2020-05-01 | 广州摩翼信息科技有限公司 | 题目推荐方法、装置、计算机设备和存储介质 |
CN111932416A (zh) * | 2020-08-25 | 2020-11-13 | 邓帅杰 | 一种学习管理方法及系统 |
Non-Patent Citations (2)
Title |
---|
竺鸿道: "智能题库系统的设计与实践 ——以一元二次方程式教学为例", 《中国博士学位论文全文数据库 (社会科学Ⅱ辑)》 * |
耿楠: "基于学生测评数据分析的个性化学习资源推送研究", 《中国优秀硕士学位论文全文数据库 (社会科学Ⅱ辑)》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113961604A (zh) * | 2021-08-30 | 2022-01-21 | 珠海读书郎软件科技有限公司 | 一种基于错题本功能相互辅导的系统及方法 |
CN113988044A (zh) * | 2021-12-24 | 2022-01-28 | 杭州智会学科技有限公司 | 错题原因类别的判定方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11508251B2 (en) | Method and system for intelligent identification and correction of questions | |
Nordbotten et al. | The effect of graphic style on data model interpretation | |
Gurat et al. | Metacognitive strategy knowledge use through mathematical problem solving amongst pre-service teachers | |
BR122017002795B1 (pt) | sistemas e métodos para aprendizagem de idioma | |
CN102436547A (zh) | 一种教学用错题统计方法及系统 | |
Luo et al. | Qualitative methods to assess intercultural competence in higher education research: A systematic review with practical implications | |
US20110151423A1 (en) | System and method for representing digital assessments | |
CN113204581A (zh) | 基于大数据的题目推荐方法、装置、设备及存储介质 | |
JP2019152793A (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
Tack et al. | Human and automated CEFR-based grading of short answers | |
CN106096068A (zh) | 在线教学测评网站系统 | |
FAILASOFAH et al. | Measuring Indonesian students’ lexical diversity and lexical sophistication | |
Budiastuti et al. | Developing self-assessment instruments to measure students’ performance characters in making dresses using a high order thinking skills approach | |
Brown | Locating categories and sources of information: How skilled are New Zealand children | |
Lahza et al. | Beyond item analysis: Connecting student behaviour and performance using e‐assessment logs | |
Westwood | Arguing the case for a simple view of literacy assessment | |
Han et al. | An item-based, Rasch-calibrated approach to assessing translation quality | |
CN112164262A (zh) | 一种智能阅卷辅导系统 | |
CN110443732B (zh) | 作业统分方法、装置、设备和介质 | |
Dowsing | The computer-assisted assessment of practical IT skills | |
JP6437684B1 (ja) | 問題作成支援システム、方法、およびプログラム | |
Troussas et al. | NLP-based error analysis and dynamic motivation techniques in mobile learning | |
Pinto et al. | Measuring students’ information literacy skills through abstracting: Case study from a library & information science perspective | |
Unčík et al. | Annotating educational content by questions created by learners | |
Wang et al. | Extending e-books with contextual knowledge recommenders by analyzing personal portfolio and annotation to help learners solve problems in time |
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: 20210803 |