CN114547122A - 测试题生成方法和装置、电子设备、存储介质 - Google Patents
测试题生成方法和装置、电子设备、存储介质 Download PDFInfo
- Publication number
- CN114547122A CN114547122A CN202210160837.7A CN202210160837A CN114547122A CN 114547122 A CN114547122 A CN 114547122A CN 202210160837 A CN202210160837 A CN 202210160837A CN 114547122 A CN114547122 A CN 114547122A
- Authority
- CN
- China
- Prior art keywords
- answer
- data
- question
- user
- test
- 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
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
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- 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
- G06F16/24578—Query processing with adaptation to user needs using ranking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/54—Interprogram communication
- G06F9/546—Message passing systems or structures, e.g. queues
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Probability & Statistics with Applications (AREA)
- Computational Linguistics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本公开实施例提供测试题生成方法和装置、电子设备、存储介质,涉及人工智能技术领域。该测试题生成方法,包括:获取题库数据;对题库数据进行答案收集处理,得到用户题库答题数据;对用户题库答题数据进行答案分析处理,得到用户题库答题数据的答案集中度;根据答案集中度对题库数据进行筛选处理,得到测试题数据;根据用户题库答题数据进行匹配处理,得到与测试题数据对应的初始答案数据。本公开实施例提供测试题生成方法能够提高测试题的生成效率。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及测试题生成方法和装置、电子设备、存储介质。
背景技术
众包产品需要用户完成文字录入相关任务,为了防止用户恶意随意提交任务答案,影响系统答案收集,众包产品本身一般具有测试题机制,由运营人员向系统中添加与普通录入任务相似的测试题,其中包括测试题的正确答案。这些题目会在用户无感知的情况下混在普通录入任务之中,如果用户多次做错测试题,则判定用户有异常行为,进行相关处罚。
当前的测试题的配置机制仍然为人工配置,存在着测试题的生成效率较低。
发明内容
本公开实施例的主要目的在于提出一种测试题生成方法和装置、电子设备、存储介质,能够提高测试题的生成效率。
为实现上述目的,本公开实施例的第一方面提出了一种测试题生成方法,包括:
获取题库数据;
对所述题库数据进行答案收集处理,得到用户题库答题数据;
对所述用户题库答题数据进行答案分析处理,得到所述用户题库答题数据的答案集中度;
根据所述答案集中度对所述题库数据进行筛选处理,得到测试题数据;
根据所述用户题库答题数据进行匹配处理,得到与所述测试题数据对应的初始答案数据。
在一些实施例,所述方法还包括:
将所述测试题数据派发至答题任务队列中,收集用户对所述答题任务队列中的所述测试题数据的测试答案,并将所述测试答案作为用户测试答题数据;
根据所述初始答案数据对所述用户测试答题数据进行判别处理,得到答题结果数据;
根据所述答题结果数据对所述初始答案数据进行纠正处理,得到目标答案数据。
在一些实施例,所述答题结果数据包括答题错误;所述根据所述答题结果数据对所述初始答案数据进行纠正处理,得到目标答案数据,包括:
若所述答题结果数据为所述答题错误,则根据预设的惩罚规则信息进行惩罚匹配处理,得到答题惩罚信息;
根据所述答题惩罚信息进行惩罚处理,并收集用户反馈的对所述惩罚处理的异议评价;
根据所述异议评价检测用户反馈的申诉信息;
根据所述申诉信息对所述初始答案数据进行答案分析处理,得到所述初始答案数据的答案分析结果,所述答案分析结果包括比率信息、标准差信息;
根据所述答案分析结果进行答案匹配处理,得到所述目标答案数据。
在一些实施例,所述根据所述答案分析结果进行答案匹配处理,得到所述目标答案数据,包括:
若所述答案分析结果满足第一条件,则将所述第一条件对应的答案作为所述目标答案数据;所述第一条件为:所述比率信息最大的一个答案的所述比率信息大于或者等于第一阈值。
在一些实施例,所述根据所述答案分析结果进行答案匹配处理,得到所述目标答案数据,包括:
若所述答案分析结果满足第二条件,则将所述第二条件对应的两个答案作为所述目标答案数据;所述第二条件为:所有答案的所述比率信息都小于第二阈值,且所述比率信息最大的两个答案的总比率大于或者等于第一阈值,且答案的所述标准差信息大于第三阈值。
在一些实施例,所述根据所述答案分析结果进行答案匹配处理,得到所述目标答案数据,包括:
若所述答案分析结果不满足所述第一条件和所述第二条件,则将所述申诉信息对应的所述测试题数据进行人工判别处理,得到所述目标答案数据。
在一些实施例,所述方法还包括:
根据所述目标答案数据进行查找处理,得到误判题;所述误判题为被所述初始答案数据误判的所述测试题数据;
根据预设的补偿规则信息对所述误判题对应的用户进行补偿处理。
为实现上述目的,本公开的第二方面提出了一种测试题生成装置,包括:
题库数据获取模块,用于获取题库数据;
答案收集模块,用于对所述题库数据进行答案收集处理,得到用户题库答题数据;
答案分析模块,用于对所述用户题库答题数据进行答案分析处理,得到所述用户题库答题数据的答案集中度;
筛选模块,用于根据所述答案集中度对所述题库数据进行筛选处理,得到测试题数据;
匹配模块,用于根据所述用户题库答题数据进行匹配处理,得到与所述测试题数据对应的初始答案数据。
为实现上述目的,本公开的第三方面提出了一种电子设备,包括:
至少一个存储器;
至少一个处理器;
至少一个程序;
所述程序被存储在存储器中,处理器执行所述至少一个程序以实现本公开如上述第一方面所述的方法。
为实现上述目的,本公开的第四方面提出了一种存储介质,该存储介质是计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行:
如上述第一方面所述的方法。
本公开实施例提出的测试题生成方法和装置、电子设备、存储介质,通过获取题库数据并对题库数据进行答案收集处理,得到用户题库答题数据,然后对用户题库答题数据进行答案分析处理,得到用户题库答题数据的答案集中度,进而根据答案集中度对题库数据进行筛选处理,得到测试题数据,最后根据用户题库答题数据进行匹配处理,得到与测试题数据对应的初始答案数据,通过本公开实施例提供的技术方案可以提高测试题的生成效率,摆脱测试题发布过程对于运营人员的依赖,降低了运营成本,降低了新题型发布的门槛,保证了测试题不能轻易地被测试用户所识别。
附图说明
图1是本公开实施例提供的测试题生成方法的流程图。
图2是本公开另一实施例提供的测试题生成方法的部分流程图。
图3是图2中的步骤S230的流程图。
图4是图3中的步骤S350的流程图。
图5是本公开另一实施例提供的测试题生成方法的部分流程图。
图6是本公开实施例提供的电子设备的硬件结构示意图。
附图标记:处理器601、存储器602、输入/输出接口603、通信接口604、总线605。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
需要说明的是,虽然在装置示意图中进行了功能模块划分,在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于装置中的模块划分,或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本发明实施例的目的,不是旨在限制本发明。
首先,对本申请中涉及的若干名词进行解析:
众包:众包指的是一个公司或机构把过去由员工执行的工作任务,以自由自愿的形式外包给非特定的大众志愿者的做法,通过网络做产品的开发需求调研,以用户的真实使用感受为出发点进行任务的分发。众包的任务通常是由个人来承担,但如果涉及到需要多人协作完成的任务,也有可能以依靠开源的个体生产的形式出现。
当前的众包产品需要用户完成文字录入相关任务,为了防止用户恶意随意提交任务答案,影响系统答案收集,众包产品本身一般具有测试题机制,由运营人员向系统中添加与普通录入任务相似的测试题,其中包括测试题的正确答案。这些题目会在用户无感知的情况下混在普通录入任务之中,如果用户多次做错测试题,则判定用户有异常行为,进行相关处罚。
当前的测试题的生成方式主要存在以下问题:(1)每种题型发布的时候,都必须准备一批答案无争议的测试题加入系统,提升了新题型的发布门槛很高;(2)随着测试题进入系统的时间增加,用户肯定会越来越容易识别出曾经遇到过的测试题,导致测试机制失效,所以需要人工定期更换测试题,增加了运营成本;(3)一旦测试题的正确答案设置错误,会导致遇到该测试题的用户都会被错误地惩罚,影响用户体验。从而导致测试题的生成效率较低、测试题的答案正确率较低。
基于此,本公开实施例提供一种测试题生成方法和装置、电子设备、存储介质,可以提高测试题的生成效率,摆脱测试题发布过程对于运营人员的依赖,降低了运营成本,降低了新题型发布的门槛,保证了测试题不能轻易地被测试用户所识别,同时还提高了测试题对应答案的准确度,减少了题目的误判。
本公开实施例提供测试题生成方法和装置、电子设备、存储介质,具体通过如下实施例进行说明,首先描述本公开实施例中的测试题生成方法。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本公开实施例提供的测试题生成方法,涉及人工智能/机器学习技术领域,尤其涉及数据挖掘技术领域。本公开实施例提供的测试题生成方法可应用于终端中,也可应用于服务器端中,还可以是运行于终端或服务器端中的软件。在一些实施例中,终端可以是智能手机、平板电脑、笔记本电脑、台式计算机或者智能手表等;服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器;软件可以是实现题目推荐方法的应用等,但并不局限于以上形式。
本申请可用于众多通用或专用的计算机系统环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本公开实施例提出了一种测试题生成方法,包括:获取题库数据;对题库数据进行答案收集处理,得到用户题库答题数据;对用户题库答题数据进行答案分析处理,得到用户题库答题数据的答案集中度;根据答案集中度对题库数据进行筛选处理,得到测试题数据;根据用户题库答题数据进行匹配处理,得到与测试题数据对应的初始答案数据。
图1是本公开实施例提供的测试题生成方法的一个可选的流程图,图1中的方法可以包括但不限于包括步骤S110至步骤S150,具体包括:
S110,获取题库数据;
S120,对题库数据进行答案收集处理,得到用户题库答题数据;
S130,对用户题库答题数据进行答案分析处理,得到用户题库答题数据的答案集中度;
S140,根据答案集中度对题库数据进行筛选处理,得到测试题数据;
S150,根据用户题库答题数据进行匹配处理,得到与测试题数据对应的初始答案数据。
在步骤S110中,题库数据为众包产品用来向用户收集个人信息、调研结果、想法创意等信息的工作任务,这种工作任务以问题的形式存在。系统将这些以问题形式存在的工作任务发布给用户,得到用户关于这些问题的答案,以完成规模较大的任务。
在步骤S120中,收集处理为系统将这些以问题形式存在的工作任务发布给用户,对用户关于这些问题的答案进行收集;用户题库答题数据为用户关于这些问题的答案。
在步骤S130中,系统对收集到的所有用户的用户题库答题数据进行答案分析处理,在具体的实施例中,答案分析处理包括统计每个测试题数据的所有答案,并计算出每个测试题数据对应的每个用户题库答题数据的答案集中度。具体地,答案集中度表征测试题数据各个答案的集中程度,测试题的比率信息越大,则该测试题数据的答案集中度就越高,其中比率信息为该答案的回答数量占所有回答此测试题的用户总数量的比值。
比如,题库数据1的答案包括答案A、答案B、答案C和答案D,其中答案A的比率信息为0.4;答案B的比率信息为0.3;答案C的比率信息为0.2;答案D的比率信息为0.1。
再比如,题库数据2的答案包括答案E、答案F、答案G和答案H,其中答案E的比率信息为0.7;答案F的比率信息为0.1;答案H的比率信息为0.1;答案G的比率信息为0.1。
在步骤S140中,筛选处理的方式包括但不限于:选择所有答案中答案集中度较高的题库数据作为测试题数据。
比如,当在题库数据1和题库数据2中进行筛选时,因为题库数据1中比率信息最高的选项为答案A,题库数据2中比率信息最高的选项为答案E,而答案E的比率信息0.7大于答案A的比率信息0.4,因此题库数据1的答案集中度大于题库数据2的答案集中度,因此选择题库数据2作为一个测试题数据。
本申请采用这种筛选方式,保证了筛选出来的测试题的答案较为集中,这类题目更适合作为测试题来识别刷题行为。
在步骤S150中,匹配处理的方式为根据步骤S140中筛选得到的测试题数据,在该测试题数据的所有答案中匹配到答案集中度最高的答案,作为初始答案数据。在具体的实施例中,若步骤S140选择题库数据2作为一个测试题数据,则因为答案E的答案集中度0.7大于答案F、H、G的答案集中度0.1,所以选择答案E作为该测试题数据的初始答案数据。
在具体的实施例中,用户完成对问题的回答后,会有一定的奖励,因此,很可能有用户通过刷题工具等方式频繁地进行刷题,这不仅会影响到工作任务的正常完成,还可能导致众包系统的崩溃,从而极大地影响工作效率,因此,运营人员往往人工向题库数据中加入测试题,这些测试题往往较为简单且答案明确,可以根据用户对这些问题的答题情况来判断该用户是否在刷题,从而采取措施避免或惩罚刷题行为。
为了提升测试题的生成效率,本公开实施例提供的测试题生成方法,将题库数据发布至任务队列中,直接对题库数据进行答案收集处理,从题库数据中筛选出答案较为集中的题目作为测试题数据,并将测试题数据的答案作为初始答案数据,从而摆脱测试题发布过程对于运营人员的依赖,降低了运营成本,提升了测试题的生成效率。
本公开实施例提出的测试题生成方法,通过获取题库数据并对题库数据进行答案收集处理,得到用户题库答题数据,然后对用户题库答题数据进行答案分析处理,得到用户题库答题数据的答案集中度,进而根据答案集中度对题库数据进行筛选处理,得到测试题数据,最后根据用户题库答题数据进行匹配处理,得到与测试题数据对应的初始答案数据,通过本公开实施例提供的技术方案可以提高测试题的生成效率,摆脱测试题发布过程对于运营人员的依赖,降低了运营成本,降低了新题型发布的门槛,保证了测试题不能轻易地被测试用户所识别。
在一些实施例,方法还包括:将测试题数据派发至答题任务队列中,收集用户对答题任务队列中的测试题数据的测试答案,并将测试答案作为用户测试答题数据;根据初始答案数据对用户测试答题数据进行判别处理,得到答题结果数据;根据答题结果数据对初始答案数据进行纠正处理,得到目标答案数据。
如图2所示,图2是另一些实施例提供的测试题生成方法的流程图,测试题生成方法还包括:
S210,将测试题数据派发至答题任务队列中,收集用户对答题任务队列中的测试题数据的测试答案,并将测试答案作为用户测试答题数据;
S220,根据初始答案数据对用户测试答题数据进行判别处理,得到答题结果数据;
S230,根据答题结果数据对初始答案数据进行纠正处理,得到目标答案数据。
在步骤S210中,答题任务队列为众包产品的派发的工作任务队列,每个工作任务被派发到不同的工作队列之中,而不同的工作队列又对应不同的用户,因此,测试题数据的派发需要遵从系统任务的整体派发规则,具体地,每个测试题数据都会被派发到每个不同的任务队列中,以实现测试题数据对每个待测试用户的全覆盖,进而获取用户对该测试题数据反馈的答案,将该答案作为用户测试答题数据。
具体地,若当前的任务队列的数量为N,则根据测试题数据生成N个副本,分别加入到N条测试题派发队列中。
需要说明的是,步骤S120中的用户题库答题数据,和步骤S210中的用户测试答题数据的采集原理相似,都是利用用户的答案反馈来采集得到,但其采集的先后顺序和功能不同。其中,用户题库答题数据用于得到初始答案数据;而用户测试答题数据是该题目作为测试题数据在测试过程中的用户反馈,用于对正在进行刷题行为的用户进行识别。
在步骤S220中,答题结果数据包括答题正确和答题错误,判别处理的方式为:若用户测试答题数据与初始答案数据一致,则判定为答题正确;若用户测试答题数据与初始答案数据不一致,则判定为答题错误。答题结果数据用于后续对测试题答案的纠正以得到目的答案数据。
在步骤S230中,若步骤S220中得到的答题结果数据为答题错误,则用户会受到惩罚,用户根据自己是否对惩罚存在异议来选择进行申诉,从而开启对初始答案信息的修正过程,具体地,纠正过程为通过搜集所有用户对该测试题数据的答题情况,来对该测试题数据的答案进行重新判别,进而对初始答案数据进行纠正以得到目标答案数据。目标答案数据即为纠正后的该测试题数据的正确答案,进而根据这个正确答案进行下一轮的测试题数据的任务分发。
在一些实施例,答题结果数据包括答题错误;根据答题结果数据对初始答案数据进行纠正处理,得到目标答案数据,包括:
若答题结果数据为答题错误,则根据预设的惩罚规则信息进行惩罚匹配处理,得到答题惩罚信息;
根据答题惩罚信息进行惩罚处理,并收集用户反馈的对惩罚处理的异议评价;
根据异议评价检测用户反馈的申诉信息;
根据申诉信息对初始答案数据进行答案分析处理,得到初始答案数据的答案分析结果,答案分析结果包括比率信息、标准差信息;
根据答案分析结果进行答案匹配处理,得到目标答案数据。
图3是一些实施例中的步骤S230的流程图,图3示意的步骤S230包括但不限于步骤S310至步骤S350:
S310,若答题结果数据为答题错误,则根据预设的惩罚规则信息进行惩罚匹配处理,得到答题惩罚信息;
S320,根据答题惩罚信息进行惩罚处理,并收集用户反馈的对惩罚处理的异议评价;
S330,根据异议评价检测用户反馈的申诉信息;
S340,根据申诉信息对初始答案数据进行答案分析处理,得到初始答案数据的答案分析结果;
S350,根据答案分析结果进行答案匹配处理,得到目标答案数据。
在步骤S310中,若答题结果数据为答题错误,则系统判定该用户正在进行刷题。其中,惩罚规则信息包括但不限于:根据累计错误次数选择扣除本应获得的奖励积分,或者暂停答题,或者封号。在具体的实施例中,通过惩罚匹配处理得到答题惩罚信息的示例如下:
若当日累计错误次数为1,则答题惩罚信息为:扣除该用户应获得的奖励积分10分;若当日累计错误次数为2,则答题惩罚信息为:扣除该用户应获得的奖励积分20分;若当日累计错误次数大于2小于等于5,则答题惩罚信息为:暂停答题;若一周之内累计错误次数大于10,则答题惩罚信息为:封号。
在步骤S320中,惩罚处理为按照步骤S310中匹配到的答题惩罚信息对用户进行惩罚,用户收到惩罚之后可以向系统反馈用户评价结果,用户评价结果用于表征用户对本次惩罚行为的意见,用户评价结果数据包括同意评价和异议评价。
在步骤S330中,若用户评价结果为同意评价,表示用户认同本次系统的惩罚行为,则可以继续进行答题过程;若用户评价结果为异议评价,表示用户不认同本次系统的惩罚行为,即用户认为自己并不存在刷题行为,而是此测试题数据的答案有误,此时用户可以对惩罚行为进行申诉,而系统收集用户反馈的申诉信息,用于重新对该测试题的答案进行评估,评估包括进行答案分析处理。
需要说明的是,在发起申诉时,系统会告知用户如果申诉成功会返还的积分数,以及如果申诉失败会被扣除的积分数,用户接受后确认提交申诉信息。其中,申诉本身不影响当前系统的判定,当前用户如果因为答题错误而被暂停答题,那么申诉后,用户依然会被暂停答题,只能等待申诉成功,该测试题答案被纠正而进入补偿环节,取消对该用户的暂停答题后,或者等待暂停答题的时限结束后,用户才能继续进行答题。
在步骤S340中,答案分析结果包括比率信息、标准差信息。答案分析结果包括比率信息、标准差信息,其中,比率信息为该答案的回答数量占所有回答此测试题的用户总数量的比值,用于表征答案集中程度;标准差信息为各个答案比率信息的数据标准差,用于表征答案的稳定程度。
答案分析处理的方式为:对回答过该测试题数据以往的所有用户的答案进行分析,即答案的分析对象包括:步骤S120中的用户题库答题数据和步骤S210中的用户测试答题数据。
比如,测试题1的答案包括答案A、答案B、答案C和答案D,其中答案A的比率信息为0.4;答案B的比率信息为0.3;答案C的比率信息为0.2;答案D的比率信息为0.1。其比率信息的平均数是0.25,则标准差信息为:
在步骤S350中,纠正处理的依据包括:根据每个测试题的比率信息和标准差信息的具体数值来判断该测试题是否需要进行纠正。纠正处理的过程为:将该测试题数据的初始答案数据纠正为目标答案数据,其中,目标答案数据即为根据分析结果判断出的正确答案。
在一些实施例,根据答案分析结果进行答案匹配处理,得到目标答案数据,包括:若答案分析结果满足第一条件,则将第一条件对应的答案作为目标答案数据;第一条件为:比率信息最大的一个答案的比率信息大于或者等于第一阈值。
在一些实施例,根据答案分析结果进行答案匹配处理,得到目标答案数据,包括:若答案分析结果满足第二条件,则将第二条件对应的两个答案作为目标答案数据;第二条件为:所有答案的比率信息都小于第二阈值,且比率信息最大的两个答案的总比率大于或者等于第一阈值,且答案的标准差信息大于第三阈值。
在一些实施例,根据答案分析结果进行答案匹配处理,得到目标答案数据,包括:若答案分析结果不满足第一条件和第二条件,则将申诉信息对应的测试题数据进行人工判别处理,得到目标答案数据。
图4是一些实施例中的步骤S350的流程图,图4示意的步骤S350包括但不限于步骤S410至步骤S460:
S410,获取答案分析结果;
S420,判断答案分析结果是否满足第一条件;若判断结果为是,则执行步骤S430;若判断结果为否,则执行步骤S440;
S430,判断答案分析结果是否满足第二条件;若判断结果为是,则执行步骤S450;若判断结果为否,则执行步骤S460;
S440,将第一条件对应的答案作为目标答案数据;
S450,将第二条件对应的两个答案作为目标答案数据;
S460,将申诉信息对应的测试题数据进行人工判别处理,得到目标答案数据。
在步骤S410中,答案分析结果包括测试题数据对应的答案的比率信息、标准差信息。答案的分析对象包括:用户题库答题数据和用户测试答题数据。
在步骤S420和步骤S440中,第一条件为:比率信息最大的一个答案的比率信息大于或者等于第一阈值,其中,第一阈值为0.8。
具体地,若答案分析结果满足第一条件,则说明该测试题数据的答案较为集中,则判断该比率信息最大的答案即为正确答案,并将这个正确答案作为目标答案数据,以实现对初始答案数据的纠正;若答案分析结果不满足第一条件,则继续进行后续判断。
在步骤S430和步骤S450中,第二条件为:所有答案的比率信息都小于第二阈值,且比率信息最大的两个答案的总比率大于或者等于第一阈值,且答案的标准差信息大于第三阈值,其中,第一阈值为0.8,第二阈值为0.5,第三阈值为0.05。
具体地,若答案分析结果满足第二条件,说明用户对这道题的答案分歧很大,但是两个答案都很有道理,将第二条件对应的两个答案作为目标答案数据,用户提交的答案只要满足其中一个就判定为正确。但这道题不适合作为测试题,停止该题目的派发。
在步骤S460中,若答案分析结果既不满足第一条件,又不满足第二条件,则说明这道题的答案过于模糊,因此停止该题目的派发,进行人工判别处理,得到目标答案数据。
需要说明的是,在完成了图4所示的实施例的目标答案数据的生成后,需要根据最新的答案对所有回答该测试题的用户的答案进行重新判定,并进行补偿或惩罚,然后,该测试题再次进入到派发队列。
图4所示的实施例,根据答案分析结果对测试题数据进行分类判别,判断其答案的清晰程度的高低,实现了对初始答案数据的纠正,提高了测试题答案的正确性。
在一些实施例,方法还包括:根据目标答案数据进行查找处理,得到误判题;误判题为被初始答案数据误判的测试题数据;根据预设的补偿规则信息对误判题对应的用户进行补偿处理。
如图5所示,图5是另一些实施例提供的测试题生成方法的流程图,测试题生成方法还包括:
S510,根据目标答案数据进行查找处理,得到误判题;
S520,根据预设的补偿规则信息对误判题对应的用户进行补偿处理。
在步骤S510中,误判题为被初始答案数据误判的测试题数据;查找处理为:若该答案经过申诉阶段并申诉成功,则根据纠正后的目标答案数据查找到这个测试题,被初始答案数据误判的测试题数据即为误判题。
在步骤S520中,补偿规则信息包括但不限于:根据误判时系统的答题惩罚信息对用户进行补偿。在具体的实施例中,补偿规则的示例如下:
若答题惩罚信息为扣除该用户应获得的奖励积分10分,则补偿信息为:补偿用户积分10分;若答题惩罚信息为扣除该用户应获得的奖励积分20分,则补偿信息为:补偿用户积分20分。若答题惩罚信息为暂停答题,则补偿信息为:解除暂停答题;若答题惩罚信息为封号,则补偿信息为:解除封号。
另外,在一些实施例,测试题生成方法还包括:根据测试题数据的目标答案数据对回答过该测试题的用户进行抽查,若抽查到之前提交的用户测试答题数据与目标答案数据不一致,即与最新的答案不一致,则根据惩罚规则信息对该用户进行惩罚处理。
本公开实施例提供的测试题生成方法,减少了新类型的题目接入系统的门槛,用户不需要先准备一批带有标准答案的任务,只要直接接入开始投放就可以;不需要人工定期更换测试题,降低了这套测试题机制的人工维护成本,降低可用户识别辨认出测试题的可能性;用户申诉成功后,对于提交错误答案的用户的惩罚,增强了对于用户答案的判定,相当于用户同时承担了审核其他用户答案的职责,可以更准确定位到错误的答案,提升了用户答案的可靠性。在实际的使用过程中,测试题的派发次数不超过20次,派发次数的数值设置太小会降低综合最终答案的可靠性,设置太大会过分延长自动处理申诉的时间,降低用户体验,设置为20是运营比较能够接受的时间。
本公开实施例提出了一种测试题生成装置,包括:题库数据获取模块,用于获取题库数据;答案收集模块,用于对题库数据进行答案收集处理,得到用户题库答题数据;答案分析模块,用于对用户题库答题数据进行答案分析处理,得到用户题库答题数据的答案集中度;筛选模块,用于根据答案集中度对题库数据进行筛选处理,得到测试题数据;匹配模块,用于根据用户题库答题数据进行匹配处理,得到与测试题数据对应的初始答案数据。
本实施例的测试题生成装置的具体实施方式与上述测试题生成方法的具体实施方式基本一致,在此不再赘述。
本公开实施例还提供了一种电子设备,包括:
至少一个存储器;
至少一个处理器;
至少一个程序;
所述程序被存储在存储器中,处理器执行所述至少一个程序以实现本公开实施上述的题目推荐方法。该电子设备可以为包括手机、平板电脑、个人数字助理(PersonalDigital Assistant,简称PDA)、车载电脑等任意智能终端。
请参阅图6,图6示意了另一实施例的电子设备的硬件结构,电子设备包括:
处理器601,可以采用通用的CPU(CentralProcessingUnit,中央处理器)、微处理器、应用专用集成电路(ApplicationSpecificIntegratedCircuit,ASIC)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本公开实施例所提供的技术方案;
存储器602,可以采用ROM(ReadOnlyMemory,只读存储器)、静态存储设备、动态存储设备或者RAM(RandomAccessMemory,随机存取存储器)等形式实现。存储器602可以存储操作系统和其他应用程序,在通过软件或者固件来实现本说明书实施例所提供的技术方案时,相关的程序代码保存在存储器602中,并由处理器601来调用执行本公开实施例的题目推荐方法;
输入/输出接口603,用于实现信息输入及输出;
通信接口604,用于实现本设备与其他设备的通信交互,可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信;和
总线605,在设备的各个组件(例如处理器601、存储器602、输入/输出接口603和通信接口604)之间传输信息;
其中处理器601、存储器602、输入/输出接口603和通信接口604通过总线605实现彼此之间在设备内部的通信连接。
本公开实施例还提供了一种存储介质,该存储介质是计算机可读存储介质,该计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令用于使计算机执行上测试题生成方法。
本公开实施例提出的测试题生成方法和装置、电子设备、存储介质,通过获取题库数据并对题库数据进行答案收集处理,得到用户题库答题数据,然后对用户题库答题数据进行答案分析处理,得到用户题库答题数据的答案集中度,进而根据答案集中度对题库数据进行筛选处理,得到测试题数据,最后根据用户题库答题数据进行匹配处理,得到与测试题数据对应的初始答案数据,通过本公开实施例提供的技术方案可以提高测试题的生成效率,摆脱测试题发布过程对于运营人员的依赖,降低了运营成本,降低了新题型发布的门槛,保证了测试题不能轻易地被测试用户所识别,同时还提高了测试题对应答案的准确度,减少了题目的误判。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本公开实施例描述的实施例是为了更加清楚的说明本公开实施例的技术方案,并不构成对于本公开实施例提供的技术方案的限定,本领域技术人员可知,随着技术的演变和新应用场景的出现,本公开实施例提供的技术方案对于类似的技术问题,同样适用。
本领域技术人员可以理解的是,图1-5中示出的技术方案并不构成对本公开实施例的限定,可以包括比图示更多或更少的步骤,或者组合某些步骤,或者不同的步骤。
以上所描述的装置实施例仅仅是示意性的,其中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,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模块来实现本实施例方案的目的。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,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。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,用于描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,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,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。
所述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。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元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全部或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,包括多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所述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,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等各种可以存储程序的介质。
以上参照附图说明了本公开实施例的优选实施例,并非因此局限本公开实施例的权利范围。本领域技术人员不脱离本公开实施例的范围和实质内所作的任何修改、等同替换和改进,均应在本公开实施例的权利范围之内。
Claims (10)
1.一种测试题生成方法,其特征在于,包括:
获取题库数据;
对所述题库数据进行答案收集处理,得到用户题库答题数据;
对所述用户题库答题数据进行答案分析处理,得到所述用户题库答题数据的答案集中度;
根据所述答案集中度对所述题库数据进行筛选处理,得到测试题数据;
根据所述用户题库答题数据进行匹配处理,得到与所述测试题数据对应的初始答案数据。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
将所述测试题数据派发至答题任务队列中,收集用户对所述答题任务队列中的所述测试题数据的测试答案,并将所述测试答案作为用户测试答题数据;
根据所述初始答案数据对所述用户测试答题数据进行判别处理,得到答题结果数据;
根据所述答题结果数据对所述初始答案数据进行纠正处理,得到目标答案数据。
3.根据权利要求2所述的方法,其特征在于,所述答题结果数据包括答题错误;所述根据所述答题结果数据对所述初始答案数据进行纠正处理,得到目标答案数据,包括:
若所述答题结果数据为所述答题错误,则根据预设的惩罚规则信息进行惩罚匹配处理,得到答题惩罚信息;
根据所述答题惩罚信息进行惩罚处理,并收集用户反馈的对所述惩罚处理的异议评价;
根据所述异议评价检测用户反馈的申诉信息;
根据所述申诉信息对所述初始答案数据进行答案分析处理,得到所述初始答案数据的答案分析结果,所述答案分析结果包括比率信息、标准差信息;
根据所述答案分析结果进行答案匹配处理,得到所述目标答案数据。
4.根据权利要求3所述的方法,其特征在于,所述根据所述答案分析结果进行答案匹配处理,得到所述目标答案数据,包括:
若所述答案分析结果满足第一条件,则将所述第一条件对应的答案作为所述目标答案数据;所述第一条件为:所述比率信息最大的一个答案的所述比率信息大于或者等于第一阈值。
5.根据权利要求4所述的方法,其特征在于,所述根据所述答案分析结果进行答案匹配处理,得到所述目标答案数据,包括:
若所述答案分析结果满足第二条件,则将所述第二条件对应的两个答案作为所述目标答案数据;所述第二条件为:所有答案的所述比率信息都小于第二阈值,且所述比率信息最大的两个答案的总比率大于或者等于第一阈值,且答案的所述标准差信息大于第三阈值。
6.根据权利要求5所述的方法,其特征在于,所述根据所述答案分析结果进行答案匹配处理,得到所述目标答案数据,包括:
若所述答案分析结果不满足所述第一条件和所述第二条件,则将所述申诉信息对应的所述测试题数据进行人工判别处理,得到所述目标答案数据。
7.根据权利要求2所述的方法,其特征在于,所述方法还包括:
根据所述目标答案数据进行查找处理,得到误判题;所述误判题为被所述初始答案数据误判的所述测试题数据;
根据预设的补偿规则信息对所述误判题对应的用户进行补偿处理。
8.一种测试题生成装置,其特征在于,包括:
题库数据获取模块,用于获取题库数据;
答案收集模块,用于对所述题库数据进行答案收集处理,得到用户题库答题数据;
答案分析模块,用于对所述用户题库答题数据进行答案分析处理,得到所述用户题库答题数据的答案集中度;
筛选模块,用于根据所述答案集中度对所述题库数据进行筛选处理,得到测试题数据;
匹配模块,用于根据所述用户题库答题数据进行匹配处理,得到与所述测试题数据对应的初始答案数据。
9.一种电子设备,其特征在于,包括:
至少一个存储器;
至少一个处理器;
至少一个程序;
所述程序被存储在存储器中,处理器执行所述至少一个程序以实现:
如权利要求1至7任一项所述的方法。
10.一种存储介质,所述存储介质为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有计算机可执行指令,所述计算机可执行指令用于使计算机执行:
如权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210160837.7A CN114547122A (zh) | 2022-02-22 | 2022-02-22 | 测试题生成方法和装置、电子设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210160837.7A CN114547122A (zh) | 2022-02-22 | 2022-02-22 | 测试题生成方法和装置、电子设备、存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114547122A true CN114547122A (zh) | 2022-05-27 |
Family
ID=81678487
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210160837.7A Pending CN114547122A (zh) | 2022-02-22 | 2022-02-22 | 测试题生成方法和装置、电子设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114547122A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117257304A (zh) * | 2023-11-22 | 2023-12-22 | 暗物智能科技(广州)有限公司 | 一种认知能力测评方法、装置、电子设备及存储介质 |
-
2022
- 2022-02-22 CN CN202210160837.7A patent/CN114547122A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117257304A (zh) * | 2023-11-22 | 2023-12-22 | 暗物智能科技(广州)有限公司 | 一种认知能力测评方法、装置、电子设备及存储介质 |
CN117257304B (zh) * | 2023-11-22 | 2024-03-01 | 暗物智能科技(广州)有限公司 | 一种认知能力测评方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110837551B (zh) | 一种在线数据采集的方法及系统 | |
CN109800320B (zh) | 一种图像处理方法、设备及计算机可读存储介质 | |
CN111260102A (zh) | 一种用户满意度预测方法、装置、电子设备及存储介质 | |
CN110163683B (zh) | 价值用户关键指标确定方法、广告投放方法及装置 | |
CN110490651B (zh) | 信息推送方法、装置、设备及计算机可读存储介质 | |
CN110111011B (zh) | 一种教学质量监管方法、装置及电子设备 | |
CN111984442A (zh) | 计算机集群系统的异常检测方法及装置、存储介质 | |
CN114547122A (zh) | 测试题生成方法和装置、电子设备、存储介质 | |
CN110895506A (zh) | 测试数据的构造方法和构造系统 | |
CN115204614A (zh) | 任务分配方法及装置 | |
CN114971693A (zh) | 一种基于bim的工程造价咨询管理系统 | |
CN110147964B (zh) | 基于大数据技术的人才评价系统 | |
CN112215509A (zh) | 资源参数的确定方法、装置及设备 | |
CN109165327B (zh) | 人机对话方法、装置及计算机可读存储介质 | |
CN116308679A (zh) | 供应链异常订单处理方法、装置、设备及存储介质 | |
JP2020004161A (ja) | 審査支援装置、審査支援方法、およびサービス提供方法 | |
CN105956749A (zh) | 巡防管理信息的处理方法和装置 | |
CN115564276A (zh) | 项目统计储备管理系统、方法及存储介质 | |
CN115511536A (zh) | 客户终身价值分析方法及装置 | |
CN114742522A (zh) | 一种勘察设计图自动对比方法、系统、装置及存储介质 | |
CN114490288A (zh) | 一种基于用户操作行为的信息匹配方法及装置 | |
CN107909481B (zh) | 一种投资共建展示与认股信息分析系统及方法 | |
CN113554316A (zh) | 一种基于物联网的员工培训系统 | |
CN107784080B (zh) | 自动建立用户知识框架的方法、装置、系统及存储介质 | |
CN112734142A (zh) | 基于深度学习的资源学习路径规划方法及装置 |
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 |