CN113763767A - 学习试题推送方法、装置、计算机设备和存储介质 - Google Patents

Abstract

本申请公开了一种学习试题推送方法、装置、计算机设备和存储介质。该方法包括：获取预设学习数据对应的用户答题数据；在用户答题数据中确定错误试题数据，根据错误试题数据计算动态权重因子；根据动态权重因子确定错误试题数据对应的推送级别，根据推送级别推送错误试题数据至对应的用户终端；当接收到用户终端返回的错误试题数据对应的目标答题数据时，根据目标答题数据对动态权重因子进行更新，得到更新后的动态权重因子和更新后的错误试题数据；将更新后的动态权重因子确定为动态权重因子，将更新后的错误试题数据确定为错误试题数据，返回根据动态权重因子确定错误试题数据对应的推送级别的步骤，直至学习完成。本申请能够提高学习效率。

Description

学习试题推送方法、装置、计算机设备和存储介质

技术领域

本申请涉及计算机技术领域，具体而言，涉及一种学习试题推送方法、装置、计算机设备和存储介质。

背景技术

随着信息化技术手段的不断深入，传统的以纸质试卷为唯一媒介进行作业、练习的形式也迎来了变革。通过终端进行在线作业、在线练习的方式，以其批阅自动化、网络化、无纸化实时等特有的优势在当今时代已经得到了大规模的应用与推广。但是，传统的在线学习方式，仅仅是把错误试题抽取出来进行强化训练，缺少针对性，导致学习效率较低。

发明内容

本申请的主要目的在于提供一种能够提高学习效率的学习试题推送方法、装置、计算机设备和存储介质。

为了实现上述目的，根据本申请的一个方面，提供了一种学习试题推送方法。

根据本申请的学习试题推送方法包括：

获取预设学习数据对应的用户答题数据；

在所述用户答题数据中确定错误试题数据，根据所述错误试题数据计算动态权重因子；

根据所述动态权重因子确定所述错误试题数据对应的推送级别，根据所述推送级别推送所述错误试题数据至对应的用户终端；

当接收到所述用户终端返回的所述错误试题数据对应的目标答题数据时，根据所述目标答题数据对所述动态权重因子进行更新，得到更新后的动态权重因子和更新后的错误试题数据；

将更新后的动态权重因子确定为所述动态权重因子，将所述更新后的错误试题数据确定为所述错误试题数据，返回根据所述动态权重因子确定所述错误试题数据对应的推送级别的步骤，直至学习完成。

进一步的，所述错误试题数据为错误题目；所述在所述用户答题数据中确定错误试题数据，根据所述错误试题数据计算动态权重因子包括：

在所述用户答题数据中确定错误题目，计算每个错误题目的错误频次；

将所述错误频次确定为相应错误题目对应的动态权重因子。

进一步的，所述错误试题数据为错误题目；所述根据所述动态权重因子确定所述错误试题数据对应的推送级别包括：

根据所述动态权重因子对所述错误题目进行分类，得到多个错题类别以及每个错题类别对应的错误题目；

根据所述动态权重因子对多个错题类别进行降序排序；

根据排序后的错题类别确定所述错误题目对应的推送级别。

进一步的，所述错误试题数据为错误题目；所述根据所述目标答题数据对所述动态权重因子进行更新包括：

在所述目标答题数据中确定正确答题数据和错误答题数据；

将所述正确答题数据对应的错误题目的动态权重因子进行降权处理；

将所述错误答题数据对应的错误题目的动态权重因子进行增权处理。

进一步的，所述用户答题数据为所述预设学习数据中目标学习章节对应的用户答题数据，所述错误试题数据为章节错题；所述在所述用户答题数据中确定错误试题数据，根据所述错误试题数据计算的动态权重因子包括：

在所述目标学习章节对应的用户答题数据中确定章节错题，计算每个章节错题的错误频次；

根据所述章节错题的错误频次计算所述目标学习章节对应的动态学习结果；

将所述动态学习结果确定为所述目标学习章节对应的动态权重因子。

进一步的，在所述获取预设学习数据对应的用户答题数据之前，所述方法还包括：

对所述预设学习数据进行知识维度识别；

根据识别的知识维度将所述预设学习数据划分为多个学习章节。

进一步的，所述方法还包括：

统计所述更新后的错误试题数据中的错题数量；

根据所述更新后的错误试题数据中的错题数量以及所述错误试题数据中的错题数量计算纠错完成率。

为了实现上述目的，根据本申请的另一方面，提供了一种学习试题推送装置。

根据本申请的学习试题推送装置包括：

答题数据获取模块，用于获取预设学习数据对应的用户答题数据；

动态因子计算模块，用于在所述用户答题数据中确定错误试题数据，根据所述错误试题数据计算动态权重因子；

错题推送模块，用于根据所述动态权重因子确定所述错误试题数据对应的推送级别，根据所述推送级别推送所述错误试题数据至对应的用户终端；

动态因子更新模块，用于当接收到所述用户终端返回的所述错误试题数据对应的目标答题数据时，根据所述目标答题数据对所述动态权重因子进行更新，得到更新后的动态权重因子和更新后的错误试题数据；

循环推送模块，用于将更新后的动态权重因子确定为所述动态权重因子，将所述更新后的错误试题数据确定为所述错误试题数据，返回根据所述动态权重因子确定所述错误试题数据对应的推送级别的步骤，直至学习完成。

一种计算机设备，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述各个方法实施例中的步骤。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述各个方法实施例中的步骤。

上述学习试题推送方法、装置、计算机设备和存储介质，根据用户答题数据中确定错误试题数据，从而计算动态权重因子，根据动态权重因子确定错误试题数据对应的推送级别，根据推送级别推送所述错误试题数据至对应的用户终端，进而根据用户终端返回的目标答题数据得到对所述动态权重因子进行更新，根据更新后的动态权重因子推送错误试题数据至用户终端，通过对动态权重因子进行更新，实现循环学习纠错过程，直至学习完成，能够针对每个用户推送个性化的学习数据，大大提高了学习效率。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是一个实施例中学习试题推送方法的流程示意图；

图2为一个实施例中在用户答题数据中确定错误试题数据，根据错误试题数据计算动态权重因子步骤的流程示意图；

图3为另一个实施例中在用户答题数据中确定错误试题数据，根据错误试题数据计算动态权重因子步骤的流程示意图；

图4为一个实施例中错误题目推送界面的示意图；

图5为一个实施例中章节错题推送界面的示意图；

图6为一个实施例中学习试题推送装置的结构示意图；

图7为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，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的实施例，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，都应当属于本申请保护的范围。

需要说明的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

在一个实施例中，如图1所示，提供了一种学习试题推送方法，可以应用于学习终端，包括如下的步骤102至步骤110：

步骤102，获取预设学习数据对应的用户答题数据。

预设学习数据是指用户需要学习的试题数据，如学科试题库、驾考试题库。用户答题数据是指用户针对预设学习数据所做出的答复。

用户可以通过登录终端的应用程序，进行答题。应用程序中预先存储有预设学习数据，可以通过应用程序获取用户的答题数据提交操作，对答题数据提交操作进行解析，得到预设学习数据对应的用户答题数据。用户答题数据中可以包括多道题目对应的答复数据。例如，用户答题数据可以是当次用户答题数据，也可以包括当次用户答题数据和历史用户答题数据。

步骤104，在用户答题数据中确定错误试题数据，根据错误试题数据计算动态权重因子。

终端中预先存储有预设学习数据对应的答案数据。终端通过应用程序将答案数据与用户答题数据进行比对，将比对一致的题目划分为正确试题数据，将比对不一致的题目划分为错误试题数据。

动态权重因子是指在学习过程中，基于错误试题数据的更新会发生动态变化的权重因子，由此可以根据错误试题数据计算学习过程中的动态权重因子。错误试题数据可以是单个错误题目或章节错题中的任意一种，对应的，当错误试题数据为单个错误题目时，计算的动态权重因子为每个错误题目对应的动态权重因子。当错误试题数据为章节错题时，计算的动态权重因子为目标学习章节对应的动态权重因子。

在其中一个实施例中，如图2所示，步骤104，在用户答题数据中确定错误试题数据，根据错误试题数据计算动态权重因子包括：

步骤202，在用户答题数据中确定错误题目，计算每个错误题目的错误频次。

步骤204，将错误频次确定为相应错误题目对应的动态权重因子。

当错误试题数据为错误题目时，错误题目是指单个错误题目。在学习过程中，可以计算每个错误题目对应的错误频次N，并将错误频次N确定为动态权重因子。从而可以根据错误频次N将错误题目推送至用户终端。本实施例中，通过将每个错误题目的错误频次作为动态权重因子，可以根据错误频次确定需要重点训练的题目，有利于用户进行针对性的学习与纠错。

在其中一个实施例中，如图3所示，步骤104，在用户答题数据中确定错误试题数据，根据错误试题数据计算动态权重因子包括：

步骤302，在目标学习章节对应的用户答题数据中确定章节错题，计算每个章节错题的错误频次。

步骤304，根据章节错题的错误频次计算目标学习章节对应的动态学习结果。

步骤306，将动态学习结果确定为目标学习章节对应的动态权重因子。

预设学习数据可以包括多个学习章节。预先学习数据对应的答案数据也可也按照学习章节进行划分，单独存储各学习章节的章节答案。用户可以通过应用程序选取任意一个学习章节进行答题，当用户答题数据为预设学习数据中目标学习章节对应的用户答题数据时，错误试题数据为章节错题。

当获取到目标学习章节对应的用户答题数据时，可以将目标学习章节对应的章节答案与用户答题数据进行比对，将比对不一致的题目确定为章节错题。针对目标学习章节，计算其中每个章节错题的错误频次，从而根据章节错题的错误频次计算目标学习章节对应的动态学习结果。动态学习结果可以是动态错误率、动态正确率中的任意一种。由于章节错题的错误频次在学习过程中是动态变化的，由此计算的动态学习结果也是动态变化的，进而可以将目标学习章节对应的动态学习结果确定为目标学习章节对应的动态权重因子。可以根据目标学习章节对应的动态权重因子确定章节错题的排列顺序，以便用户进行针对性的错题学习。

进一步的，在获取预设学习数据对应的用户答题数据之前，上述方法还包括：对预设学习数据进行知识维度识别；根据识别的知识维度将预设学习数据划分为多个学习章节。由于预设学习数据涉及到的数据量较大，为了便于用户进行选择性学习，终端可以预先将预设学习数据划分为多个学习章节。具体的，可以识别预设学习数据中各题目的知识维度，根据知识维度将预设学习数据进行聚类处理，将属于同一个知识维度的预设学习数据划分至一个学习章节中。例如，当预设学习数据为驾考试题库时，知识维度可以包括基础知识维度、手势/标线维度、指示标志维度、指路标志维度、机械常识维度、救护维度等。学习章节的划分还可以根据预设学习数据对应的知识点来划分，将属于同一知识点的题目划分为一个学习章节。在本实施例中，根据预设学习数据对应的知识维度将预设学习数据划分为多个学习章节，用户可以自由选择学习章节进行练习，无需用户自行判断预设学习数据的知识维度，有利于提高学习效率。

步骤106，根据动态权重因子确定错误试题数据对应的推送级别，根据推送级别推送错误试题数据至对应的用户终端。

动态权重因子为数值，可以根据数值的大小对错误试题数据进行排序，从而根据错误试题数据之间的排列顺序确定错误试题数据对应的推送级别，根据推送级别推送错误试题数据至对应的用户终端。

在其中一个实施例中，步骤106，根据动态权重因子确定错误试题数据对应的推送级别包括：根据动态权重因子对错误题目进行分类，得到多个错题类别以及每个错题类别对应的错误题目；根据动态权重因子对多个错题类别进行降序排序；根据排序后的错题类别确定错误题目对应的推送级别。

当错误试题数据为错误题目时，可以将动态权重因子相同的错误题目划分至同一个错题类别中，按照此方式，得到多个错题类别，终端可以统计每个错题类别对应的错误题目以及错误题目的数量，还可以计算每个错题类别中错误题目数量与错误题目综合的比值，得到每个错题类别中错误题目数量的占比。

例如，将动态权重因子为3的错误题目划分为同一个错题类别，该错题类别包括18道错误题目，占比为9％。

错误频次越大，表明用户掌握程度越低，需要优先学习。可以将动态权重因子从大到小降序排列，从而得到降序排序的多个错题类别，实现将错误类别按照错误频次从大到小的顺序排列。根据排序后的错题类别可以确定错误题目对应的推送级别，排序越靠前，推荐级别越高，相反，排序越靠后，推荐级别越低。例如，可以根据排列顺序确定动态的优、次级错误题目。优级错误题目的排列顺序在次级错误题目之前。

将错误题目按照推送级别推送至用户终端，通过用户终端的应用程序在显示界面进行显示，由此可直观得到错误题目之间的动态推送级别，根据动态权重因子对多个错题类别进行降序排序，从而根据排序后的错题类别确定错误题目对应的推送级别，使得用户可以根据推送级别优先学习优级错误题目，优先纠正错误频次较高的题目，实现针对性练习，大大提高了学习效率。

在其中一个实施例中，当错误试题数据为章节错题时，可以针对章节错题对应的学习章节，单独计算动态错误率或动态正确率。从而将多个学习章节，按动态错误率从大到大的顺序排列，或将多个学习章节，按动态正确率从小到大的顺序排列。根据排序后的学习章节可以确定学习章节对应的推送级别，排序越靠前，推荐级别越高，相反，排序越靠后，推荐级别越低。例如，可以根据排列顺序确定动态的优、次级学习章节。优级学习章节的排列顺序在次级学习章节之前。进一步的，还可以通过应用程序计算各学习章节的完成度，即各学习章节中用户已答题目的占比。

根据动态错误率对多个学习章节进行降序排序，从而根据排序后的学习章节确定对应的推送级别，使得用户可以根据推送级别优先学习优级学习章节，优先纠正动态错误率较高或者动态正确率较低的学习章节，实现针对性练习，大大提高了学习效率。

步骤108，当接收到用户终端返回的错误试题数据对应的目标答题数据时，根据目标答题数据对动态权重因子进行更新，得到更新后的动态权重因子和更新后的错误试题数据。

用户终端在接收到错误试题数据后，用户可以通过应用程序进行答题，当接收到用户终端通过应用程序返回的目标答题数据后，将目标答题数据与相应的试题答案进行比对，确定目标答题数据对应的错误答题数据，将目标答题数据对应的错误答题数据确定为更新后的错误试题数据。更新后的错误试题数据为再次答题过程中，重复出错的题目，可以是单个错误题目或者章节错题。根据更新后的错误试题数据对动态权重因子进行更新。

具体的，当错误试题数据为错误题目时，更新后的错误试题数据为更新后的错误题目。针对错误题目，根据目标答题数据对动态权重因子进行更新包括：在目标答题数据中确定正确答题数据和错误答题数据；将正确答题数据对应的错误题目的动态权重因子进行降权处理；将错误答题数据对应的错误题目的动态权重因子进行增权处理。

对重复出错以及未本次未出错的单个错误题目或者章节错题的动态权重因子进行更新。将目标答题数据与相应的试题答案进行比对，确定目标答题数据对应的错误答题数据和正确答题数据。将正确答题数据对应的错误题目的动态权重因子进行降权处理，降权处理可以减小错误题目的动态权重因子。例如，每对一次，将错误题目的动态权重因子－1。将错误答题数据对应的错误题目的动态权重因子进行增权处理，增权处理可以增大错误题目的动态权重因子。例如，每错一次，将错误题目的动态权重因子+1。通过目标答题数据对应的正确答题数据对错误题目的动态权重因子进行降权处理以及根据错误答题数据对错误题目的动态权重因子进行增权处理，能够在学习过程中，实时得到每个错误题目的错误频次，以促进用户根据实时的错误频次进行纠错，能够进一步提高学习积极性和学习效率。

当错误试题数据为目标学习章节的章节错题时，更新后的错误试题数据为目标学习章节中更新后的章节错题。在确定目标答题数据中的错误答题数据和正确答题数据后，减小正确答题数据对应的错误题目的错误频次，增大错误答题数据中错误题目的错误频次，得到修改后的错误频次，根据修改后的错误频次计算目标学习章节的实时动态权重因子，可以是动态错误率或者动态正确率。

步骤110，将更新后的动态权重因子确定为动态权重因子，将更新后的错误试题数据确定为错误试题数据，返回根据动态权重因子确定错误试题数据对应的推送级别的步骤，直至学习完成。

根据目标答题数据对动态权重因子进行更新，得到更新后的动态权重因子和更新后的错误试题数据后，可以将更新后的动态权重因子确定为动态权重因子，将更新后的错误试题数据确定为错误试题数据，返回根据动态权重因子确定错误试题数据对应的推送级别的步骤，重复根据动态权重因子推送错误试题数据的步骤。在学习过程中，用户每答一次题，就会根据答题数据对动态权重因子进行更新，动态权重因子更新后，错误试题数据的排列顺序和推送级别可能会发生改变，因此需要根据更新后的动态权重因子按照实时计算的排列顺序或推送级别推送错误试题数据至用户终端，通过循环的学习纠错过程，直至动态权重因子小于或者等于0，表明当前不存在错题，错题已完成纠错，此时学习完成。

在本实施例中，根据用户答题数据中确定错误试题数据，从而计算动态权重因子，根据动态权重因子确定错误试题数据对应的推送级别，根据推送级别推送所述错误试题数据至对应的用户终端，进而根据用户终端返回的目标答题数据得到对所述动态权重因子进行更新，根据更新后的动态权重因子推送错误试题数据至用户终端，通过对动态权重因子进行更新，实现循环学习纠错过程，直至学习完成，能够针对每个用户推送个性化的学习数据，大大提高了学习效率。

在一个实施例中，上述方法还包括：统计更新后的错误试题数据中的错题数量；根据更新后的错误试题数据中的错题数量以及错误试题数据中的错题数量计算纠错完成率。

更新后的错误试题数据是指当次答题的下一次答题完成后，获取到的目标答题数据中的错误答题数据。整个纠错学习过程中，每次获取到用户的答题数据后，都可以统计该次答题的错题数量，并计算该次答题的错题数量与最初的错题总数量的比值，得到纠错完成率。

在一个实施例中，如图4所示，在用户终端的应用程序显示的错误题目推送界面示意图。其中，还可以统计历史错题数和剩余试题数，并将统计的历史错题数和剩余试题数，收藏试题推送至用户终端，并显示在错误试题户数据推送界面中。用户还可以通过应用程序收藏试题。

在一个实施例中，如图5所示，在用户终端的应用程序显示的章节错题推送界面示意图。其中，针对预设学习数据中的多个学习章节，统计待做题目的数量、题目的完成进度和总正确率。题目完成进度是指已做题与全部题目的比率。针对单个学习章节，可以统计完成度和正确率。另外，用户还可以通过应用程序收藏试题。完成度是指每个学习章节中已做题目与全部题目的比率。

在一个实施例中，在纠错学习的过程中，可以为每道题目设置相应语音讲解数据，用户可以答题练习过程中，或者答题完成后，播放相应错题的语音讲解数据，为用户答疑解惑，进一步提高了用户的学习效率。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

在一个实施例中，如图6所示，提供了一种学习试题推送装置，包括：答题数据获取模块602、动态因子计算模块604、错题推送模块606、动态因子更新模块608和循环推送模块610，其中：

答题数据获取模块602，用于获取预设学习数据对应的用户答题数据。

动态因子计算模块604，用于在用户答题数据中确定错误试题数据，根据错误试题数据计算动态权重因子。

错题推送模块606，用于根据动态权重因子确定错误试题数据对应的推送级别，根据推送级别推送错误试题数据至对应的用户终端。

动态因子更新模块608，用于当接收到用户终端返回的错误试题数据对应的目标答题数据时，根据目标答题数据对动态权重因子进行更新，得到更新后的动态权重因子和更新后的错误试题数据。

循环推送模块610，用于将更新后的动态权重因子确定为动态权重因子，将更新后的错误试题数据确定为错误试题数据，返回根据动态权重因子确定错误试题数据对应的推送级别的步骤，直至学习完成。

在一个实施例中，错误试题数据为错误题目；动态因子计算模块604还用于在用户答题数据中确定错误题目，计算每个错误题目的错误频次；将错误频次确定为相应错误题目对应的动态权重因子。

在一个实施例中，错误试题数据为错误题目；错题推送模块606还用于根据动态权重因子对错误题目进行分类，得到多个错题类别以及每个错题类别对应的错误题目；根据动态权重因子对多个错题类别进行降序排序；根据排序后的错题类别确定错误题目对应的推送级别。

在一个实施例中，动态因子更新模块608还用于在目标答题数据中确定正确答题数据和错误答题数据；将正确答题数据对应的错误题目的动态权重因子进行降权处理；将错误答题数据对应的错误题目的动态权重因子进行增权处理。

在一个实施例中，用户答题数据为预设学习数据中目标学习章节对应的用户答题数据，错误试题数据为章节错题；动态因子计算模块604还用于在目标学习章节对应的用户答题数据中确定章节错题，计算每个章节错题的错误频次；根据章节错题的错误频次计算目标学习章节对应的动态学习结果；将动态学习结果确定为目标学习章节对应的动态权重因子。

在一个实施例中，上述装置还包括：章节划分模块，用于对预设学习数据进行知识维度识别；根据识别的知识维度将预设学习数据划分为多个学习章节。

在一个实施例中，上述装置还包括：纠错完成率计算模块，用于统计更新后的错误试题数据中的错题数量；根据更新后的错误试题数据中的错题数量以及错误试题数据中的错题数量计算纠错完成率。

关于学习试题推送装置的具体限定可以参见上文中对于学习试题推送方法的限定，在此不再赘述。上述学习试题推送装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种学习试题推送方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现上述各个实施例中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述各个实施例中的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种学习试题推送方法，其特征在于，包括：

获取预设学习数据对应的用户答题数据；

在所述用户答题数据中确定错误试题数据，根据所述错误试题数据计算动态权重因子；

根据所述动态权重因子确定所述错误试题数据对应的推送级别，根据所述推送级别推送所述错误试题数据至对应的用户终端；

当接收到所述用户终端返回的所述错误试题数据对应的目标答题数据时，根据所述目标答题数据对所述动态权重因子进行更新，得到更新后的动态权重因子和更新后的错误试题数据；

将更新后的动态权重因子确定为所述动态权重因子，将所述更新后的错误试题数据确定为所述错误试题数据，返回根据所述动态权重因子确定所述错误试题数据对应的推送级别的步骤，直至学习完成。

2.根据权利要求1所述的方法，其特征在于，所述错误试题数据为错误题目；所述在所述用户答题数据中确定错误试题数据，根据所述错误试题数据计算动态权重因子包括：

在所述用户答题数据中确定错误题目，计算每个错误题目的错误频次；

将所述错误频次确定为相应错误题目对应的动态权重因子。

3.根据权利要求1所述的方法，其特征在于，所述错误试题数据为错误题目；所述根据所述动态权重因子确定所述错误试题数据对应的推送级别包括：

根据所述动态权重因子对所述错误题目进行分类，得到多个错题类别以及每个错题类别对应的错误题目；

根据所述动态权重因子对多个错题类别进行降序排序；

根据排序后的错题类别确定所述错误题目对应的推送级别。

4.根据权利要求1所述的方法，其特征在于，所述错误试题数据为错误题目；所述根据所述目标答题数据对所述动态权重因子进行更新包括：

在所述目标答题数据中确定正确答题数据和错误答题数据；

将所述正确答题数据对应的错误题目的动态权重因子进行降权处理；

将所述错误答题数据对应的错误题目的动态权重因子进行增权处理。

5.根据权利要求1所述的方法，其特征在于，所述用户答题数据为所述预设学习数据中目标学习章节对应的用户答题数据，所述错误试题数据为章节错题；所述在所述用户答题数据中确定错误试题数据，根据所述错误试题数据计算的动态权重因子包括：

在所述目标学习章节对应的用户答题数据中确定章节错题，计算每个章节错题的错误频次；

根据所述章节错题的错误频次计算所述目标学习章节对应的动态学习结果；

将所述动态学习结果确定为所述目标学习章节对应的动态权重因子。

6.根据权利要求5所述的方法，其特征在于，在所述获取预设学习数据对应的用户答题数据之前，所述方法还包括：

对所述预设学习数据进行知识维度识别；

根据识别的知识维度将所述预设学习数据划分为多个学习章节。

7.根据权利要求1至6任意一项所述的方法，其特征在于，所述方法还包括：

统计所述更新后的错误试题数据中的错题数量；

根据所述更新后的错误试题数据中的错题数量以及所述错误试题数据中的错题数量计算纠错完成率。

8.一种学习试题推送装置，其特征在于，所述装置包括：

答题数据获取模块，用于获取预设学习数据对应的用户答题数据；

动态因子计算模块，用于在所述用户答题数据中确定错误试题数据，根据所述错误试题数据计算动态权重因子；

错题推送模块，用于根据所述动态权重因子确定所述错误试题数据对应的推送级别，根据所述推送级别推送所述错误试题数据至对应的用户终端；

动态因子更新模块，用于当接收到所述用户终端返回的所述错误试题数据对应的目标答题数据时，根据所述目标答题数据对所述动态权重因子进行更新，得到更新后的动态权重因子和更新后的错误试题数据；

循环推送模块，用于将更新后的动态权重因子确定为所述动态权重因子，将所述更新后的错误试题数据确定为所述错误试题数据，返回根据所述动态权重因子确定所述错误试题数据对应的推送级别的步骤，直至学习完成。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。

Images