-
公开(公告)号:CN114444493B
公开(公告)日:2025-04-08
申请号:CN202111575590.7
申请日:2021-12-21
Applicant: 科大讯飞股份有限公司
IPC: G06F40/284 , G06F40/205 , G06N3/0464 , G06N3/08
Abstract: 本公开披露了一种试题处理方法及装置、计算机可读存储介质及电子设备,涉及自然语言处理技术领域。该试题处理方法包括:确定目标理科类试题的原始试题文本;利用锚点预测模型,基于目标理科类试题的原始试题文本,确定目标理科类试题对应的锚点数据,其中,锚点数据为与目标理科类试题的考察内容关联的数据,锚点预测模型是基于M个理科类试题样本各自的解析试题文本和锚点标签数据训练得到的,M为正整数。本公开提供的试题处理方法,能够利用锚点预测模型精准地预测目标理科类试题对应的锚点数据,进而能够提升用户的学习效果和体验好感度。也就是说,与现有技术相比,本公开能够适用于理科类试题场景,且预测精准度更高。
-
公开(公告)号:CN114254127B
公开(公告)日:2025-02-21
申请号:CN202111582714.4
申请日:2021-12-22
Applicant: 科大讯飞股份有限公司
IPC: G06F16/36 , G06F16/335
Abstract: 本发明提供一种学生能力画像方法、学习资源推荐方法及装置,通过目标学科知识图谱的引入,可以使得编码得到的目标知识点表征向量可以表征待作答题目的知识点信息以及知识关系结构信息,在能力预测时考虑了各知识点之间的关系,可以大大提高预测结果的准确性。而且,通过目标知识点表征向量与学生对应于目标学科的历史答题信息相结合的方式,对学生的知识能力进行预测,可以引入学生的记忆规则,进一步提高了预测结果的准确性。
-
公开(公告)号:CN113837910B
公开(公告)日:2024-04-16
申请号:CN202111146053.0
申请日:2021-09-28
Applicant: 科大讯飞股份有限公司
Abstract: 本发明提供一种试题推荐方法、装置、电子设备和存储介质,其中方法包括:确定待推荐的教学资源,以及所述教学资源的各候选试题;基于所述教学资源的资源特征和所述各候选试题的试题特征,从所述各候选试题中确定所述教学资源的推荐试题,所述资源特征和所述试题特征处于同一语义空间。本发明提供的方法、装置、电子设备和存储介质,无需人工标注教学资源和候选试题的知识相关标签,也无需人工关联教学资源和候选试题之间的映射关系,仅需将教学资源和候选试题特征提取至同一语义空间,即可实现教学资源和候选试题之间的特征匹配,全自动完成推荐流程,省时省力,有助于提高试题推荐的准确率和推荐效率,扩宽试题推荐的应用范围。
-
公开(公告)号:CN112685532B
公开(公告)日:2023-01-17
申请号:CN202011580551.1
申请日:2020-12-28
Applicant: 科大讯飞股份有限公司
Abstract: 本发明提供一种试题资源分析方法、装置、电子设备和存储介质,其中方法包括:确定待分析的试题资源;对试题资源进行错误率分析,得到错误率分析结果;将试题资源输入使用频次预估模型,得到使用频次预估模型输出的适用性分析结果,使用频次预估模型是基于样本试题资源,以及样本试题资源在目标应用场景下的适用性标签训练得到的;基于错误率分析结果和适用性分析结果,确定试题资源的分析结果。本发明提供的方法、装置、电子设备和存储介质,能够得到能够从规范性、完善性、周期适用性等层面上表征试题资源质量的分析结果,实现了全面、客观的试题资源质量分析,有助于合理分配试题资源加工资源,实现高效率的试题资源加工。
-
公开(公告)号:CN113051886A
公开(公告)日:2021-06-29
申请号:CN202110319525.1
申请日:2021-03-25
Applicant: 科大讯飞股份有限公司
IPC: G06F40/194 , G06F40/284 , G06F40/30 , G06F16/31 , G06F16/33 , G06F16/332 , G06Q50/20
Abstract: 本申请公开了一种试题查重方法、装置、存储介质及设备,该方法包括:首先,获取待查重的目标试题的隐向量;其中,隐向量用于表征目标试题的语义信息,然后,利用预先构建的HNSW试题查重模型,根据目标试题的隐向量,从试题库中选取满足预设初选条件的试题,组成目标试题的初选重复试题集合;接着,根据初选重复试题集合中的试题与目标试题的相似度,从初选重复试题集合中确定目标试题对应的重复试题。可见,由于本申请是基于表征试题语义信息的隐向量进行查重,不仅能够支持部分文档更新后的查重,还能够提高查重结果的准确性。同时,利用HNSW试题查重模型进行查重,也能够进一步提高试题查重速度和效率,得到准确性更高的试题查重结果。
-
公开(公告)号:CN112685532A
公开(公告)日:2021-04-20
申请号:CN202011580551.1
申请日:2020-12-28
Applicant: 科大讯飞股份有限公司
Abstract: 本发明提供一种试题资源分析方法、装置、电子设备和存储介质,其中方法包括:确定待分析的试题资源;对试题资源进行错误率分析,得到错误率分析结果;将试题资源输入使用频次预估模型,得到使用频次预估模型输出的适用性分析结果,使用频次预估模型是基于样本试题资源,以及样本试题资源在目标应用场景下的适用性标签训练得到的;基于错误率分析结果和适用性分析结果,确定试题资源的分析结果。本发明提供的方法、装置、电子设备和存储介质,能够得到能够从规范性、完善性、周期适用性等层面上表征试题资源质量的分析结果,实现了全面、客观的试题资源质量分析,有助于合理分配试题资源加工资源,实现高效率的试题资源加工。
-
公开(公告)号:CN106709829B
公开(公告)日:2020-06-02
申请号:CN201510481726.6
申请日:2015-08-03
Applicant: 科大讯飞股份有限公司
Abstract: 本发明公开了一种基于在线题库的学情诊断方法及系统,该方法包括:基于在线题库,获取历史答题信息;通过建模方式得到基于历史答题信息的学情信息,所述学情信息包括:试题参数及用户参数;在接收到新的答题信息后,基于滑动窗口技术,更新所述试题参数及用户参数;将更新后的试题参数及用户参数作为学情诊断结果输出。利用本发明,可以简单方便地得到精准的学情诊断结果。
-
公开(公告)号:CN107967254A
公开(公告)日:2018-04-27
申请号:CN201711048333.1
申请日:2017-10-31
Applicant: 科大讯飞股份有限公司
CPC classification number: G06F17/2785 , G06F17/2705 , G06F17/2775 , G06Q10/04 , G06Q50/205
Abstract: 本公开提供一种知识点预测方法及装置、存储介质、电子设备。该方法利用预先构建的知识点预测模型确定待预测试题qt含有的知识点,包括:提取待预测试题qt的深层语义信息QDqt、以及知识点集合中每个知识点kj的教研经验的深层语义信息JDkj,所述知识点的教研经验为该知识点在试题中的描述,1≤j≤m,m为所述知识点集合包括的知识点的数目;通过注意力机制获得QDqt与JDkj之间的相似度Wqtkj,并基于JDkj与Wqtkj得到教研经验对所述待预测试题qt的重要程度Cqt;利用所述QDqt与所述Cqt预测所述待预测试题qt含有的知识点。如此方案,有助于提高知识点预测的准确率。
-
公开(公告)号:CN107665473A
公开(公告)日:2018-02-06
申请号:CN201610600597.2
申请日:2016-07-27
Applicant: 科大讯飞股份有限公司
IPC: G06Q50/20
CPC classification number: G06Q50/205
Abstract: 本申请提出一种学习路径规划方法和装置,该学习路径规划方法包括:收集学生对每个知识点的做题记录;根据所述做题记录,构建学生学习的知识图谱;根据所述知识图谱,获取每个学生对每个知识点的应该掌握程度和实际掌握程度;根据所述应该掌握程度和所述实际掌握程度,规划每个学生对应的以知识点为基本单元的个性化学习路径。该方法能够以知识点为粒度,对学习路径进行规划,从而保证了学生从易到难的学习顺序,更有效的提升学生的学习能力。进一步的,还可以满足学生的个性化需求。
-
公开(公告)号:CN107301165A
公开(公告)日:2017-10-27
申请号:CN201610237683.1
申请日:2016-04-14
Applicant: 科大讯飞股份有限公司
CPC classification number: G06F17/2705 , G06F17/2785 , G06K9/6256
Abstract: 本发明公开了一种试题难度分析方法及系统,该方法包括:获取待分析试题;提取所述待分析试题的题目特征,所述题目特征包括题面特征、解析特征和答案特征;根据所述待分析试题的题目特征及预先构建的试题难度预测模型获取所述待分析试题的难度得分。由于本发明提供的方法根据待分析试题的题目特征预测待分析试题的难度得分,而无需根据该待分析试题的历史得分分布情况等预测待分析试题的难度得分,因此能够对冷数据情况,即没有学生做过的题目进行试题难度评价。
-
-
-
-
-
-
-
-
-