CN117216081B - 题库自动更新方法、装置、电子设备和存储介质 - Google Patents
题库自动更新方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN117216081B CN117216081B CN202311475560.8A CN202311475560A CN117216081B CN 117216081 B CN117216081 B CN 117216081B CN 202311475560 A CN202311475560 A CN 202311475560A CN 117216081 B CN117216081 B CN 117216081B
- Authority
- CN
- China
- Prior art keywords
- difficulty value
- determining
- test
- value
- question
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000012360 testing method Methods 0.000 claims abstract description 394
- 238000010586 diagram Methods 0.000 claims description 51
- 238000004590 computer program Methods 0.000 claims description 15
- 230000001174 ascending effect Effects 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 12
- 238000003062 neural network model Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 8
- 238000007726 management method Methods 0.000 claims 2
- 230000000694 effects Effects 0.000 abstract description 10
- 230000003287 optical effect Effects 0.000 description 5
- 238000013101 initial test Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 241001310793 Podium Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- 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
- Electrically Operated Instructional Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种题库自动更新方法、装置、电子设备和存储介质,属于考试系统的领域,方法包括:获取题库中试题的答案信息;判断累计的答案信息的数量是否满足更新阈值的整数倍;若满足,则对累计的答案信息进行分析,确定试题的第一难度值,将累计的答案信息清零;获取试题的当前难度值;判断第一难度值与试题的当前难度值的差值是否在预设范围内;若在预设范围内,则不更新试题的当前难度值;若不在预设范围内,则基于第一难度值对当前难度值进行修改,确定新的当前难度值;将当前难度值达到更新预设值的试题确定为待更新试题,基于待更新试题初始的当前难度值确定新试题,将新试题替换待更新试题。本申请自动更新题库,提高用户学习效果。
Description
技术领域
本申请涉及考试系统的技术领域,尤其是涉及一种题库自动更新方法、装置、电子设备和存储介质。
背景技术
在线考试系统具有高度的可扩展性,被授权的考生,使用网络浏览器就可以通过网络登录在线考试系统,参加在线考试、在线调查、在线报名、在线练习等。丰富的题型可满足各行考试的需要,如岗位技能考试、教育培训考试、职称评定考试和学业考试等。
其中,在线练习是用户常用的功能之一,用户可以通过在线练习,巩固考试知识,进行模拟考试。
而当用户重复多次做同一试题时,可能知识凭借记忆选择了正确答案,而并不能确定是否完全掌握其对应的知识点,并且目前在线考试系统的题库相对稳定,并不能使题库满足用户需求,用户学习效果较差。
发明内容
为了自动更新题库,提高用户学习效果,本申请提供一种题库自动更新方法、装置、电子设备和存储介质。
第一方面,本申请提供一种题库自动更新方法,采用如下的技术方案:
获取题库中试题的答案信息;
判断累计的所述答案信息的数量是否满足更新阈值的整数倍;若满足,则对累计的所述答案信息进行分析,确定所述试题的第一难度值,将累计的所述答案信息清零;
获取所述试题的当前难度值;
判断所述第一难度值与试题的当前难度值的差值是否在预设范围内;若在预设范围内,则不更新所述试题的当前难度值;
若不在预设范围内,则基于所述第一难度值对所述当前难度值进行修改,确定新的当前难度值;
将所述当前难度值达到更新预设值的试题确定为待更新试题,基于所述待更新试题初始的当前难度值确定新试题,将所述新试题替换所述待更新试题。
通过采用上述技术方案,电子设备获取题库中试题的答案信息,在累积的答案信息的数量满足更新阈值的整数倍时,对累积的答案信息进行分析,从而确定第一难度值,根据第一难度值与试题的当前难度值进行对比,若差值不在预设范围时,根据第一难度值对当前难度值修改,确定新的当前难度值,进而在试题的当前难度值达到更新预设值时,即确定其为待更新试题,找到新试题对待更新试题进行更换,因此一些被重复多次刷到的题目能够被更换,使题库自动更新,提高用户练习效果。
进一步地,在获取题库中试题的答案信息之前,所述方法还包括:
获取答案信息对应的答题人信息; 所述答题人信息包括答题人所属专业和试卷所属专业;
判断所述答题人所属专业和所述试卷所属专业是否一致;若不一致,则不获取所述试题的答案信息;
若一致,则获取所述试题对应的试卷的答题率,若所述答题率低于预设值,则不获取所述试题的答案信息。
通过采用上述技术方案,电子设备获取答题人的信息,判断答题人的专业是否与试卷的专业一致,若一致,则答题人的答题结果可信度较高,但是在答题率非常低时,有乱答题的嫌疑,答案信息可参考价值较低;若不一致,则答题人的答题结果可信度不高,则不获取试题的答案信息,保证题库更新的准确性和稳定性。
进一步地,所述对累计的所述答案信息进行分析,确定所述试题的第一难度值,包括:
确定各个所述答案信息的答题结果;
确定累计的答案信息中答题结果的正确率,将1减去所述正确率确定试题的第一难度值。
通过采用上述技术方案,电子设备确定答案信息的答题结果后,确定所有累积的答题结果的正确率,根据正确率确定试题的第一难度值,使第一难度值与答题人们对试题的掌握程度相贴合。
进一步地,所述基于所述第一难度值对所述当前难度值进行修改,确定新的当前难度值,包括:
获取更新时间最近的多个历史的当前难度值;
基于所述多个历史的当前难度值确定试题的难度变化趋势;
若试题的难度变化为上升趋势,则在所述第一难度值高于所述当前难度值时,计算所述第一难度值和所述当前难度值的平均值,将所述平均值确定为新的当前难度值;在所述第一难度值低于所述当前难度值时,将所述第一难度值作为新的当前难度值;
若试题的难度变化为下降趋势,则在所述第一难度值低于所述当前难度值时,将所述第一难度值确定为新的当前难度值;在所述第一难度值高于所述当前难度值时,计算所述第一难度值和所述当前难度值的平均值,将所述平均值确定为新的当前难度值;
若试题的难度变化既不为上升趋势,也不为下降趋势,则计算所述第一难度值和所述当前难度值的平均值,将所述平均值确定为新的当前难度值。
通过采用上述技术方案,电子设备获取更新时间最近的几个历史的当前难度值,进而能够判断出当前难度值的变化趋势,进而根据变化趋势分别确定第一难度值对当前难度值的修改方案。
进一步地,所述方法还包括:
当初次将试题录入题库时,获取所述试题的答案信息,对所述答案信息进行分析,确定试题对应的至少一个知识点;
获取各个所述知识点预设的第一难度值,将最大的第一难度值对应的知识点确定为最难知识点,确定所述最难知识点对应的第一难度值为候选难度值;
确定各个知识点之间的树状图;
在所述树状图上确定所述最难知识点所在的分支,确定位于所述最难知识点之前的知识点的第一数量;
计算所述第一数量与知识点总数的比值;
将所述候选难度值与所述比值相乘,确定附加难度,将所述附加难度与所述候选难度值相加,计算得到试题的初始的当前难度值。
通过采用上述技术方案,电子设备在将试题初次录入到题库中时,确定试题对应的知识点,进而确定知识点的树状图,根据树状图对最难的知识点的候选难度值进行修改,得到初始的当前难度值,更为准确的评判试题的难度。
进一步地,所述基于所述待更新试题初始的当前难度值确定新试题,包括:
获取所述待更新试题的最初的初始的当前难度值和对应的知识点;
基于大数据获取包括所述知识点的试题,将包括所述知识点的试题作为候选试题;
确定所述候选试题的第二难度值;
将所述待更新试题初始的当前难度值与各个所述第二难度值对比,确定与所述待更新试题的初始的当前难度值最相近的候选试题作为替换所述待更新试题的新试题。
通过采用上述技术方案,电子设备获取更新信息中待更新试题初始的当前难度值和知识点,在大数据中获取候选试题,确定候选试题的难度,进而确定与初始的当前难度值最相近的候选试题,作为新试题来替换待更新试题。
进一步地,当与所述待更新试题初始的当前难度值最相近的候选试题包括至少两个时,确定用于替换所述待更新试题的新试题,包括:
确定候选试题的知识点对应的树状图;
确定待更新试题的知识点对应的树状图;
确定所述候选试题以及所述待更新试题中相同知识点的数量,计算所述相同知识点与所述待更新试题的知识点数量的第一比值,确定所述第一比值为初始相似性;
将所述候选试题的知识点对应的树状图和所述待更新试题的知识点对应的树状图;输入至训练好的相似性确定神经网络模型中,确定树状图相似性;
将所述初始相似性与所述树状图相似性相乘,计算候选试题与待更新试题的相似性;
将所述相似性最高的候选试题确定为新试题。
通过采用上述技术方案,电子设备确定候选试题的知识点对应的树状图,进一步确定候选试题与待选试题中相同知识点的数量,并计算相同知识点与待更新试题的知识点数量的第一比值,第一比值越高,则两者知识点相似度越高,将第一比值作为初始相似值后,将候选试题的知识点的树状图与待更新试题的树状图记性比较,确定树状图相似性,因此电子设备分别得到知识点在数量和布局上的相似性,将两者相乘,确定候选试题与待更新试题的相似性,从而便于选取到相似性最高的候选试题作为新试题,因此能够提高确定候选试题的准确性。
第二方面,本申请提供一种题库自动更新装置,采用如下的技术方案:
答案信息获取模块,用于获取题库中试题的答案信息;
第一判断模块,用于判断累计的所述答案信息的数量是否满足更新阈值的整数倍;
第一难度值确定模块,用于在所述第一判断模块判断为满足时,则对累计的所述答案信息进行分析,确定试题的第一难度值,将累计的所述答案信息清零;
当前难度值获取模块,用于获取所述试题的当前难度值;
第二判断模块,用于判断所述第一难度值与试题的当前难度值的差值是否在预设范围内;
第一处理模块,用于在所述第二判断模块判断不在预设范围内,则基于所述第一难度值对所述当前难度值进行修改,确定新的当前难度值;
试题更新模块,用于将所述当前难度值达到更新预设值的试题确定为待更新试题,基于所述待更新试题初始的当前难度值确定新试题,将所述新试题替换所述待更新试题。
通过采用上述技术方案,答案信息获取模块获取题库中试题的答案信息,在累积的答案信息的数量满足更新阈值的整数倍时,第一难度值确定模块对累积的答案信息进行分析,从而确定第一难度值,第二判断模块根据第一难度值与试题的当前难度值进行对比,若差值不在预设范围时,第二处理模块根据第一难度值对当前难度值修改,确定新的当前难度值,进而试题更新模块在试题的当前难度值达到更新预设值时,即确定其为待更新试题,找到新试题对待更新试题进行更换,因此一些被重复多次刷到的题目能够被更换,使题库自动更新,提高用户练习效果。
第三方面,本申请提供一种电子设备,采用如下的技术方案:
一种电子设备,包括:
至少一个处理器;
存储器;
至少一个计算机程序,其中所述至少一个计算机程序被存储在所述存储器中并被配置为由所述至少一个处理器执行,所述至少一个计算机程序配置用于:执行如第一方面中任一项所述的方法。
通过采用上述技术方案,处理器执行存储器中的计算机程序,获取题库中试题的答案信息,在累积的答案信息的数量满足更新阈值的整数倍时,对累积的答案信息进行分析,从而确定第一难度值,根据第一难度值与试题的当前难度值进行对比,若差值不在预设范围时,根据第一难度值对当前难度值修改,确定新的当前难度值,进而在试题的当前难度值达到更新预设值时,即确定其为待更新试题,找到新试题对待更新试题进行更换,因此一些被重复多次刷到的题目能够被更换,使题库自动更新,提高用户练习效果。
第四方面,本申请提供一种计算机可读存储介质,采用如下的技术方案:
一种计算机可读存储介质,存储有能够被处理器加载并执行如第一方面中任一项所述的方法的计算机程序。
通过采用上述技术方案,处理器执行计算机可读存储介质中的计算机程序,获取题库中试题的答案信息,在累积的答案信息的数量满足更新阈值的整数倍时,对累积的答案信息进行分析,从而确定第一难度值,根据第一难度值与试题的当前难度值进行对比,若差值不在预设范围时,根据第一难度值对当前难度值修改,确定新的当前难度值,进而在试题的当前难度值达到更新预设值时,即确定其为待更新试题,找到新试题对待更新试题进行更换,因此一些被重复多次刷到的题目能够被更换,使题库自动更新,提高用户练习效果。
综上所述,本申请包括以下至少一种有益技术效果:
1.电子设备获取题库中试题的答案信息,在累积的答案信息的数量满足更新阈值的整数倍时,对累积的答案信息进行分析,从而确定第一难度值,根据第一难度值与试题的当前难度值进行对比,若差值不在预设范围时,根据第一难度值对当前难度值修改,确定新的当前难度值,进而在试题的当前难度值达到更新预设值时,即确定其为待更新试题,找到新试题对待更新试题进行更换,因此一些被重复多次刷到的题目能够被更换,使题库自动更新,提高用户练习效果;
2.答题人的答题结果可信度较高,但是在答题率非常低时,有乱答题的嫌疑,答案信息可参考价值较低;若答题人的专业与试卷不符,答题人的答题结果可信度不高,则不获取试题的答案信息,保证题库更新的准确性和稳定性;
3.电子设备确定答案信息的答题结果后,确定所有累积的答题结果的正确率,根据正确率确定试题的第一难度值,使第一难度值与答题人们对试题的掌握程度相贴合。
附图说明
图1是本申请实施例中题库自动更新方法的流程示意图。
图2是本申请实施例中题库自动更新装置的结构框图。
图3是本申请实施例中电子设备的结构框图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,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。
另外,本文中术语“和/或”,仅仅是一种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:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,如无特殊说明,一般表示前后关联对象是一种“或”的关系。
本申请实施例公开一种题库自动更新方法。参照图1,由电子设备执行,该电子设备可以为服务器也可以为终端设备,其中该服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云计算服务的云服务器。终端设备可以是智能手机、平板电脑、台式计算机等,但并不局限于此。包括(步骤S101~步骤S108):
步骤S101:获取题库中试题的答案信息。
具体地,电子设备根据题库生成试卷,当答题人答完试卷后,电子设备获取答题人提供的答案信息。电子设备获取答案信息是实时的,每当试卷被做完一次,即可获取到对应的答案信息。其中,答题人给出的答案可以是选项、词语或文字解析,即根据试题的题型不同,答案形式则不同。
为了提高答题结果的可信度,电子设备将选项对应的词语或文字解析作为答案信息。在获取题库中试题的答案信息之前,所述方法还包括:获取答案信息对应的答题人信息,所述答题人信息包括答题人所属专业和试卷所属专业;判断所述答题人所属专业和所述试卷所属专业是否一致;若不一致,则不获取所述试题的答案信息;若一致,则获取所述试题对应的试卷的答题率,若所述答题率低于预设值,则不获取所述试题的答案信息。
电子设备获取答题人的信息,判断答题人的专业是否与试卷的专业一致,若一致,则答题人的答题结果可信度较高,但是在答题率非常低时,有乱答题的嫌疑,答案信息可参考价值较低;若不一致,则答题人的答题结果可信度不高,则不获取试题的答案信息,保证题库更新的准确性和稳定性。
步骤S102:判断答案信息累计的数量是否满足更新阈值的整数倍。若满足,则执行步骤S103:对累计的答案信息进行分析,确定试题的第一难度值,将累计的答案信息清零。若不满足,则执行步骤S104:不更新试题的当前难度值。
具体地,为了每隔一段时间更新一次题库,电子设备设置更新要求。如获取到答案信息累计的数量达到更新阈值的整数倍,则满足更新要求。
在满足更新要求后,电子设备根据累计的答案信息来判断是否待更新试题的难度。
步骤S103包括(步骤S11~步骤S12):
步骤S11:确定各个答案信息的答题结果。
具体地,电子设备将答案信息与正确答案对比,确定答题结果是正确或错误。当答案信息为成段的解析文字时,电子设备对答案信息进行分析,确定其中的知识点,进而将答案信息的知识点与正确答案的知识点进行对比,确定是否一致。
步骤S12:确定累计的答案信息中答题结果的正确率,将1减去正确率确定试题的第一难度值。
具体地,例如,累计的答案信息包括100条,正确率为70%,而第一难度值=1-70%=0.3。即,当正确率越高,则试题的难度越低。
步骤S105:获取试题的当前难度值。
具体地,当前难度值为上一次更新时试题的难度值,若试题为初次录入题库,则预设的试题难度为当前难度值。
步骤S106:判断第一难度值与试题的当前难度值的差值是否在预设范围内;若在预设范围内,则执行步骤S104:不更新试题的当前难度值;若不在预设范围内,则执行步骤S107:基于第一难度值对当前难度值进行修改,确定新的当前难度值。
具体地,当第一难度值与当前难度值的差值在预设范围内,则表示第一难度值与当前难度值接近,当第一难度值与当前难度值的差值不在预设范围内,则表示第一难度值与当前难度值之间的差距较大,试题的难度需要重新确定。
具体地,步骤S107在对当前难度值进行修改时,包括如下流程(步骤S21~步骤S25):
步骤S21:获取更新时间最近的多个历史的当前难度值。
具体地,当前难度值每被修改后,电子设备则将被修改之前的当前难度值保存存档,进而电子设备能获取历史的当前难度值。电子设备选取更新时间最近的预设数量个历史的当前难度值来用于分析,即根据试题最近的变化来分析,更为准确。为了减小计算量,提高准确度,预设数量可以选取3-5之间的任一数值。
步骤S22:基于多个历史的当前难度值确定试题的难度变化趋势。
具体地,当历史的当前难度值逐渐增大,则试题的难度为上升趋势;当历史的当前难度值逐渐减小,则试题的难度为下降趋势;若历史的当前难度值既不逐渐增大也不逐渐减小,则试题的难度为波动趋势。
步骤S23:若试题的难度变化为上升趋势,则在第一难度值高于当前难度值时,计算第一难度值和当前难度值的平均值,将平均值确定为新的当前难度值;在第一难度值低于当前难度值时,不更改当前难度值。
具体地,若试题的难度变化为上升趋势,在题库未更新的前提下,若答题人多次重复做同一试题,试题正确率应该升高,即在正常情况下,试题的难度是呈下降趋势的。而在试题的难度变化为上升趋势时,需要减小当前难度值提高的程度。因此在第一难度值高于当前难度值时,计算第一难度值和当前难度值的平均值,从而将平均值确定为新的当前难度值。而在第一难度值低于当前难度值时,将第一难度值作为新的当前难度值。
步骤S24:若试题的难度变化为下降趋势,则在第一难度值低于当前难度值时,将第一难度值确定为新的当前难度值;在第一难度值高于当前难度值时,计算第一难度值和当前难度值的平均值,将平均值确定为新的当前难度值。
同上,在试题的难度变化趋势为上升趋势时,需要减小当前难度值提高的程度,在第一难度值高于当前难度值时,计算第一难度值与当前难度值的平均值,确定新的当前难度值。在第一难度值低于当前难度值时,直接将第一难度值确定为新的当前难度值。
步骤S25:若试题的难度变化既不为上升趋势,也不为下降趋势,则计算第一难度值和当前难度值的平均值,将平均值确定为新的当前难度值。
具体地,若试题的难度变化为上下波动,则试题的难度变化无规律,电子设备则计算第一难度值和当前难度值的平均值,确定新的当前难度值。
在另一种可能的实现方式中,试题在初次录入题库时,并不能根据用户做题结果来反馈试题的难度,为了在试题初次录入题库时确定试题的难度,上述方法还包括(步骤S31~步骤S36):
步骤S31:当初次将试题录入题库时,获取试题的答案信息,对答案信息进行分析,确定试题对应的至少一个知识点。
具体地,当将试题录入题库时,将试题题目与试题的答案信息一同输入电子设备。电子设备获取试题的答案后,将答案信息输入训练好的知识点分析神经网络模型中,训练好的知识点分析神经网络模型能自动分析出答案中包括的知识点。
步骤S32:获取各个知识点预设的第一难度值,将最大的第一难度值对应的知识点确定为最难知识点,确定最难知识点对应的第一难度值为候选难度值。
具体地,电子设备设置有知识点数据库,其中的每个知识点预存有对应的第一难度值。其中,试题中的最难知识点是试题的关键,因此,将最难知识点对应的第一难度值作为候选难度值,再进一步对候选难度值进行修正。
步骤S33:确定至少一个知识点的树状图。
具体地,当知识点为一个时,树状图中只包括一个知识点,而当知识点为一个以上时,电子设备根据知识点出现的顺序,以及知识点所属的分类,确定树状图。例如,试题为多选题,包括知识点a、b、c、d和e,对应的树状图包括a-b-c以及d-e。
步骤S34:在树状图上确定在最难知识点所在的分支,确定位于最难知识点之前的知识点的第一数量。
例如,树状图中a-b-c和d-e相比,c为最难知识点,则最难知识点c所在分支上,位于c之前的知识点的第一数量为2。
步骤S35:计算第一数量与知识点总数的比值。
步骤S36:将候选难度值与比值相乘,确定附加难度,将附加难度与候选难度值相加,计算得到试题初始的当前难度值。
具体地,若最难知识点在树状图中的位置更深,则对应的难度有所提高。因此,电子设备根据计算比值,确定最难知识点的深度,进而将候选难度值与比值相乘,确定候选难度值需要增大的数值,计算得到试题初始的当前难度值。初始的当前难度值只用于对试题进行分类保存,将试题根据当前难度值所属的难度级别进行保存。
步骤S108:将当前难度值达到更新预设值的试题确定为待更新试题,基于待更新试题初始的当前难度值确定新试题,将新试题替换待更新试题。
具体地,随着多个用户对在线考试系统的使用次数的增加,其中被重复做到的试题的次数越多,试题的难度越来越低,而当试题的当前难度值降低到更新预设值时,则电子设备可以将其确定为待更新试题。从而找到难度相近的新试题来替换待更新试题。
进一步地,为了基于待更新试题初始的当前难度值确定新试题,方法包括如下流程(步骤S41~步骤S44):
步骤S41:获取所述待更新试题的初始的当前难度值和对应的知识点。
具体地,电子设备确定待更新试题在存入题库时的初始的当前难度值,并根据待更新试题的答案信息确定对应的知识点。
步骤S42:基于大数据获取包括所述知识点的试题,将包括所述知识点的试题作为候选试题。
具体地,电子设备可以通过大数据获取相同知识点的试题,也可以从备用题库中获取试题,进而作为候选试题。
步骤S43:确定候选试题的第二难度值。
具体地,电子设备根据步骤S31~步骤S36的方法确定候选试题的第二难度值。
步骤S44:将待更新试题初始的当前难度值与各个第二难度值对比,确定与待更新试题的初始的当前难度值最相近的候选试题作为替换待更新试题的新试题。
具体地,电子设备从候选试题中选取与待更新试题的难度最接近的新试题,进而保持题库的难度平衡。
进一步地,难度值相近并不能完全代表候选试题与待更新试题的内容相近,当与待更新试题的当前难度值最相近的候选试题包括至少两个时,确定用于替换待更新试题的新试题包括如下流程(步骤S51~步骤S56):
步骤S51:确定候选试题的知识点对应的树状图。
步骤S52:确定待更新试题的知识点对应的树状图。
步骤S53:确定候选试题以及待更新试题中相同知识点的数量,计算相同知识点与待更新试题的知识点数量的第一比值,确定第一比值为初始相似性。
具体地,电子设备首先确定候选试题以及待更新试题中相同知识点的数量,计算相同知识点与待更新试题的知识点数量的第一比值,相同的知识点越多,第一比值也就越大,则两者相似性越高,因此将得到的第一比值确定为初始相似性。
步骤S54:将候选试题的知识点对应的树状图和待更新试题的知识点对应的树状图输入至训练好的相似性确定神经网络模型中,确定树状图相似性。
进一步地,电子设备预设有训练好的相似性确定神经网络模型,电子设备将候选试题的知识点对应的树状图和待更新试题对应的树状图输入至训练好的相似性确定神经网络模型中,得到训练好的相似性确定神经网络模型输出的两者树状图相似性。
步骤S55:将初始相似性与树状图相似性相乘,计算候选试题与待更新试题的相似性。
具体地,候选试题与待更新试题的相似性一方面来自于知识点,另一方面来自于知识点布局,因此将两者相乘,计算得到相似性。
步骤S56:将相似性最高的候选试题确定为新试题。
为了更好地执行上述方法,本申请实施例还提供一种题库自动更新装置,参照图2,题库自动更新装置200包括:
答案信息获取模块201,用于获取题库中试题的答案信息;
第一判断模块202,用于判断累计的答案信息的数量是否满足更新阈值的整数倍;
第一难度值确定模块203,用于在第一判断模块202判断为满足时,则对累计的答案信息进行分析,确定试题的第一难度值,将累计的答案信息清零;
当前难度值获取模块204,用于获取试题的当前难度值;
第二判断模块205,用于判断第一难度值与试题的当前难度值的差值是否在预设范围内;
第一处理模块206,用于在第二判断模块205判断不在预设范围内,则基于第一难度值对当前难度值进行修改,确定新的当前难度值;
第二处理模块207,用于在第一判断模块202判断为不满足和第二判断模块205判断在预设范围内,不更新所述试题的当前难度值;
试题更新模块208,用于将当前难度值达到更新预设值的试题确定为待更新试题,基于待更新试题初始的当前难度值确定新试题,将新试题替换待更新试题。
进一步地,题库自动更新装置200还包括:
答题人信息获取模块,用于获取答案信息对应的答题人信息; 答题人信息包括答题人所属专业和试卷所属专业;
专业判断模块,用于判断答题人所属专业和试卷所属专业是否一致;
第一结果模块,用于在专业判断模块判断为不一致时,则不获取试题的答案信息;
第二结果模块,用于在专业判断模块判断为一致时,则获取试题对应的试卷的答题率,若答题率低于预设值,则不获取试题的答案信息。
进一步地,第一难度值确定模块203对累计的答案信息进行分析,确定试题的第一难度值时,具体用于:
确定各个答案信息的答题结果;
确定累计的答案信息中答题结果的正确率,将1减去正确率确定试题的第一难度值。
进一步地,第一处理模块206在基于第一难度值对当前难度值进行修改,确定新的当前难度值时,具体用于:
获取更新时间最近的多个历史的当前难度值;
基于多个历史的当前难度值确定试题的难度变化趋势;
若试题的难度变化为上升趋势,则在第一难度值高于当前难度值时,计算第一难度值和当前难度值的平均值,将所述平均值确定为新的当前难度值;在第一难度值低于当前难度值时,将第一难度值作为新的当前难度值;
若试题的难度变化为下降趋势,则在第一难度值低于当前难度值时,将第一难度值确定为新的当前难度值;在第一难度值高于当前难度值时,计算第一难度值和当前难度值的平均值,将所述平均值确定为新的当前难度值;
若试题的难度变化既不为上升趋势,也不为下降趋势,则计算第一难度值和当前难度值的平均值,将所述平均值确定为新的当前难度值。
进一步地,题库自动更新装置200还包括:
知识点确定模块,用于当初次将试题录入题库时,获取试题的答案信息,对答案信息进行分析,确定试题对应的至少一个知识点;
候选难度值确定模块,用于获取各个知识点预设的第一难度值,将最大的第一难度值对应的知识点确定为最难知识点,确定最难知识点对应的第一难度值为候选难度值;
树状图确定模块,用于确定至少一个知识点的树状图;
第一数量确定模块,用于在所述树状图上确定所述最难知识点所在的分支,确定位于所述最难知识点之前的知识点的第一数量;
比值计算模块,用于计算第一数量与知识点总数的比值;
初始的当前难度值确定模块,用于将候选难度值与比值相乘,确定附加难度,将附加难度与候选难度值相加,计算得到试题初始的当前难度值。
进一步地,试题更新模块208在基于待更新试题初始的当前难度值确定新试题时,具体用于:
获取待更新试题初始的当前难度值和对应的知识点;
基于大数据获取包括所述知识点的试题,将包括所述知识点的试题作为候选试题;
确定候选试题的第二难度值;
将待更新试题初始的当前难度值与各个第二难度值对比,确定与待更新试题初始的当前难度值最相近的候选试题作为用于替换待更新试题的新试题。
进一步地,当与待更新试题初始的当前难度值最相近的候选试题包括至少两个时,试题更新模块208在确定用于替换待更新试题的新试题时,具体用于:
确定候选试题的知识点对应的树状图;
确定待更新试题的知识点对应的树状图;
确定候选试题以及待更新试题中相同知识点的数量,计算相同知识点与待更新试题的知识点数量的第一比值,确定第一比值为初始相似性;
将候选试题的知识点对应的树状图和待更新试题的知识点对应的树状图输入至训练好的相似性确定神经网络模型中,确定树状图相似性;
将初始相似性与树状图相似性相乘,计算候选试题与待更新试题的相似性;
将相似性最高的候选试题确定为新试题。
前述实施例中的方法中的各种变化方式和具体实例同样适用于本实施例的题库自动更新装置,通过前述对题库自动更新方法的详细描述,本领域技术人员可以清楚的知道本实施例中的题库自动更新装置的实施方法,所以为了说明书的简洁,在此不再详述。
为了更好地实施以上方法,本申请实施例提供一种电子设备,参照图3,电子设备300包括:处理器301、存储器303和显示屏305。其中,存储器303、显示屏305均与处理器301相连,如通过总线302相连。可选地,电子设备300还可以包括收发器304。需要说明的是,实际应用中收发器304不限于一个,该电子设备300的结构并不构成对本申请实施例的限定。
处理器301可以是CPU(Central Processing Unit,中央处理器),通用处理器,DSP(Digital Signal Processor,数据信号处理器),ASIC(Application SpecificIntegrated Circuit,专用集成电路),FPGA(Field Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器301也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线302可包括一通路,在上述组件之间传送信息。总线302可以是PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture,扩展工业标准结构)总线等。总线302可以分为地址总线、数据总线、控制总线等。
存储器303可以是ROM(Read Only Memory,只读存储器)或可存储静态信息和指令的其他类型的静态存储设备,RAM(Random Access Memory,随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory,电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory,只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
存储器303用于存储执行本申请方案的应用程序代码,并由处理器301来控制执行。处理器301用于执行存储器303中存储的应用程序代码,以实现前述方法实施例所示的内容。
图3示出的电子设备300仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
本申请实施例还提供一种计算机可读存储介质,存储有计算机程序,该程序被处理器执行时实现上述实施例提供的方法,处理器执行计算机可读存储介质中的计算机程序,获取题库中试题的答案信息,在累积的答案信息的数量满足更新阈值的整数倍时,对累积的答案信息进行分析,从而确定第一难度值,根据第一难度值与试题的当前难度值进行对比,若差值不在预设范围时,根据第一难度值对当前难度值修改,确定新的当前难度值,进而在试题的当前难度值达到更新预设值时,即确定其为待更新试题,找到新试题对待更新试题进行更换,因此一些被重复多次刷到的题目能够被更换,使题库自动更新,提高用户练习效果。
本实施例中,计算机可读存储介质可以是保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质可以是但不限于电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意组合。具体的,计算机可读存储介质可以是便携式计算机盘、硬盘、U盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、讲台随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、光盘、磁碟、机械编码设备以及上述任意组合。
本实施例中的计算机程序包含用于执行前述所有的方法的程序代码,程序代码可包括对应执行上述实施例提供的方法步骤对应的指令。计算机程序可从计算机可读存储介质下载到各个计算/处理设备,或者通过网络(例如因特网、局域网、广域网和/或无线网)下载到外部计算机或外部存储设备。计算机程序可完全地在用户计算机上执行、作为一个独立的软件包执行。
以上均为本申请的较佳实施例,并非依此限制本申请的保护范围,故:凡依本申请的结构、形状、原理所做的等效变化,均应涵盖于本申请的保护范围之内。
另外,需要理解的是,诸如第一和第二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者操作区分开来,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。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、物品或者设备所固有的要素。
Claims (8)
1.一种题库自动管理方法,其特征在于,包括:
获取题库中试题的答案信息;
判断累计的所述答案信息的数量是否满足更新阈值的整数倍;若满足,则对累计的所述答案信息进行分析,确定试题的第一难度值,将累计的所述答案信息清零;
判断所述第一难度值与试题的当前难度值的差值是否在预设范围内;
若不在预设范围内,则基于所述第一难度值对所述当前难度值进行修改,确定新的当前难度值;
将所述当前难度值达到更新预设值的试题确定为待更新试题,基于所述待更新试题初始的当前难度值确定新试题,将所述新试题替换所述待更新试题;
当初次将试题录入题库时,获取所述试题的答案,对所述答案进行分析,确定试题对应的至少一个知识点;
确定各个所述知识点预设的第一难度值,确定最高的第一难度值对应的知识点最难知识点,确定所述最难知识点对应的第一难度值为候选难度值;
确定所述至少一个知识点的树状图;
基于所述树状图确定在所述最难知识点所在的分支上,位于所述最难知识点之前的知识点第一数量;
计算所述第一数量与知识点总数的比值;
将所述候选难度值与所述比值相乘,确定附加难度,将所述附加难度与所述候选难度值相加,计算得到试题初始的当前难度值;
当与所述待更新试题的初始的当前难度值最相近的候选试题包括至少两个时,确定用于替换所述待更新试题的新试题,包括:
确定候选试题的知识点对应的树状图;
确定所述候选试题以及所述待更新试题中相同知识点的数量,计算所述相同知识点与所述待更新试题的知识点的第一比值,确定第一比值为初始相似性;
将候选试题的知识点对应的树状图和待更新试题对应的树状图输入至训练好的相似性确定神经网络模型中,确定树状图相似性;
将所述初始相似性与所述树状图相似性相乘,计算确定候选试题与待更新试题的相似性;
确定所述相似性最高的候选试题作为新试题。
2.根据权利要求1所述的方法,其特征在于,在获取题库中试题的答案信息之前,所述方法还包括:
获取答案信息对应的答题人信息; 所述答题人信息包括答题人所属专业和试卷所述专业;
判断所述答题人所属专业和所述试卷所述专业是否一致;若不一致,则不获取所述试题的答案信息;
若一致,则获取所述试题对应的试卷的答题率,若所述答题率低于预设值,则不获取所述试题的答案信息。
3.根据权利要求1所述的方法,其特征在于,所述对累计的所述答案信息进行分析,确定试题的第一难度值,包括:
确定各个答案信息的答题结果;
确定累计的答案信息中答题结果为正确的正确率,将1减去所述正确率确定试题的第一难度值。
4.根据权利要求1所述的方法,其特征在于,所述基于所述第一难度值对所述当前难度值进行修改,确定新的当前难度值,包括:
获取更新时间最近的预设数量个历史的当前难度值;
基于所述多个历史的当前难度值确定试题的难度变化趋势;
若试题的难度变化为上升趋势,则在所述第一难度值高于所述当前难度值时,计算所述第一难度值和所述当前难度值的平均值,确定新的当前难度值;在所述第一难度值低于所述当前难度值时,将所述第一难度值作为新的当前难度值;
若试题的难度变化为下降趋势,则在所述第一难度值低于所述当前难度值时,将所述第一难度值确定为新的当前难度值;在所述第一难度值高于所述当前难度值时,计算所述第一难度值和所述当前难度值的平均值,确定新的当前难度值;
若试题的难度变化既不为上升趋势,也不为下降趋势,则计算所述第一难度值和所述当前难度值的平均值,确定新的当前难度值。
5.根据权利要求1所述的方法,其特征在于,所述基于所述待更新试题初始的当前难度值确定新试题,包括:
获取所述更新信息中待更新试题初始的当前难度值和对应的知识点;
在大数据中获取包括所述知识点的试题作为候选试题;
确定所述候选试题的第二难度;
将所述待更新试题的初始的当前难度值与各个所述第二难度对比,确定与所述待更新试题初始的当前难度值最相近的候选试题作为用于替换所述待更新试题的新试题。
6.一种题库自动管理装置,其特征在于,包括:
答案信息获取模块,用于获取题库中试题的答案信息;
第一判断模块,用于判断累计的所述答案信息的数量是否满足更新阈值的整数倍;
第一难度值确定模块,用于在所述第一判断模块判断为满足时,则对累计的所述答案信息进行分析,确定试题的第一难度值,将累计的所述答案信息清零;
第二判断模块,用于判断所述第一难度值与试题的当前难度值的差值是否在预设范围内;
第一处理模块,用于在所述第二判断模块判断不在预设范围内,则基于所述第一难度值对所述当前难度值进行修改,确定新的当前难度值;
试题更新模块,用于将所述当前难度值达到更新预设值的试题确定为待更新试题,基于所述待更新试题初始的当前难度值确定新试题,将所述新试题替换所述待更新试题;
知识点确定模块,用于当初次将试题录入题库时,获取试题的答案,对答案进行分析,确定试题对应的至少一个知识点;
候选难度值确定模块,用于确定各个知识点预设的第一难度值,确定最高的第一难度值对应的知识点最难知识点,确定最难知识点对应的第一难度值为候选难度值;
树状图确定模块,用于确定至少一个知识点的树状图;
第一数量确定模块,用于基于树状图确定在最难知识点所在的分支上,位于最难知识点之前的知识点第一数量;
比值计算模块,用于计算第一数量与知识点总数的比值;
初始的当前难度值确定模块,用于将候选难度值与比值相乘,确定附加难度,将附加难度与候选难度值相加,计算得到试题初始的当前难度值;
当与待更新试题的初始的当前难度值最相近的候选试题包括至少两个时,试题更新模块207在确定用于替换待更新试题的新试题时,具体用于:
确定候选试题的知识点对应的树状图;
确定候选试题以及待更新试题中相同知识点的数量,计算相同知识点与待更新试题的知识点的第一比值,确定第一比值为初始相似性;
将候选试题的知识点对应的树状图和待更新试题对应的树状图输入至训练好的相似性确定神经网络模型中,确定树状图相似性;
将初始相似性与树状图相似性相乘,计算确定候选试题与待更新试题的相似性;
确定相似性最高的候选试题作为新试题。
7.一种电子设备,其特征在于,包括:
至少一个处理器;
存储器;
至少一个计算机程序,其中所述至少一个计算机程序被存储在所述存储器中并被配置为由所述至少一个处理器执行,所述至少一个计算机程序配置用于:执行如权利要求1至5任一项所述的方法。
8.一种计算机可读存储介质,其特征在于,存储有能够被处理器加载并执行如权利要求1至5中任一项所述的方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311475560.8A CN117216081B (zh) | 2023-11-08 | 2023-11-08 | 题库自动更新方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311475560.8A CN117216081B (zh) | 2023-11-08 | 2023-11-08 | 题库自动更新方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117216081A CN117216081A (zh) | 2023-12-12 |
CN117216081B true CN117216081B (zh) | 2024-02-06 |
Family
ID=89035680
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311475560.8A Active CN117216081B (zh) | 2023-11-08 | 2023-11-08 | 题库自动更新方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117216081B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109118402A (zh) * | 2018-08-31 | 2019-01-01 | 中国人民解放军军事科学院评估论证研究中心 | 一种军队干部在线学习考核评估系统及方法 |
CN111369063A (zh) * | 2020-03-06 | 2020-07-03 | 北京易真学思教育科技有限公司 | 组卷模型训练方法、组卷方法及相关装置 |
CN112699283A (zh) * | 2020-12-28 | 2021-04-23 | 科大讯飞股份有限公司 | 试卷生成方法及装置 |
CN113239669A (zh) * | 2021-05-21 | 2021-08-10 | 合肥工业大学 | 试题难度预测方法 |
CN115658928A (zh) * | 2022-12-14 | 2023-01-31 | 成都泰盟软件有限公司 | 一种组卷试卷的方法、装置、计算机设备及存储介质 |
CN115828856A (zh) * | 2022-11-30 | 2023-03-21 | 北京有竹居网络技术有限公司 | 试卷生成的方法、装置、设备和存储介质 |
CN116263782A (zh) * | 2021-12-10 | 2023-06-16 | 上海终身教育科技有限公司 | 一种基于题库的智能组卷方法、系统及存储介质 |
CN116741001A (zh) * | 2023-02-24 | 2023-09-12 | 国网河北省电力有限公司培训中心 | 一种试卷动态更新的仿真培训考试装置及考试方法 |
-
2023
- 2023-11-08 CN CN202311475560.8A patent/CN117216081B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109118402A (zh) * | 2018-08-31 | 2019-01-01 | 中国人民解放军军事科学院评估论证研究中心 | 一种军队干部在线学习考核评估系统及方法 |
CN111369063A (zh) * | 2020-03-06 | 2020-07-03 | 北京易真学思教育科技有限公司 | 组卷模型训练方法、组卷方法及相关装置 |
CN112699283A (zh) * | 2020-12-28 | 2021-04-23 | 科大讯飞股份有限公司 | 试卷生成方法及装置 |
CN113239669A (zh) * | 2021-05-21 | 2021-08-10 | 合肥工业大学 | 试题难度预测方法 |
CN116263782A (zh) * | 2021-12-10 | 2023-06-16 | 上海终身教育科技有限公司 | 一种基于题库的智能组卷方法、系统及存储介质 |
CN115828856A (zh) * | 2022-11-30 | 2023-03-21 | 北京有竹居网络技术有限公司 | 试卷生成的方法、装置、设备和存储介质 |
CN115658928A (zh) * | 2022-12-14 | 2023-01-31 | 成都泰盟软件有限公司 | 一种组卷试卷的方法、装置、计算机设备及存储介质 |
CN116741001A (zh) * | 2023-02-24 | 2023-09-12 | 国网河北省电力有限公司培训中心 | 一种试卷动态更新的仿真培训考试装置及考试方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117216081A (zh) | 2023-12-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105989040B (zh) | 智能问答的方法、装置及系统 | |
CN110569322A (zh) | 地址信息解析方法、装置、系统及数据获取方法 | |
CN108665159A (zh) | 一种风险评估方法、装置、终端设备及存储介质 | |
US20030033263A1 (en) | Automated learning system | |
CN110390408B (zh) | 交易对象预测方法和装置 | |
CN108322317B (zh) | 一种账号识别关联方法及服务器 | |
CN109816265B (zh) | 知识特征掌握度的评价方法、题目推荐方法及电子设备 | |
CN108960269B (zh) | 数据集的特征获取方法、装置及计算设备 | |
RU2680746C2 (ru) | Способ и устройство для создания модели качества веб-страницы | |
CN113807103B (zh) | 基于人工智能的招聘方法、装置、设备及存储介质 | |
WO2024036709A1 (zh) | 一种异常数据检测方法及装置 | |
CN110634060A (zh) | 一种用户信用风险的评估方法、系统、装置及存储介质 | |
CN113407854A (zh) | 一种应用推荐方法、装置、设备及计算机可读存储介质 | |
CN116244504A (zh) | 一种用于辅助高考志愿填报方案的推荐方法及系统 | |
CN114969528A (zh) | 基于能力评测的用户画像和学习路径推荐方法、装置及设备 | |
CN116910274B (zh) | 基于知识图谱和预测模型的试题生成方法及系统 | |
CN117216081B (zh) | 题库自动更新方法、装置、电子设备和存储介质 | |
Ochilbek | Using data mining techniques to predict and detect important features for book borrowing rate in academic libraries | |
GB2583176A (en) | Prediction device, prediction program, and prediction method for predicting human judgments | |
CN109460474B (zh) | 用户偏好趋势挖掘方法 | |
CN111859946B (zh) | 对评论进行排序的方法和装置及机器可读存储介质 | |
US20190050373A1 (en) | Apparatus, method, and program for calculating explanatory variable values | |
CN114820074A (zh) | 基于机器学习的目标用户群体预测模型构建方法 | |
CN113435713B (zh) | 基于gis技术和两模型融合的风险地图编制方法及系统 | |
CN113779933A (zh) | 商品的编码方法、电子设备及计算机可读存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |