申请/专利权人：东北师范大学;东北师大理想软件股份有限公司

申请日：2021-09-06

公开（公告）日：2024-03-12

公开（公告）号：CN113743083B

主分类号：G06F40/20

分类号：G06F40/20;G06F16/35;G06F18/24;G06F18/25;G06Q10/04;G06Q50/20;G06N3/045;G06N3/0442;G06N3/09

优先权：

专利状态码：有效-授权

法律状态：2024.03.12#授权;2021.12.21#实质审查的生效;2021.12.03#公开

摘要：本发明公开了一种基于深度语义表征的试题难度预测方法及系统。该方法包括：基于预训练语言模型对多类型试题进行文本表征；对试题文本表征进行特征提取和融合；基于多层感知机对融合后的特征进行分类，确定多类型试题的所属知识点集合；计算知识点集合中各知识点的拓扑距离；基于深度注意力网络模型，根据融合后的特征确定多类型试题的认知层级；基于试题文本表征、知识点拓扑距离以及认知层级预测多类型试题的难度。本发明在确定试题认知层级基础上，结合试题上下文特征、知识点拓扑结构特征，研究基于混合神经网络模型和认知层级的试题难度自动评估框架，从而解决试题文本认知层级标注困难和语料不足、试题难度评估标准单一缺乏认知指导的问题。

主权项：1.一种基于深度语义表征的试题难度预测方法，其特征在于，包括：基于预训练语言模型对多类型试题进行文本表征；所述多类型试题包括三种题型，为填空题、选择题和简答题；三种题型共包括四种结构文本，为题干文本、答案文本、选项文本和解析文本；对试题文本表征进行特征提取和融合；基于多层感知机对融合后的特征进行分类，确定多类型试题的所属知识点集合；计算所述知识点集合中各知识点的拓扑距离；基于深度注意力网络模型，根据融合后的特征确定所述多类型试题的认知层级；基于所述试题文本表征、知识点拓扑距离以及所述认知层级预测所述多类型试题的难度；具体包括：在训练阶段，将试题文本表征、知识点拓扑距离和认知层级作为线性回归模型的输入，并从答题记录中获取样本试题的得分率作为试题难度的标签；在测试阶段，通过输入试题文本表征、知识点拓扑距离和认知层级，预测当前试题的得分率，确定试题的难度。

全文数据：

权利要求：

百度查询： 东北师范大学;东北师大理想软件股份有限公司 一种基于深度语义表征的试题难度预测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD