CN116303994A - 一种题目生成方法、装置、计算机设备及存储介质 - Google Patents

一种题目生成方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN116303994A
CN116303994A CN202310315725.9A CN202310315725A CN116303994A CN 116303994 A CN116303994 A CN 116303994A CN 202310315725 A CN202310315725 A CN 202310315725A CN 116303994 A CN116303994 A CN 116303994A
Authority
CN
China
Prior art keywords
target
word
question
candidate
class
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
Application number
CN202310315725.9A
Other languages
English (en)
Inventor
张蕊
陶晋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Youzhuju Network Technology Co Ltd
Beijing Zitiao Network Technology Co Ltd
Original Assignee
Beijing Youzhuju Network Technology Co Ltd
Beijing Zitiao Network Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Youzhuju Network Technology Co Ltd, Beijing Zitiao Network Technology Co Ltd filed Critical Beijing Youzhuju Network Technology Co Ltd
Priority to CN202310315725.9A priority Critical patent/CN116303994A/zh
Publication of CN116303994A publication Critical patent/CN116303994A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B7/00—Electrically-operated teaching apparatus or devices working with questions and answers
    • G09B7/06—Electrically-operated teaching apparatus or devices working with questions and answers of the multiple-choice answer-type, i.e. where a given question is provided with a series of answers and a choice has to be made from the answers
    • G09B7/08—Electrically-operated teaching apparatus or devices working with questions and answers of the multiple-choice answer-type, i.e. where a given question is provided with a series of answers and a choice has to be made from the answers characterised by modifying the teaching programme in response to a wrong answer, e.g. repeating the question, supplying further information
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/335—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/166—Editing, e.g. inserting or deleting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G06Q50/205—Education administration or guidance
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Databases & Information Systems (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

本公开提供了一种题目生成方法、装置、计算机设备及存储介质，其中，该方法包括：响应于单词练习指令，确定多个预设的题类等级分别对应的题类比例；不同的题类等级用于考察不同的单词能力；基于目标用户在所述题类比例下的能力系数，确定目标用户对各个候选单词的正答率；所述目标用户在所述题类比例下的能力系数、是基于所述目标用户对于所述题类比例对应的目标题类等级的目标历史题目的历史作答结果确定；基于所述单词练习指令携带的单词练习个数、所述正答率以及所述目标用户对于所述候选单词的掌握题类等级，从多个所述候选单词中筛选符合所述题类比例的目标单词；生成所述目标单词对应的目标题目，并通过目标用户端展示所述目标题目。

Description

一种题目生成方法、装置、计算机设备及存储介质
技术领域
本公开涉及计算机技术领域，具体而言，涉及一种题目生成方法、装置、计算机设备及存储介质。
背景技术
目前，越来越多的人选择使用单词学习软件进行单词学习，通常单词学习软件会从用户选择的预设词库中随机挑选单词，然后根据用户挑选的单词查找对应的题目由用户进行作答。但是，由于考核的单词是从预设词库中随机挑选出的，挑选出的单词很容易出现过于简单、或者过于困难的情况，从而该单词对应的题目过于简单、或者过于困难，降低了用户的学习体验和学习效率。因此，如何生成难度适宜的题目成为亟待解决的问题。
发明内容
本公开实施例至少提供一种题目生成方法、装置、计算机设备及存储介质。
第一方面，本公开实施例提供了一种题目生成方法，包括：
响应于单词练习指令，确定多个预设的题类等级分别对应的题类比例；其中，不同的题类等级用于考察不同的单词能力；
基于目标用户在所述题类比例下的能力系数，确定目标用户对各个候选单词的正答率；其中，所述目标用户在所述题类比例下的能力系数、是基于所述目标用户对于所述题类比例对应的目标题类等级的目标历史题目的历史作答结果确定；
基于所述单词练习指令携带的单词练习个数、所述正答率以及所述目标用户对于所述候选单词的掌握题类等级，从多个所述候选单词中筛选符合所述题类比例的目标单词；
生成所述目标单词对应的目标题目，并通过目标用户端展示所述目标题目。
一种可能的实施方式中，所述确定多个预设的题类等级分别对应的题类比例，包括：
基于各个所述候选单词的掌握题类等级，确定多个预设的题类等级分别对应的题类比例。
一种可能的实施方式中，在确定多个预设的题类等级分别对应的题类比例之后，所述方法还包括：
在所述题类比例中包括第一题类等级和除所述第一题类等级外的其他题类等级、且所述第一题类等级对应的第一题类比例超过预设比例的情况下，对所述第一题类等级对应的第一题类比例和所述其他题类等级对应的第二题类比例进行调整。
一种可能的实施方式中，所述方法还包括根据以下方法确定所述目标用户在所述题类比例下的能力系数：
基于所述目标历史题目的历史作答结果、以及所述目标历史题目所包含的候选单词的单词难度，确定所述目标用户在所述题类比例下的能力系数。
一种可能的实施方式中，所述基于目标用户在所述题类比例下的能力系数，确定目标用户对各个候选单词的正答率，包括：
基于所述目标用户在所述题类比例下的能力系数、各个所述候选单词的单词难度、以及预设的目标参数，确定所述目标用户对各个所述候选单词的正答率；
其中，所述目标参数表征各个所述候选单词的历史浏览情况对所述正答率的影响程度，所述目标参数是基于多个第一测试用户对已浏览单词的作答统计结果、和对未浏览单词的作答统计结果确定的。
一种可能的实施方式中，所述方法还包括根据以下方法确定各个所述候选单词的单词难度：
基于多个第二测试用户对于各个所述候选单词对应的题目的作答统计结果，确定各个所述候选单词的单词难度。
一种可能的实施方式中，在第一统计用户的数量超过预设数量的情况下，所述多个第二测试用户为所述第一统计用户，在所述第一统计用户的数量不超过所述预设数量的情况下，所述多个第二测试用户为第二统计用户，或者为所述第一统计用户和所述第二统计用户，所述第一统计用户与所述目标用户的属性信息相同，所述第二统计用户与所述目标用户的属性信息不同。
一种可能的实施方式中，所述候选单词为从所述目标用户历史浏览的多媒体内容中选定的；
所述基于所述单词练习指令携带的单词练习个数、所述正答率以及所述目标用户对于所述候选单词的掌握题类等级，从多个所述候选单词中筛选符合所述题类比例的目标单词，包括：
基于所述单词练习指令携带的单词练习个数、所述正答率、所述目标用户对于所述候选单词的掌握题类等级、以及各个所述候选单词对应的目标时间，从多个所述候选单词中筛选符合所述题类比例的目标单词；其中，各个所述候选单词对应的目标时间包括，各个所述候选单词对应的选定时间、和/或各个所述候选单词对应的历史练习时间。
一种可能的实施方式中，所述生成所述目标单词对应的目标题目，包括：
确定所述目标单词的掌握题类等级对应的至少一个候选题型；
基于所述至少一个候选题型的优先级，从所述至少一个候选题型中确定所述目标单词对应的目标题型；
基于所述目标单词和所述目标题型，生成所述目标题目。
一种可能的实施方式中，所述基于所述目标单词和所述目标题型，生成所述目标题目，包括：
在所述目标题型为选择题的情况下，确定所述目标单词对应的目标干扰单词；
基于所述目标干扰单词、所述目标题型、以及所述目标单词，生成所述目标单词对应的目标题目。
一种可能的实施方式中，所述确定所述目标单词对应的目标干扰单词，包括：
确定所述目标单词对应的预设的候选干扰单词、以及所述目标用户的历史题目包含的历史单词；其中，所述历史单词包括历史练习单词和/或历史干扰单词；
从所述候选干扰单词中，筛选出除所述历史单词外的目标干扰单词。
一种可能的实施方式中，在通过目标用户端展示所述目标题目之后，所述方法还包括：
获取所述目标用户对所述目标题目的目标作答结果；
基于所述目标作答结果、以及预设的题类等级更新规则，对所述目标单词的掌握题类等级进行更新；其中，所述题类等级更新规则用于指示、各目标单词的掌握题类等级在对应的目标题目作答正确或者作答错误的情况下的变更方法。
第二方面，本公开实施例还提供一种题目生成装置，包括：
第一确定模块，用于响应于单词练习指令，确定多个预设的题类等级分别对应的题类比例；其中，不同的题类等级用于考察不同的单词能力；
第二确定模块，用于基于目标用户在所述题类比例下的能力系数，确定目标用户对各个候选单词的正答率；其中，所述目标用户在所述题类比例下的能力系数、是基于所述目标用户对于所述题类比例对应的目标题类等级的目标历史题目的历史作答结果确定；
筛选模块，用于基于所述单词练习指令携带的单词练习个数、所述正答率以及所述目标用户对于所述候选单词的掌握题类等级，从多个所述候选单词中筛选符合所述题类比例的目标单词；
生成模块，用于生成所述目标单词对应的目标题目，并通过目标用户端展示所述目标题目。
一种可能的实施方式中，所述第一确定模块，在确定多个预设的题类等级分别对应的题类比例时，用于：
基于各个所述候选单词的掌握题类等级，确定多个预设的题类等级分别对应的题类比例。
一种可能的实施方式中，在确定多个预设的题类等级分别对应的题类比例之后，所述第一确定模块，还用于：
在所述题类比例中包括第一题类等级和除所述第一题类等级外的其他题类等级、且所述第一题类等级对应的第一题类比例超过预设比例的情况下，对所述第一题类等级对应的第一题类比例和所述其他题类等级对应的第二题类比例进行调整。
一种可能的实施方式中，该装置还用于根据以下方法确定所述目标用户在所述题类比例下的能力系数：
基于所述目标历史题目的历史作答结果、以及所述目标历史题目所包含的候选单词的单词难度，确定所述目标用户在所述题类比例下的能力系数。
一种可能的实施方式中，所述第二确定模块，在基于目标用户在所述题类比例下的能力系数，确定目标用户对各个候选单词的正答率时，用于：
基于所述目标用户在所述题类比例下的能力系数、各个所述候选单词的单词难度、以及预设的目标参数，确定所述目标用户对各个所述候选单词的正答率；
其中，所述目标参数表征各个所述候选单词的历史浏览情况对所述正答率的影响程度，所述目标参数是基于多个第一测试用户对已浏览单词的作答统计结果、和对未浏览单词的作答统计结果确定的。
一种可能的实施方式中，该装置还用于根据以下方法确定各个所述候选单词的单词难度：
基于多个第二测试用户对于各个所述候选单词对应的题目的作答统计结果，确定各个所述候选单词的单词难度。
一种可能的实施方式中，在第一统计用户的数量超过预设数量的情况下，所述多个第二测试用户为所述第一统计用户，在所述第一统计用户的数量不超过所述预设数量的情况下，所述多个第二测试用户为第二统计用户，或者为所述第一统计用户和所述第二统计用户，所述第一统计用户与所述目标用户的属性信息相同，所述第二统计用户与所述目标用户的属性信息不同。
一种可能的实施方式中，所述候选单词为从所述目标用户历史浏览的多媒体内容中选定的；
所述筛选模块，在基于所述单词练习指令携带的单词练习个数、所述正答率以及所述目标用户对于所述候选单词的掌握题类等级，从多个所述候选单词中筛选符合所述题类比例的目标单词时，用于：
基于所述单词练习指令携带的单词练习个数、所述正答率、所述目标用户对于所述候选单词的掌握题类等级、以及各个所述候选单词对应的目标时间，从多个所述候选单词中筛选符合所述题类比例的目标单词；其中，各个所述候选单词对应的目标时间包括，各个所述候选单词对应的选定时间、和/或各个所述候选单词对应的历史练习时间。
一种可能的实施方式中，所述生成模块，在生成所述目标单词对应的目标题目时，用于：
确定所述目标单词的掌握题类等级对应的至少一个候选题型；
基于所述至少一个候选题型的优先级，从所述至少一个候选题型中确定所述目标单词对应的目标题型；
基于所述目标单词和所述目标题型，生成所述目标题目。
一种可能的实施方式中，所述生成模块，在基于所述目标单词和所述目标题型，生成所述目标题目时，用于：
在所述目标题型为选择题的情况下，确定所述目标单词对应的目标干扰单词；
基于所述目标干扰单词、所述目标题型、以及所述目标单词，生成所述目标单词对应的目标题目。
一种可能的实施方式中，所述生成模块，在确定所述目标单词对应的目标干扰单词时，用于：
确定所述目标单词对应的预设的候选干扰单词、以及所述目标用户的历史题目包含的历史单词；其中，所述历史单词包括历史练习单词和/或历史干扰单词；
从所述候选干扰单词中，筛选出除所述历史单词外的目标干扰单词。
一种可能的实施方式中，在通过目标用户端展示所述目标题目之后，该装置还用于：
获取所述目标用户对所述目标题目的目标作答结果；
基于所述目标作答结果、以及预设的题类等级更新规则，对所述目标单词的掌握题类等级进行更新；其中，所述题类等级更新规则用于指示、各目标单词的掌握题类等级在对应的目标题目作答正确或者作答错误的情况下的变更方法。
第三方面，本公开实施例还提供一种计算机设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行上述第一方面，或第一方面中任一种可能的实施方式中的步骤。
第四方面，本公开实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述第一方面，或第一方面中任一种可能的实施方式中的步骤。
本公开实施例提供的题目生成方法、装置、计算机设备及存储介质，可以先在响应于单词练习指令之后，确定多个预设的题类等级分别对应的题类比例；由于不同的题类等级用于考察不同的单词能力，因此基于目标用户在所述题类比例下的能力系数，可以准确地确定目标用户对各个候选单词的正答率；之后再基于所述单词练习指令携带的单词练习个数、所述正答率以及所述目标用户对于所述候选单词的掌握题类等级，从多个所述候选单词中筛选符合所述题类比例的目标单词。这样，由于目标单词的难度适合目标用户的当前水平，根据目标单词生成的目标题目对于目标用户也就难度适中，从而提升了用户的学习效率和学习体验。
为使本公开的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，此处的附图被并入说明书中并构成本说明书中的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。应当理解，以下附图仅示出了本公开的某些实施例，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示出了本公开实施例所提供的一种题目生成方法的流程图；
图2示出了本公开实施例所提供的一种题目生成方法的整体流程的示意图；
图3示出了本公开实施例所提供的一种题目生成装置的架构示意图；
图4示出了本公开实施例所提供的一种计算机设备的结构示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中附图，对本公开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公开一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本公开实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围，而是仅仅表示本公开的选定实施例。基于本公开的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。
相关技术中，单词学习软件通常会先由用户选择学习的词库，如四级英语词库、六级英语词库、XXX考纲词库等，然后从用户选择的词库中随机挑选单词生成题目由用户进行作答。
但是，由于考核的单词是从词库中随机挑选出的，并且每个用户的单词水平也不相同，对于任一用户来说，随机挑选出的单词很容易出现过于简单、或者过于困难的情况，导致基于该单词生成的题目过于简单、或者过于困难，如果生成的题目过于简单，会浪费用户的时间、降低用户的学习效率，如果题目过于困难，则会打击用户的学习兴趣。
基于上述研究，本公开提供了一种题目生成方法、装置、计算机设备及存储介质，可以先在响应于单词练习指令之后，确定多个预设的题类等级分别对应的题类比例；由于不同的题类等级用于考察不同的单词能力，因此基于目标用户在所述题类比例下的能力系数，可以准确地确定目标用户对各个候选单词的正答率；之后再基于所述单词练习指令携带的单词练习个数、所述正答率以及所述目标用户对于所述候选单词的掌握题类等级，从多个所述候选单词中筛选符合所述题类比例的目标单词。这样，由于目标单词的难度适合目标用户的当前水平，根据目标单词生成的目标题目对于目标用户也就难度适中，从而提升了用户的学习效率和学习体验。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
本文中术语“和/或”，仅仅是描述一种关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
可以理解的是，在使用本公开各实施例公开的技术方案之前，均应当依据相关法律法规通过恰当的方式对本公开所涉及个人信息的类型、使用范围、使用场景等告知用户并获得用户的授权。
例如，在响应于接收到用户的主动请求时，向用户发送提示信息，以明确地提示用户，其请求执行的操作将需要获取和使用到用户的个人信息。从而，使得用户可以根据提示信息来自主地选择是否向执行本公开技术方案的操作的电子设备、应用程序、服务器或存储介质等软件或硬件提供个人信息。
作为一种可选的但非限定性的实现方式，响应于接收到用户的主动请求，向用户发送提示信息的方式例如可以是弹窗的方式，弹窗中可以以文字的方式呈现提示信息。此外，弹窗中还可以承载供用户选择“同意”或者“不同意”向电子设备提供个人信息的选择控件。
可以理解的是，上述通知和获取用户授权过程仅是示意性的，不对本公开的实现方式构成限定，其它满足相关法律法规的方式也可应用于本公开的实现方式中。
为便于对本实施例进行理解，首先对本公开实施例所公开的一种题目生成方法进行详细介绍，本公开实施例所提供的题目生成方法的执行主体一般为用户端或者服务器，所述用户端示例性的可以是智能手机、平板电脑、个人计算机等，在一种可能的应用场景中，本公开实施例所提供的题目生成方法可以应用于用户端中的目标应用程序。在一些可能的实现方式中，该题目生成方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
参见图1所示，为本公开实施例提供的题目生成方法的流程图，所述方法包括步骤101～步骤104，其中：
步骤101、响应于单词练习指令，确定多个预设的题类等级分别对应的题类比例；其中，不同的题类等级用于考察不同的单词能力；
步骤102、基于目标用户在所述题类比例下的能力系数，确定目标用户对各个候选单词的正答率；其中，所述目标用户在所述题类比例下的能力系数、是基于所述目标用户对于所述题类比例对应的目标题类等级的目标历史题目的历史作答结果确定；
步骤103、基于所述单词练习指令携带的单词练习个数、所述正答率以及所述目标用户对于所述候选单词的掌握题类等级，从多个所述候选单词中筛选符合所述题类比例的目标单词；
步骤104、生成所述目标单词对应的目标题目，并通过目标用户端展示所述目标题目。
以下是针对上述步骤的详细说明：
针对步骤101、
具体的，所述单词练习指令可以是响应于目标用户的目标触发操作生成的，所述目标触发操作包括但不限于单击、双击、长按、滑动、拖动等操作，示例性，所述单词练习指令可以是在用户点击目标按钮(如“开始练习”按钮)后生成的，另外，所述单词练习指令还可以是其他用户端或者服务器发送的，如可以是教师端发送至执行主体的。本实施例对所述单词练习指令的生成方法不作限制。
所述单词能力用于表征用户对单词的理解和运用能力，示例性的，所述单词能力可以整体划分为由易到难的三个层级：识别、有限运用、自由运用，具体可以划分为：音-形关联(即根据单词的读音能够确定单词的英文，以及根据单词的英文能够确定单词的读音)、音-义关联(即根据单词的读音能够确定单词的中文，以及根据单词的中文能够确定单词的读音)、义-形关联(即根据单词的中文能够确定单词的英文，以及根据单词的英文能够确定单词的中文)、形-音关联(即根据单词的英文能够读出单词的读音)、义-音关联(即根据单词的中文能够读出单词的读音)、以及能在各个语境中能够完成所述音-义关联并朗读单词。
所述多个预设的题类等级可以是根据多个所述单词能力设置的，由于单词能力有难易之分，根据单词能力设置的题类等级也对应有不同的题类难度，所述题类等级、题类难度、单词能力之间的对应关系可以如下表1所示：
Figure BDA0004150132870000091
表1
所述题类比例表示多个预设的题类等级分别对应的待练习的目标单词个数之比。示例性的，所述题类比例为：题类等级1：题类等级2：题类等级3：题类等级4：题类等级5＝1：2：3：4：5。
在一种可能的实施方式中，在确定多个预设的题类等级分别对应的题类比例时，可以先基于各个所述候选单词的掌握题类等级，确定多个预设的题类等级分别对应的题类比例。
具体的，所述掌握题类等级用于表示所述多个预设的题类等级中用户已经达到的题类等级，各个所述候选单词可以对应有各自的掌握题类等级，然后可以统计各个掌握题类等级对应的候选单词的个数之比，并将所述个数之比作为所述多个预设的题类等级分别对应的题类比例。
示例性的，若多个所述候选单词中包括：100个对应题类等级1的候选单词、80个对应题类等级2的候选单词、20个对应题类等级5的候选单词，则所述题类比例为：题类等级1：题类等级2：题类等级3：题类等级4：题类等级5＝5：4：0：0：1。
采用这种方法，由于题类比例用于控制筛选出的各个题类等级的目标单词的个数，通过各个所述候选单词的掌握题类等级确定题类比例，可以合理地安排各个题类等级的目标单词练习的数量，从而可以针对所述目标用户对各个候选单词的掌握程度，个性化安排所述目标用户对各项单词能力的训练量，提升学习效率。
可以理解的是，若某一题类等级的题目过多，不利于所述目标用户的多个单词能力的全面提升，若较难的题类等级的题目过多，对于所述目标用户来说，题目可能会太难，因此，在一种可能的实施方式中，在所述题类比例中包括第一题类等级和除所述第一题类等级外的其他题类等级、且所述第一题类等级对应的第一题类比例超过预设比例的情况下，对所述第一题类等级对应的第一题类比例和所述其他题类等级对应的第二题类比例进行调整。
其中，所述第一题类比例表示：所述第一题类等级对应的待练习的目标单词的个数与单词练习个数之比，所述第二题类比例表示：所述其他题类等级对应的待练习的目标单词的个数与单词练习个数之比，所述单词练习个数用于表示待练习的目标单词的总个数，所述第一题类等级示例性的可以是题类难度较高的题类等级，如表1中的题类等级5。
具体的，可以预先设置所述多个预设的题类等级中的至少一个第一题类等级，以及所述至少一个第一题类等级分别对应的预设比例，如所述第一题类等级为题类等级5，所述预设比例为80％，然后确定所述多个预设的题类等级分别对应的题类比例中是否包括所述第一题类等级(或者说所述题类比例中所述第一题类等级对应的比例项是否为0)和其他题类等级(或者说所述题类比例中所述其他题类等级对应的比例项是否为0)，若均包括(或者说若均不为0)，则确定所述第一题类等级对应的第一题类比例是否超过所述第一题类等级对应的预设比例，若是，则降低所述第一题类比例，并将所述第一题类比例的降低比例增加至所述第二题类比例。
这里，在降低所述第一题类比例时，示例性的，可以用所述第一题类比例乘以预设降权系数(如0.9)，得到调整后的第一题类比例，或者可以将所述第一题类比例降低至所述预设比例，然后在提高所述第二题类比例时，可以将所述调整后的第一题类比例与调整前的第一题类比例之间的差值(即所述降低比例)、与所述第二题类比例相加，得到调整后的第二题类比例，在存在多个其他题类等级时，示例性的，可以将所述降低比例平均增加至各个第二题类比例上，或者按照多个第二题类比例之间的比值增加至各个第二题类比例上。
在一具体示例中，若所述第一题类等级对应的预设比例为80％，所述第一题类等级对应的第一题类比例为90％，所述其他题类等级对应的第二题类比例为10％，所述预设降权系数为0.9，则调整后的第一题类比例为90％×0.9＝81％，调整后的第二题类比例为(90％-81％)+10％＝19％。
以上任一调整所述第一题类比例和所述第二题类比例的方法仅为示例，本实施例对于任何其他调整所述第一题类比例和所述第二题类比例的方法不作限制。
采用这种方法，可以避免所述第一题类等级的目标单词过多，更加均衡地训练所述目标用户对于各目标题类等级对应的单词能力，并且在所述第一题类等级为较难的题类等级的情况下，也避免了题目中根据第一题类等级对应的目标单词生成的难题过多，从而避免了降低所述目标用户的学习兴趣。
针对步骤102、
其中，所述候选单词为所述目标用户待考词库中的单词，所述候选单词包括以下至少一种：预设词库中的单词(如四级单词、六级单词)、所述目标用户收藏的单词、从所述目标用户历史浏览的多媒体内容中选定的单词。
在一种可能的实施方式中，在所述候选单词为从所述目标用户历史浏览的多媒体内容中选定的情况下，可以根据以下方法确定所述候选单词：将所述目标用户历史浏览的多媒体内容输入至预先训练的语言模型中，由所述语言模型输出所述候选单词。
具体的，在将多媒体内容输入至预先训练的语言模型中时，若所述多媒体内容为文本信息，则可以直接输入至所述语言模型；在所述多媒体内容为音频的情况下，可以先将音频转化为文本信息，再将文本信息输入至所述语言模型；在所述多媒体内容为图像的情况下，可以对图像进行文本识别，得到所述图片中包含的文本信息，再将文本信息输入至所述语言模型；在所述多媒体内容为视频的情况下，可以先提取出该视频中的文本信息(包括音频转化为文本信息、图像识别得到文本信息、字幕提取得到文本信息)，再将文本信息输入至所述语言模型。
针对任一多媒体内容，所述语言模型在接收到该多媒体内容后，可以对该多媒体内容出现的各个单词的出现次数进行统计，然后筛选出在其他多媒体内容中出现次数较少，且在该多媒体内容中出现次数较多的单词，这样可以避免从该多媒体内容筛选出如to、the、I、you等经常出现而不具有学习价值的词汇，而更多地筛选出对该多媒体内容的特定主题具有价值的名词、动词、形容词、副词等。
此外，为了进一步从候选单词中提取出具有学习价值的词，还可以将所述候选单词与预设的标准词库进行比较，从所述候选单词中删除所述标准词库中没有的单词。
所述题类比例对应的目标题类等级表示：所述题类比例中对应的比例项不为0的题类等级，如所述题类比例为：题类等级1：题类等级2：题类等级3：题类等级4：题类等级5＝5：4：0：0：1，则所述目标题类等级为题类等级1、题类等级2和题类等级5。
可以理解的是，由于不同的题类等级具有不同的题类难度，对于简单的题类等级的单词生成的题目，用户的正答率会更高，对于困难的题类等级的单词生成的题目，用户的正答率会更低，因此，为了准确地预估所述目标用户对于按照所述题类比例的目标单词生成的题目的正答率，这里将所述目标用户在所述题类比例下的能力系数作为表征用户单词能力的分数。
所述目标历史题目为用户练习过的历史题目中所述目标题类等级的题目，所述历史作答结果可以包括各个历史题目是否做对(如作答正确和作答错误)、所述历史题目的正确率等。
所述目标用户在所述题类比例下的能力系数可以是预先确定的，或者可以是在步骤102之前的任一时刻确定的，如响应于所述单词练习指令之后，具体的可以是根据预设的第一预设算法对所述历史作答结果进行计算，得到所述能力系数。示例性的，可以根据项目反应理论(Item Response Theory，IRT)计算所述目标用户在所述题类比例下的能力系数；其中，所述IRT模型为统计学的数学模型，可以用于对历史作答结果进行分析，得到所述能力系数。
在一种可能的实施方式中，还可以基于所述目标历史题目的历史作答结果、以及所述目标历史题目所包含的候选单词的单词难度，确定所述目标用户在所述题类比例下的能力系数。
可以理解的是，用户做对一道较难的题比起做对一道简单的题更能够表明用户的单词能力更高，因此，在计算所述能力系数时，参考所述候选单词的单词难度，能够更准确地确定所述目标用户的在所述题类比例下的能力系数。
具体的，可以根据预设的第二预设算法对所述历史作答结果和所述候选单词的单词难度进行计算，得到所述目标用户在所述题类比例下的能力系数。示例性的，可以是将所述历史作答结果和所述候选单词的单词难度分别输入至IRT模型中，更具体地，可以根据所述历史作答结果和所述候选单词的单词难度生成目标矩阵，如所述目标矩阵的第一行为所述候选单词的单词难度，所述目标矩阵的第二行为所述目标用户是否做对(如作答正确为1和作答错误为0)，然后所述IRT模型可以输出所述能力系数。
其中，所述候选单词的单词难度可以是预先确定的，或者可以是在步骤102之前的任一时刻确定的，如响应于所述单词练习指令之后。在一种可能的实施方式中，可以根据以下方法确定各个所述候选单词的单词难度：基于多个第二测试用户对于各个所述候选单词对应的题目的作答统计结果，确定各个所述候选单词的单词难度。
具体的，所述作答统计结果可以包括：所述候选单词对应的题目是否做对(如作答正确和作答错误)、所述候选单词对应的题目的正确率等，然后可以根据预设的第三预设算法对所述作答统计结果进行计算，得到所述候选单词的单词难度。示例性的，可以将所述作答统计结果输入至IRT模型，得到所述候选单词的单词难度。
采用这种方法，可以根据所述第二测试用户的对于各个候选单词对应的题目的实际作答情况，准确地预估所述候选单词的单词难度。
可以理解的是，不同学历、不同年级、不同专业、不同职业等的用户的单词能力、涉猎的单词领域是不同的，因此，不同用户对于单词难度的感知也是不同的，如对于高中生医学领域的单词难度很高，而对于医学生医学领域的单词较为简单，为了更准确地预估对于目标用户来说各个候选单词的单词难度，可以根据以下方法确定所述第二测试用户：
在一种可能的实施方式中，在第一统计用户的数量超过预设数量的情况下，所述多个第二测试用户为所述第一统计用户，在所述第一统计用户的数量不超过所述预设数量的情况下，所述多个第二测试用户为第二统计用户，或者为所述第一统计用户和所述第二统计用户，所述第一统计用户与所述目标用户的属性信息相同，所述第二统计用户与所述目标用户的属性信息不同。
其中，所述属性信息可以包括以下至少一种：所在地区、职业、学历、年级、专业、(在本公开实施例是由所述目标应用程序执行的情况下)是否为目标应用程序内的用户等。
可以理解的是，由于所述第一统计用户的属性信息与所述目标用户的属性信息相同，通过所述第一统计用户的作答统计结果确定单词难度，更贴近所述目标用户对单词难度的感知，但是若所述第一统计用户的数量较少，则所述第一统计用户的作答统计结果具有偶然性，不能够表征与所述第一统计用户的属性信息相同的用户对单词难度的感知。因此，可以在所述第一统计用户的数量超过所述预设数量的情况下，基于所述第一统计用户的作答统计结果确定所述候选单词的单词难度，在所述第一统计用户的数量不超过所述预设数量的情况下，基于所述第二统计用户(以及所述第一统计用户)的作答统计结果确定所述候选单词的单词难度。
示例性的，所述目标用户的属性信息为医学生，所述第一统计用户的属性信息为医学生，所述第二统计用户的属性信息为高中生，所述预设数量为5000，若所述第一统计用户的数量为4000，则根据所述高中生的作答统计结果确定所述候选单词的单词难度(如所述单词难度为60)，若所述第一统计用户的数量为5500，则根据所述第一统计用户的作答统计结果，确定所述候选单词的单词难度(如所述单词难度为50)。
又一示例中，所述候选单词的单词难度可以是根据全球英语水平测量标准(theGlobal Scale of English，GSE)难度确定的，所述GSE难度是基于多个国家的多名学生(即所述第二统计用户)的作答统计结果确定的，而所述第一统计用户可以是所述目标应用程序内的用户。
采用这种方法，可以根据属性信息准确地预估所述候选单词的单词难度，以更好地为所述目标用户选择难度适中的目标单词生成目标题目。
在一种可能的实施方式中，在基于目标用户在所述题类比例下的能力系数，确定目标用户对各个候选单词的正答率时，可以基于所述目标用户在所述题类比例下的能力系数、各个所述候选单词的单词难度、以及预设的目标参数，确定所述目标用户对各个所述候选单词的正答率；其中，所述目标参数表征各个所述候选单词的历史浏览情况对所述正答率的影响程度，所述目标参数是基于多个第一测试用户对已浏览单词的作答统计结果、和对未浏览单词的作答统计结果确定的。
示例性的，所述候选单词的正答率可以通过以下公式进行计算：
P＝σ(θ-b+δ)
其中，P表示所述候选单词的正答率，θ表示所述目标用户在所述题类比例下的能力系数，b表示所述候选单词的单词难度，δ表示所述目标参数。
可以理解的是，所述目标用户的单词能力、所述候选单词的单词难度都会影响所述目标用户做对该候选单词对应的题目，此外，所述候选单词通常为用户浏览过的单词(如学习过或者从多媒体内容中浏览过)，若所述目标用户浏览过该候选单词，则用户会有更高地几率做对该候选单词对应的题目，因此，引入所述目标参数参与计算可以使所述候选单词的正答率更加准确。
具体的，在确定所述目标参数时，可以收集多个第一测试用户对多个第一单词(即所述第一测试用户已浏览的单词)的作答统计结果，以及多个第一测试用户对多个第二单词(即所述第一测试用户未浏览的单词)的作答统计结果，通过第四预设算法计算出所述目标参数；或者，可以收集多个第一测试用户中的第一部分用户对所述第一单词(即对于所述第一部分用户来说已浏览的单词)的作答统计结果，以及所述第一测试用户中除所述第一部分用户外的第二部分用户对所述第一单词(即对于所述第二部分用户来说未浏览的单词)的作答统计结果，通过第四预设算法计算出所述目标参数。
采用这种方法，可以结合用户的单词能力、所述候选单词本身的单词难度、以及用户对浏览过的单词更有可能做对的影响程度等多方面因素，综合确定所述候选单词的正答率，提升了计算出的正答率的准确性。
针对步骤103、
其中，所述单词练习指令携带的单词练习个数可以是由所述目标用户设置的、或者可以是由其他用户端或者服务器发送的、或者可以是预设的默认值。在一具体应用场景中，所述目标用户在创建单词练习计划时，可以选择每日练习的单词练习个数，如30个，然后在触发“开始练习”按钮后，生成携带有所述单词练习个数的单词练习指令。
具体的，所述步骤103可以分为以下步骤A1～步骤A2：
A1、根据所述题类比例和所述单词练习个数，确定所述目标单词中各目标题类等级的单词练习个数。
示例性的，如果所述题类比例为：题类等级1：题类等级2：题类等级3＝1：2：3，所述单词练习个数为30，则题类等级1对应的单词练习个数为5个，题类等级2对应的单词练习个数为10个，题类等级3对应的单词练习个数为15个。
A2、针对任一掌握题类等级对应的候选单词，筛选出正答率最接近预设正答率的目标个数的候选单词，作为该掌握题类等级对应的目标单词；其中，所述目标个数为与该掌握题类等级相同的目标题类等级对应的单词练习个数。
示例性的，若所述预设正答率为75％，题类等级1对应的候选单词以及该候选单词对应的正答率分别为：单词1(90％)、单词2(85％)、单词3(80％)、单词4(76％)、单词5(73％)、单词6(60％)、单词7(50％)，题类等级1对应的单词练习个数为3，则题类等级1对应的目标单词分别为正答率与所述预设正答率最接近的单词4、单词5、单词3。
在一种可能的实施方式中，在所述候选单词为从所述目标用户历史浏览的多媒体内容中选定(以及所述目标用户主动收藏)的情况下，在基于所述单词练习指令携带的单词练习个数、所述正答率以及所述目标用户对于所述候选单词的掌握题类等级，从多个所述候选单词中筛选符合所述题类比例的目标单词时，可以基于所述单词练习指令携带的单词练习个数、所述正答率、所述目标用户对于所述候选单词的掌握题类等级、以及各个所述候选单词对应的目标时间，从多个所述候选单词中筛选符合所述题类比例的目标单词；其中，各个所述候选单词对应的目标时间包括，各个所述候选单词对应的选定时间、和/或各个所述候选单词对应的历史练习时间。
其中，各个所述候选单词对应的选定时间可以是所述候选单词从所述目标用户历史浏览的多媒体内容中选定的时间(在所述候选单词为所述目标用户主动收藏的单词的情况下，所述选定时间为收藏该单词的时间)，所述各个所述候选单词对应的历史练习时间可以是已练习的候选单词上次练习的练习时间。
具体的，可以按照以下步骤B1～B4确定所述目标单词：
B1、根据所述题类比例和所述单词练习个数，确定所述目标单词中各目标题类等级的单词练习个数。
这里，具体过程与上述步骤A1相同，在此不再赘述。
B2、针对任一掌握题类等级对应的候选单词，确定该掌握题类等级对应的候选单词所属的预设的正答率区间。
示例性的，所述正答率区间分别为10％～20％、20％～30％、30％～40％等，若单词1对应的正答率为25％，则单词1属于20％～30％的正答率区间。
B3、按照各候选单词所属的正答率区间对各候选单词进行排序，并将各正答率区间内的候选单词按照对应的目标时间进行排序。
具体的，可以先根据预设正答率对所述正答率区间进行排序，然后按照正答率区间的排序对所述候选单词进行排序，如越接近预设正答率的正答率区间排在越前面。示例性的，若所述预设正答率为75％，则正答率区间70％～80％排在50％～60％前面。
然后，按照所述目标时间对各正答率区间内的候选单词进行排序。示例性的，在所述目标时间为选定时间的情况下，将所述选定时间距离当前时间的时间间隔由小到大进行排序，如选定时间为1月5日的候选单词排在选定时间为1月4日的候选单词的前面，这样可以使所述目标用户优先练习最先添加为候选单词的单词。
在所述目标时间为历史练习时间的情况下，将所述历史练习时间距离当前时间的时间间隔由大到小进行排序，如历史练习时间为5月20日的候选单词排在历史练习时间为8月5日的候选单词的前面，这样可以使所述目标用户优先练习历史练习时间距离当前时间更长的单词。
在一种可能的实施方式中，针对任一掌握题类等级对应的候选单词，若该候选单词为所述目标用户已练习过的单词，则可以按照所述历史练习时间进行排序；若该候选单词为所述目标用户未练习过的单词，则可以按照所述选定时间进行排序；若该候选单词包括未练习过的单词和已练习过的单词，则按照未练习过的单词和已练习过的单词之间的预设排序方法对该候选单词进行排序，并对未练习过的单词按照选定时间排序，对已练习过的单词按照历史练习时间排序，示例性的，先将未练习过的单词排在已练习过的单词前面，再将未练习过的单词按照选定时间排序，以及将已练习过的单词按照历史练习时间进行排序。
B4、从排序后的候选单词中筛选出目标个数的候选单词，作为该掌握题类等级对应的目标单词；其中，所述目标个数为与该掌握题类等级相同的目标题类等级对应的单词练习个数。
针对步骤104、
具体的，在生成所述目标单词对应的目标题目时，可以是根据所述目标单词和预设的题目模板生成所述目标题目，或者，可以从预设题库中搜索出所述目标单词对应的目标题目。
示例性的，若所述预设的题目模板为“____的中文释义是什么”，所述目标单词为“apple”，则生成的目标题目为“apple的中文释义是什么”。
在生成所述目标题目后，可以将所述目标题目通过目标用户端进行展示，以供所述目标用户作答，并在所述目标用户作答后，采集所述目标用户的作答结果。
在一种可能的实施方式中，在生成所述目标单词对应的目标题目时，还可以执行以下步骤C1～C3：
C1、确定所述目标单词的掌握题类等级对应的至少一个候选题型。
具体的，可以预先设置各题类等级对应的至少一个候选题型，然后可以根据所述掌握题类等级查询对应的至少一个候选题型。所述题类等级与对应的候选题型示例性的可以如下表2所示。
Figure BDA0004150132870000171
表2
C2、基于所述至少一个候选题型的优先级，从所述至少一个候选题型中确定所述目标单词对应的目标题型。
其中，所述各候选题型对应的优先级示例性的如表2所示，如看词选中义对应的优先级为1，看视频中的词选中义对应的优先级为2。
具体的，可以比较所述至少一个候选题型的优先级，并将优先级最高候选题型作为所述目标题型。
这里，若当前优先级最高的候选题型无法生成所述目标题目的情况下，可以将与当前优先级相邻的下一优先级的候选题型作为所述目标题型，如在所述目标单词的掌握题类等级为题类等级3时，若优先级最高的候选题型为“听音选义”，但目标应用程序中没有目标单词对应的音频，仅有目标单词对应的有声视频，则可以将听音、看视频选义作为所述目标题型。
C3、基于所述目标单词和所述目标题型，生成所述目标题目。
具体的，可以根据所述目标单词和所述目标题型对应的预设的题目模板，生成所述目标题目。
采用这种方法，可以根据优先级优先选定练习效果更好的题型，以使生成的目标题目能更好地训练用户的单词能力。
所述目标题目通常可以为选择题、填空题、朗读题、作文题等，在生成选择题时，除了需要确定所述目标题目的题干，还需要确定的所述目标题目的选项。
因此，在一种可能的实施方式中，在基于所述目标单词和所述目标题型，生成所述目标题目时，可以在所述目标题型为选择题的情况下，确定所述目标单词对应的目标干扰单词；然后基于所述目标干扰单词、所述目标题型、以及所述目标单词，生成所述目标单词对应的目标题目。
具体的，在确定所述目标单词对应的目标题型后，可以确定所述目标题型是否为选择题，若是，则可以根据选择题(或者所述目标题型)对应的题目模板和所述目标单词生成所述目标题目的题干，以及，确定所述目标单词对应的目标干扰单词，并生成所述目标题目中的选项，然后根据所述目标单词、所述题干和所述选项生成所述目标单词对应的目标题目。其中，所述目标单词对应的目标干扰单词，可以是在所述目标题型下所述目标单词对应的目标干扰单词。
示例性的，若所述目标单词为“apple”，所述题目模板为“___的中文释义是什么？”，则所述目标单词对应的题干为“apple的中文释义是什么？”，若“apple”对应的目标干扰单词为“橘子”和“香蕉”，则可以生成选项“A.橘子”“B.香蕉”“C.苹果”，然后根据所述题干和所述选项生成的目标题目为“apple的中文释义是什么？A.橘子；B.香蕉；C.苹果”。
采用这种方法，可以自动生成所述目标题目对应的选择题，而无须由人工预先设置各单词对应的选择题，节省了人力资源，提高了题目生成效率。
在一种可能的实施方式中，在确定所述目标单词对应的目标干扰单词时，可以先确定所述目标单词对应的预设的候选干扰单词、以及所述目标用户的历史题目包含的历史单词；其中，所述历史单词包括历史练习单词和/或历史干扰单词；然后从所述候选干扰单词中，筛选出除所述历史单词外的目标干扰单词。
具体的，所述历史题目为所述目标用户已经练习过的题目，所述历史练习单词为用户已经练习过的用于生成所述历史题目的单词，所述历史干扰单词为所述选择题类型的历史题目中的选项。任一所述目标单词都预先设置了对应的多个候选干扰单词，可以直接根据所述目标单词查询所述目标单词对应的候选干扰单词，在确定历史单词时，可以先获取所述目标用户的历史题目，然后确定所述历史题目中包含的历史单词，或者也可以在所述目标用户每完成一到题目后，就确定该题目所包含的历史单词，即可以在确定所述历史单词时直接获取预先确定的历史单词。然后将所述候选干扰单词中的历史单词排除，并随机挑选预设选项个数的干扰单词作为所述目标干扰单词。
采用这种方法，由于所述目标用户对已经练习过、或者作为选项出现过的单词已经掌握，因此，可以排除这部分单词，选择所述目标用户较为陌生的单词作为选项，以使所述目标用户能够学习更多地新单词，提升了学习效率。
可以理解的是，针对任一候选单词，为了使用户能够掌握关于该候选单词的各个单词能力，可以对该候选单词对应的各个题类等级的题目进行一次考核。因此，可以在所述候选单词未经考核之前，设置所述候选单词的题类等级为初始题类等级(如表1中的题类等级1)，然后在所述目标用户完成该候选单词(此时为目标单词)对应的目标题目后，可以对所述目标单词对应的掌握题类等级进行更新，以下为一种具体的更新方法：
在一种可能的实施方式中，在通过目标用户端展示所述目标题目之后，还可以获取所述目标用户对所述目标题目的目标作答结果；然后基于所述目标作答结果、以及预设的题类等级更新规则，对所述目标单词的掌握题类等级进行更新；其中，所述题类等级更新规则用于指示、各目标单词的掌握题类等级在对应的目标题目作答正确或者作答错误的情况下的变更方法。
具体的，所述题类等级更新规则为：在所述目标题目作答正确的情况下，更新所述目标单词对应的掌握题类等级为对应的题类难度更高的掌握题类等级，如将题类等级2升级至题类等级3，在所述目标题目作答错误的情况下，更新所述目标单词对应的掌握题类等级为对应的题类难度更低的掌握题类等级，如将题类等级5降级至题类等级4。这里，由于如题类等级2的题目较为简单，容易掌握，还可以在所述目标单词对应的掌握题类等级为第一掌握题类等级的情况下，在所述目标作答结果为作答错误时，不对所述目标单词的掌握题类等级进行更新，以使用户可以更多地训练该第一掌握题类等级的题目。
采用这种方法，可以根据所述目标用户的目标作答结果，对所述目标用户对于所述目标单词的掌握题类等级进行更新，从而能够根据所述目标用户对所述目标单词的掌握程度、以及对各题类等级的题目的作答能力，更改下一次测试所述目标单词时生成的目标题型、以及更改各题类等级的单词生成的目标题目的比例，这样，就可以根据用户每一次的作答结果，个性化地调整下一次练习时的题目。
在一种可能的实施方式中，在所述目标单词的掌握题类等级为第二掌握题类等级时，在所述目标作答结果为作答正确的情况下，可以将所述目标单词从所述候选单词中删除。其中，所述第二掌握题类等级可以是所述预设的多个题类等级中最高的题类等级。
可以理解的是，在所述目标单词的掌握题类等级到达所述第二掌握题类等级，且所述目标用户做对了所述目标题目，则可以表明所述目标用户已经掌握了所述目标单词最高难度的题目，这时就可以认为所述目标用户已经掌握了有关该目标单词的各个单词能力，则可以不再对该目标单词进行训练。
最后，本公开实施例还提供了一种题目生成方法的整体流程，如图2所示，参见下述步骤201～步骤207：
步骤201、响应于单词练习指令，基于各个所述候选单词的掌握题类等级，确定多个预设的题类等级分别对应的题类比例；
步骤202、基于多个第二测试用户对于各个所述候选单词对应的题目的作答统计结果，确定各个所述候选单词的单词难度；
步骤203、基于所述目标历史题目的历史作答结果、以及所述目标历史题目所包含的候选单词的单词难度，确定所述目标用户在所述题类比例下的能力系数；
步骤204、基于所述目标用户在所述题类比例下的能力系数、各个所述候选单词的单词难度、以及预设的目标参数，确定所述目标用户对各个所述候选单词的正答率；其中，所述目标参数表征各个所述候选单词的历史浏览情况对所述正答率的影响程度，所述目标参数是基于多个第一测试用户对已浏览单词的作答统计结果、和对未浏览单词的作答统计结果确定的；
步骤205、基于所述单词练习指令携带的单词练习个数、所述正答率以及所述目标用户对于所述候选单词的掌握题类等级，从多个所述候选单词中筛选符合所述题类比例的目标单词；
步骤206、确定所述目标单词的掌握题类等级对应的至少一个候选题型；基于所述至少一个候选题型的优先级，从所述至少一个候选题型中确定所述目标单词对应的目标题型；
步骤207、在所述目标题型为选择题的情况下，确定所述目标单词对应的目标干扰单词；基于所述目标干扰单词、所述目标题型、以及所述目标单词，生成所述目标单词对应的目标题目。
本公开实施例提供的题目生成方法，可以先在响应于单词练习指令之后，确定多个预设的题类等级分别对应的题类比例；由于不同的题类等级用于考察不同的单词能力，因此基于目标用户在所述题类比例下的能力系数，可以准确地确定目标用户对各个候选单词的正答率；之后再基于所述单词练习指令携带的单词练习个数、所述正答率以及所述目标用户对于所述候选单词的掌握题类等级，从多个所述候选单词中筛选符合所述题类比例的目标单词。这样，由于目标单词的难度适合目标用户的当前水平，根据目标单词生成的目标题目对于目标用户也就难度适中，从而提升了用户的学习效率和学习体验。
本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
基于同一发明构思，本公开实施例中还提供了与题目生成方法对应的题目生成装置，由于本公开实施例中的装置解决问题的原理与本公开实施例上述题目生成方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。
参照图3所示，为本公开实施例提供的一种题目生成装置的架构示意图，所述装置包括：第一确定模块301、第二确定模块302、筛选模块303、生成模块304；其中，
第一确定模块301，用于响应于单词练习指令，确定多个预设的题类等级分别对应的题类比例；其中，不同的题类等级用于考察不同的单词能力；
第二确定模块302，用于基于目标用户在所述题类比例下的能力系数，确定目标用户对各个候选单词的正答率；其中，所述目标用户在所述题类比例下的能力系数、是基于所述目标用户对于所述题类比例对应的目标题类等级的目标历史题目的历史作答结果确定；
筛选模块303，用于基于所述单词练习指令携带的单词练习个数、所述正答率以及所述目标用户对于所述候选单词的掌握题类等级，从多个所述候选单词中筛选符合所述题类比例的目标单词；
生成模块304，用于生成所述目标单词对应的目标题目，并通过目标用户端展示所述目标题目。
一种可能的实施方式中，所述第一确定模块301，在确定多个预设的题类等级分别对应的题类比例时，用于：
基于各个所述候选单词的掌握题类等级，确定多个预设的题类等级分别对应的题类比例。
一种可能的实施方式中，在确定多个预设的题类等级分别对应的题类比例之后，所述第一确定模块301，还用于：
在所述题类比例中包括第一题类等级和除所述第一题类等级外的其他题类等级、且所述第一题类等级对应的第一题类比例超过预设比例的情况下，对所述第一题类等级对应的第一题类比例和所述其他题类等级对应的第二题类比例进行调整。
一种可能的实施方式中，该装置还用于根据以下方法确定所述目标用户在所述题类比例下的能力系数：
基于所述目标历史题目的历史作答结果、以及所述目标历史题目所包含的候选单词的单词难度，确定所述目标用户在所述题类比例下的能力系数。
一种可能的实施方式中，所述第二确定模块302，在基于目标用户在所述题类比例下的能力系数，确定目标用户对各个候选单词的正答率时，用于：
基于所述目标用户在所述题类比例下的能力系数、各个所述候选单词的单词难度、以及预设的目标参数，确定所述目标用户对各个所述候选单词的正答率；
其中，所述目标参数表征各个所述候选单词的历史浏览情况对所述正答率的影响程度，所述目标参数是基于多个第一测试用户对已浏览单词的作答统计结果、和对未浏览单词的作答统计结果确定的。
一种可能的实施方式中，该装置还用于根据以下方法确定各个所述候选单词的单词难度：
基于多个第二测试用户对于各个所述候选单词对应的题目的作答统计结果，确定各个所述候选单词的单词难度。
一种可能的实施方式中，在第一统计用户的数量超过预设数量的情况下，所述多个第二测试用户为所述第一统计用户，在所述第一统计用户的数量不超过所述预设数量的情况下，所述多个第二测试用户为第二统计用户，或者为所述第一统计用户和所述第二统计用户，所述第一统计用户与所述目标用户的属性信息相同，所述第二统计用户与所述目标用户的属性信息不同。
一种可能的实施方式中，所述候选单词为从所述目标用户历史浏览的多媒体内容中选定的；
所述筛选模块303，在基于所述单词练习指令携带的单词练习个数、所述正答率以及所述目标用户对于所述候选单词的掌握题类等级，从多个所述候选单词中筛选符合所述题类比例的目标单词时，用于：
基于所述单词练习指令携带的单词练习个数、所述正答率、所述目标用户对于所述候选单词的掌握题类等级、以及各个所述候选单词对应的目标时间，从多个所述候选单词中筛选符合所述题类比例的目标单词；其中，各个所述候选单词对应的目标时间包括，各个所述候选单词对应的选定时间、和/或各个所述候选单词对应的历史练习时间。
一种可能的实施方式中，所述生成模块304，在生成所述目标单词对应的目标题目时，用于：
确定所述目标单词的掌握题类等级对应的至少一个候选题型；
基于所述至少一个候选题型的优先级，从所述至少一个候选题型中确定所述目标单词对应的目标题型；
基于所述目标单词和所述目标题型，生成所述目标题目。
一种可能的实施方式中，所述生成模块304，在基于所述目标单词和所述目标题型，生成所述目标题目时，用于：
在所述目标题型为选择题的情况下，确定所述目标单词对应的目标干扰单词；
基于所述目标干扰单词、所述目标题型、以及所述目标单词，生成所述目标单词对应的目标题目。
一种可能的实施方式中，所述生成模块304，在确定所述目标单词对应的目标干扰单词时，用于：
确定所述目标单词对应的预设的候选干扰单词、以及所述目标用户的历史题目包含的历史单词；其中，所述历史单词包括历史练习单词和/或历史干扰单词；
从所述候选干扰单词中，筛选出除所述历史单词外的目标干扰单词。
一种可能的实施方式中，在通过目标用户端展示所述目标题目之后，该装置还用于：
获取所述目标用户对所述目标题目的目标作答结果；
基于所述目标作答结果、以及预设的题类等级更新规则，对所述目标单词的掌握题类等级进行更新；其中，所述题类等级更新规则用于指示、各目标单词的掌握题类等级在对应的目标题目作答正确或者作答错误的情况下的变更方法。
关于装置中的各模块的处理流程、以及各模块之间的交互流程的描述可以参照上述方法实施例中的相关说明，这里不再详述。
基于同一技术构思，本公开实施例还提供了一种计算机设备。参照图4所示，为本公开实施例提供的计算机设备400的结构示意图，包括处理器401、存储器402、和总线403。其中，存储器402用于存储执行指令，包括内存4021和外部存储器4022；这里的内存4021也称内存储器，用于暂时存放处理器401中的运算数据，以及与硬盘等外部存储器4022交换的数据，处理器401通过内存4021与外部存储器4022进行数据交换，当计算机设备400运行时，处理器401与存储器402之间通过总线403通信，使得处理器401在执行以下指令：
响应于单词练习指令，确定多个预设的题类等级分别对应的题类比例；其中，不同的题类等级用于考察不同的单词能力；
基于目标用户在所述题类比例下的能力系数，确定目标用户对各个候选单词的正答率；其中，所述目标用户在所述题类比例下的能力系数、是基于所述目标用户对于所述题类比例对应的目标题类等级的目标历史题目的历史作答结果确定；
基于所述单词练习指令携带的单词练习个数、所述正答率以及所述目标用户对于所述候选单词的掌握题类等级，从多个所述候选单词中筛选符合所述题类比例的目标单词；
生成所述目标单词对应的目标题目，并通过目标用户端展示所述目标题目。
一种可能的实施方式中，处理器401执行的指令中，所述确定多个预设的题类等级分别对应的题类比例，包括：
基于各个所述候选单词的掌握题类等级，确定多个预设的题类等级分别对应的题类比例。
一种可能的实施方式中，处理器401执行的指令中，在确定多个预设的题类等级分别对应的题类比例之后，所述方法还包括：
在所述题类比例中包括第一题类等级和除所述第一题类等级外的其他题类等级、且所述第一题类等级对应的第一题类比例超过预设比例的情况下，对所述第一题类等级对应的第一题类比例和所述其他题类等级对应的第二题类比例进行调整。
一种可能的实施方式中，处理器401执行的指令中，所述方法还包括根据以下方法确定所述目标用户在所述题类比例下的能力系数：
基于所述目标历史题目的历史作答结果、以及所述目标历史题目所包含的候选单词的单词难度，确定所述目标用户在所述题类比例下的能力系数。
一种可能的实施方式中，处理器401执行的指令中，所述基于目标用户在所述题类比例下的能力系数，确定目标用户对各个候选单词的正答率，包括：
基于所述目标用户在所述题类比例下的能力系数、各个所述候选单词的单词难度、以及预设的目标参数，确定所述目标用户对各个所述候选单词的正答率；
其中，所述目标参数表征各个所述候选单词的历史浏览情况对所述正答率的影响程度，所述目标参数是基于多个第一测试用户对已浏览单词的作答统计结果、和对未浏览单词的作答统计结果确定的。
一种可能的实施方式中，处理器401执行的指令中，所述方法还包括根据以下方法确定各个所述候选单词的单词难度：
基于多个第二测试用户对于各个所述候选单词对应的题目的作答统计结果，确定各个所述候选单词的单词难度。
一种可能的实施方式中，处理器401执行的指令中，在第一统计用户的数量超过预设数量的情况下，所述多个第二测试用户为所述第一统计用户，在所述第一统计用户的数量不超过所述预设数量的情况下，所述多个第二测试用户为第二统计用户，或者为所述第一统计用户和所述第二统计用户，所述第一统计用户与所述目标用户的属性信息相同，所述第二统计用户与所述目标用户的属性信息不同。
一种可能的实施方式中，处理器401执行的指令中，所述候选单词为从所述目标用户历史浏览的多媒体内容中选定的；
所述基于所述单词练习指令携带的单词练习个数、所述正答率以及所述目标用户对于所述候选单词的掌握题类等级，从多个所述候选单词中筛选符合所述题类比例的目标单词，包括：
基于所述单词练习指令携带的单词练习个数、所述正答率、所述目标用户对于所述候选单词的掌握题类等级、以及各个所述候选单词对应的目标时间，从多个所述候选单词中筛选符合所述题类比例的目标单词；其中，各个所述候选单词对应的目标时间包括，各个所述候选单词对应的选定时间、和/或各个所述候选单词对应的历史练习时间。
一种可能的实施方式中，处理器401执行的指令中，所述生成所述目标单词对应的目标题目，包括：
确定所述目标单词的掌握题类等级对应的至少一个候选题型；
基于所述至少一个候选题型的优先级，从所述至少一个候选题型中确定所述目标单词对应的目标题型；
基于所述目标单词和所述目标题型，生成所述目标题目。
一种可能的实施方式中，处理器401执行的指令中，所述基于所述目标单词和所述目标题型，生成所述目标题目，包括：
在所述目标题型为选择题的情况下，确定所述目标单词对应的目标干扰单词；
基于所述目标干扰单词、所述目标题型、以及所述目标单词，生成所述目标单词对应的目标题目。
一种可能的实施方式中，处理器401执行的指令中，所述确定所述目标单词对应的目标干扰单词，包括：
确定所述目标单词对应的预设的候选干扰单词、以及所述目标用户的历史题目包含的历史单词；其中，所述历史单词包括历史练习单词和/或历史干扰单词；
从所述候选干扰单词中，筛选出除所述历史单词外的目标干扰单词。
一种可能的实施方式中，处理器401执行的指令中，在通过目标用户端展示所述目标题目之后，所述方法还包括：
获取所述目标用户对所述目标题目的目标作答结果；
基于所述目标作答结果、以及预设的题类等级更新规则，对所述目标单词的掌握题类等级进行更新；其中，所述题类等级更新规则用于指示、各目标单词的掌握题类等级在对应的目标题目作答正确或者作答错误的情况下的变更方法。
本公开实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述方法实施例中所述的题目生成方法的步骤。其中，该存储介质可以是易失性或非易失的计算机可读取存储介质。
本公开实施例还提供一种计算机程序产品，该计算机产品承载有程序代码，所述程序代码包括的指令可用于执行上述方法实施例中所述的题目生成方法的步骤，具体可参见上述方法实施例，在此不再赘述。
其中，上述计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(Software Development Kit，SDK)等等。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在本公开所提供的几个实施例中，应该理解到，所揭露的系统、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，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，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。
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，在本公开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。
所述功能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，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本公开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)执行本公开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-OnlyMemory，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。
最后应说明的是：以上所述实施例，仅为本公开的具体实施方式，用以说明本公开的技术方案，而非对其限制，本公开的保护范围并不局限于此，尽管参照前述实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本公开实施例技术方案的精神和范围，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应所述以权利要求的保护范围为准。

Claims (15)

1.一种题目生成方法，其特征在于，包括：
响应于单词练习指令，确定多个预设的题类等级分别对应的题类比例；其中，不同的题类等级用于考察不同的单词能力；
基于目标用户在所述题类比例下的能力系数，确定目标用户对各个候选单词的正答率；其中，所述目标用户在所述题类比例下的能力系数、是基于所述目标用户对于所述题类比例对应的目标题类等级的目标历史题目的历史作答结果确定；
基于所述单词练习指令携带的单词练习个数、所述正答率以及所述目标用户对于所述候选单词的掌握题类等级，从多个所述候选单词中筛选符合所述题类比例的目标单词；
生成所述目标单词对应的目标题目，并通过目标用户端展示所述目标题目。
2.根据权利要求1所述的方法，其特征在于，所述确定多个预设的题类等级分别对应的题类比例，包括：
基于各个所述候选单词的掌握题类等级，确定多个预设的题类等级分别对应的题类比例。
3.根据权利要求1或2所述的方法，其特征在于，在确定多个预设的题类等级分别对应的题类比例之后，所述方法还包括：
在所述题类比例中包括第一题类等级和除所述第一题类等级外的其他题类等级、且所述第一题类等级对应的第一题类比例超过预设比例的情况下，对所述第一题类等级对应的第一题类比例和所述其他题类等级对应的第二题类比例进行调整。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括根据以下方法确定所述目标用户在所述题类比例下的能力系数：
基于所述目标历史题目的历史作答结果、以及所述目标历史题目所包含的候选单词的单词难度，确定所述目标用户在所述题类比例下的能力系数。
5.根据权利要求1所述的方法，其特征在于，所述基于目标用户在所述题类比例下的能力系数，确定目标用户对各个候选单词的正答率，包括：
基于所述目标用户在所述题类比例下的能力系数、各个所述候选单词的单词难度、以及预设的目标参数，确定所述目标用户对各个所述候选单词的正答率；
其中，所述目标参数表征各个所述候选单词的历史浏览情况对所述正答率的影响程度，所述目标参数是基于多个第一测试用户对已浏览单词的作答统计结果、和对未浏览单词的作答统计结果确定的。
6.根据权利要求5所述的方法，其特征在于，所述方法还包括根据以下方法确定各个所述候选单词的单词难度：
基于多个第二测试用户对于各个所述候选单词对应的题目的作答统计结果，确定各个所述候选单词的单词难度。
7.根据权利要求6所述的方法，其特征在于，在第一统计用户的数量超过预设数量的情况下，所述多个第二测试用户为所述第一统计用户，在所述第一统计用户的数量不超过所述预设数量的情况下，所述多个第二测试用户为第二统计用户，或者为所述第一统计用户和所述第二统计用户，所述第一统计用户与所述目标用户的属性信息相同，所述第二统计用户与所述目标用户的属性信息不同。
8.根据权利要求1所述的方法，其特征在于，所述候选单词为从所述目标用户历史浏览的多媒体内容中选定的；
所述基于所述单词练习指令携带的单词练习个数、所述正答率以及所述目标用户对于所述候选单词的掌握题类等级，从多个所述候选单词中筛选符合所述题类比例的目标单词，包括：
基于所述单词练习指令携带的单词练习个数、所述正答率、所述目标用户对于所述候选单词的掌握题类等级、以及各个所述候选单词对应的目标时间，从多个所述候选单词中筛选符合所述题类比例的目标单词；其中，各个所述候选单词对应的目标时间包括，各个所述候选单词对应的选定时间、和/或各个所述候选单词对应的历史练习时间。
9.根据权利要求1所述的方法，其特征在于，所述生成所述目标单词对应的目标题目，包括：
确定所述目标单词的掌握题类等级对应的至少一个候选题型；
基于所述至少一个候选题型的优先级，从所述至少一个候选题型中确定所述目标单词对应的目标题型；
基于所述目标单词和所述目标题型，生成所述目标题目。
10.根据权利要求9所述的方法，其特征在于，所述基于所述目标单词和所述目标题型，生成所述目标题目，包括：
在所述目标题型为选择题的情况下，确定所述目标单词对应的目标干扰单词；
基于所述目标干扰单词、所述目标题型、以及所述目标单词，生成所述目标单词对应的目标题目。
11.根据权利要求10所述的方法，其特征在于，所述确定所述目标单词对应的目标干扰单词，包括：
确定所述目标单词对应的预设的候选干扰单词、以及所述目标用户的历史题目包含的历史单词；其中，所述历史单词包括历史练习单词和/或历史干扰单词；
从所述候选干扰单词中，筛选出除所述历史单词外的目标干扰单词。
12.根据权利要求1所述的方法，其特征在于，在通过目标用户端展示所述目标题目之后，所述方法还包括：
获取所述目标用户对所述目标题目的目标作答结果；
基于所述目标作答结果、以及预设的题类等级更新规则，对所述目标单词的掌握题类等级进行更新；其中，所述题类等级更新规则用于指示、各目标单词的掌握题类等级在对应的目标题目作答正确或者作答错误的情况下的变更方法。
13.一种题目生成装置，其特征在于，包括：
第一确定模块，用于响应于单词练习指令，确定多个预设的题类等级分别对应的题类比例；其中，不同的题类等级用于考察不同的单词能力；
第二确定模块，用于基于目标用户在所述题类比例下的能力系数，确定目标用户对各个候选单词的正答率；其中，所述目标用户在所述题类比例下的能力系数、是基于所述目标用户对于所述题类比例对应的目标题类等级的目标历史题目的历史作答结果确定；
筛选模块，用于基于所述单词练习指令携带的单词练习个数、所述正答率以及所述目标用户对于所述候选单词的掌握题类等级，从多个所述候选单词中筛选符合所述题类比例的目标单词；
生成模块，用于生成所述目标单词对应的目标题目，并通过目标用户端展示所述目标题目。
14.一种计算机设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至12任一项所述的题目生成方法的步骤。
15.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至12任一项所述的题目生成方法的步骤。
CN202310315725.9A 2023-03-28 2023-03-28 一种题目生成方法、装置、计算机设备及存储介质 Pending CN116303994A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310315725.9A CN116303994A (zh) 2023-03-28 2023-03-28 一种题目生成方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310315725.9A CN116303994A (zh) 2023-03-28 2023-03-28 一种题目生成方法、装置、计算机设备及存储介质

Publications (1)

Publication Number Publication Date
CN116303994A true CN116303994A (zh) 2023-06-23

Family

ID=86792488

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310315725.9A Pending CN116303994A (zh) 2023-03-28 2023-03-28 一种题目生成方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN116303994A (zh)

Similar Documents

Publication Publication Date Title
US11417232B2 (en) Method, apparatus, and computer program for operating machine-learning framework
US20190130511A1 (en) Systems and methods for interactive dynamic learning diagnostics and feedback
CN111651676B (zh) 基于能力模型进行职业推荐的方法、装置、设备和介质
US20090061408A1 (en) Device and method for evaluating learning
CN111090809A (zh) 题目推荐方法、装置、计算机设备和存储介质
KR20190006409A (ko) 암기학습 데이터를 활용한 단어 인지상태 정량화와 스마트기기 학습 및 스케줄링 장치 및 방법
Mohammadhassan et al. Investigating the effect of nudges for improving comment quality in active video watching
US20130236878A1 (en) Method for Testing and Developing Intelligence
Ketterlin-Geller et al. Measuring middle school students’ algebra readiness: Examining validity evidence for three experimental measures
Belzak The Multidimensionality of Measurement Bias in High‐Stakes Testing: Using Machine Learning to Evaluate Complex Sources of Differential Item Functioning
Forrester et al. Undergraduate R programming anxiety in ecology: persistent gender gaps and coping strategies
CN114254122A (zh) 测试题的生成方法、装置、电子设备和可读存储介质
CN109800880B (zh) 基于动态学习风格信息的自适应学习特征提取系统及应用
CN116303994A (zh) 一种题目生成方法、装置、计算机设备及存储介质
Christanto et al. Usability Analysis of Atma Jaya Catholic University E-Learning Based on Human Computer Interaction
KR102607385B1 (ko) Ai학습장치 및 ai학습계획을 제공하는 방법
Burnett III Cognitive style: A meta-analysis of the instructional implications for various integrated computer enhanced learning environments
Oliveri Investigation of within group heterogeneity in measurement comparability research
US20180144655A1 (en) Content selection based on predicted performance related to test concepts
Okubo et al. Learning support systems based on cohesive learning analytics
Hartmann et al. Social Science Data Analysis: An Introduction
Xiong Perceptual and Cognitive Affordances of Data Visualizations
CN115129971A (zh) 基于能力评估数据的课程推荐方法、设备及可读存储介质
Ludlow The analysis of Rasch model residuals
Albert Using a sample survey project to assess the teaching of statistical inference

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