CN111708951B - 一种试题推荐方法及装置 - Google Patents
一种试题推荐方法及装置 Download PDFInfo
- Publication number
- CN111708951B CN111708951B CN202010579654.XA CN202010579654A CN111708951B CN 111708951 B CN111708951 B CN 111708951B CN 202010579654 A CN202010579654 A CN 202010579654A CN 111708951 B CN111708951 B CN 111708951B
- Authority
- CN
- China
- Prior art keywords
- user
- question
- test
- test question
- information
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 720
- 238000000034 method Methods 0.000 title claims abstract description 91
- 230000007547 defect Effects 0.000 claims abstract description 200
- 238000012216 screening Methods 0.000 claims abstract description 16
- 230000001960 triggered effect Effects 0.000 claims abstract description 12
- 238000013507 mapping Methods 0.000 claims description 36
- 238000004458 analytical method Methods 0.000 claims description 11
- 230000007812 deficiency Effects 0.000 claims description 4
- 230000000699 topical effect Effects 0.000 claims 1
- 238000011156 evaluation Methods 0.000 description 50
- 238000012074 hearing test Methods 0.000 description 16
- 230000009286 beneficial effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 3
- 238000005728 strengthening Methods 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000007596 consolidation process Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种试题推荐方法及装置,该方法包括:在接收到用户触发的试题推荐请求之后,先获取到该用户的历史做题信息,并对历史做题信息进行分析,确定用户能力缺陷;再根据该用户能力缺陷确定目标推荐策略,并依据该目标推荐策略从备选试题集中筛选出候选推荐试题,以便将该候选推荐试题推荐给用户。其中,因用户能力缺陷是基于用户的历史做题信息确定的,使得该用户能力缺陷能够准确地表征用户在历史做题过程中存在的解题能力缺陷,从而使得基于该用户能力缺陷推荐的候选推荐试题,是针对该用户在历史做题过程中存在的解题能力缺陷进行推荐的,如此能够提高试题推荐的精准性,从而能够提高用户体验。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种试题推荐方法及装置。
背景技术
随着互联网的普及,用户可以利用基于网络的练习试题推荐***进行试题练习。然而,因现有的练习试题推荐***推荐的试题比较笼统,使得该推荐的试题普适性较高,导致该推荐的试题缺乏针对性,从而导致试题推荐的精准性较低,用户体验不佳。
作为示例,当用户利用该练习试题推荐***进行英语听说试题练习时,该练习试题推荐***能够根据用户的身份信息(例如,年级等)向用户推荐英语听说试题,以使该用户能够利用这些被推荐的英语听说试题进行练习。其中,因利用上述推荐方法推荐的英语听说试题比较笼统,使得该推荐的英语听说试题普适性较高(如,该推荐的英语听说试题适于某一年级的所有学生),导致该推荐的英语听说试题缺乏针对性,从而导致试题推荐的精准性较低,用户体验不佳。
发明内容
本申请实施例的主要目的在于提供一种试题推荐方法及装置,能够提升试题推荐的精准性。
本申请实施例提供了一种试题推荐方法,包括:
在接收到用户触发的试题推荐请求之后,获取所述用户的历史做题信息;
对所述历史做题信息进行分析,确定用户能力缺陷;
根据所述用户能力缺陷确定目标推荐策略;
依据所述目标推荐策略从备选试题集中筛选出候选推荐试题;
将所述候选推荐试题推荐给所述用户。
可选的,所述对所述历史做题信息进行分析,确定用户能力缺陷,包括:
对所述历史做题信息进行分析,确定用户失分原因;
根据所述用户失分原因分析所述用户能力缺陷。
可选的,所述对所述历史做题信息进行分析,确定用户失分原因,包括:
根据所述历史做题信息携带的试题题型,确定所述试题题型对应的考查内容;
依据所述历史做题信息携带的用户作答结果和所述试题题型对应的考查内容,确定用户失分原因。
可选的,所述根据所述用户失分原因分析所述用户能力缺陷,包括:
根据所述用户失分原因和第一映射关系,确定用户失分类型;其中,所述第一映射关系用于记录各失分原因与各失分类型之间的对应关系;
将所述用户失分类型对应的解题能力缺陷,确定为用户能力缺陷。
可选的,所述根据所述用户能力缺陷确定目标推荐策略,包括:
根据所述用户能力缺陷和第二映射关系,确定目标推荐策略;其中,所述第二映射关系用于记录解题能力缺陷与试题推荐策略之间的对应关系。
可选的,所述根据所述用户能力缺陷确定目标推荐策略,包括:
判断所述用户能力缺陷是否满足预设条件;
在确定所述用户能力缺陷满足预设条件时,根据所述用户能力缺陷确定目标推荐策略;
在确定所述用户能力缺陷不满足预设条件时,根据所述用户能力缺陷、所述历史做题信息携带的试题主题和所述用户所处年级,确定目标推荐策略。
可选的,所述获取所述用户的历史做题信息,包括:
将在预设时间段内存储的携带有第i个试题主题的各用户错题信息均确定为历史做题信息;或者,分别将存储时间距离当前时间最近的携带有第i个试题主题的T个用户错题信息确定为历史做题信息;T为正整数,i为正整数,i≤N,N为试题主题个数;
所述对所述历史做题信息进行分析,确定用户能力缺陷,包括:
分别对各历史做题信息进行分析,确定各历史做题信息对应的用户能力缺陷。
可选的,所述根据所述用户能力缺陷确定目标推荐策略;依据所述目标推荐策略从备选试题集中筛选出候选推荐试题,包括:
分别根据各历史做题信息对应的用户能力缺陷,确定各历史做题信息对应的目标推荐策略;分别根据各历史做题信息对应的目标推荐策略,确定各历史做题信息对应的候选推荐试题;
所述将所述候选推荐试题推荐给所述用户,包括:
根据携带有第i个试题主题的各历史做题信息对应的候选推荐试题,生成第i个试题主题对应的试题推荐集,并按照第i个试题主题对应的推荐优先级及试题推荐比例,对所述第i个试题主题对应的试题推荐集进行试题抽取,得到各目标推荐试题,并将所述目标推荐试题推荐给所述用户;其中,i为正整数,i≤N,N为试题主题个数。
可选的,所述方法还包括:
从扩展试题集中选择预设数目的试题,作为待推荐试题;其中,所述扩展试题集包括至少一个携带有扩展主题的试题;所述扩展主题表征用户未练习过的试题主题;
所述将所述候选推荐试题推荐给所述用户,包括:
将所述候选推荐试题和所述待推荐试题推荐给所述用户。
可选的,所述方法还包括:
获取用户预设能力水平;
所述根据所述用户能力缺陷确定目标推荐策略,包括:
根据所述用户能力缺陷和所述用户预设能力水平,确定目标推荐策略。
本申请实施例还提供了一种试题推荐装置,包括:
信息获取单元,用于在接收到用户触发的试题推荐请求之后,获取所述用户的历史做题信息;
能力确定单元,用于对所述历史做题信息进行分析,确定用户能力缺陷;
策略确定单元,用于根据所述用户能力缺陷确定目标推荐策略;
试题确定单元,用于依据所述目标推荐策略从备选试题集中筛选出候选推荐试题;
试题推荐单元,用于将所述候选推荐试题推荐给所述用户。
可选的,所述能力确定单元,包括:
原因分析子单元,用于对所述历史做题信息进行分析,确定用户失分原因;
能力分析子单元,用于根据所述用户失分原因分析所述用户能力缺陷。
可选的,所述原因分析子单元,具体用于:
根据所述历史做题信息携带的试题题型,确定所述试题题型对应的考查内容;依据所述历史做题信息携带的用户作答结果和所述试题题型对应的考查内容,确定用户失分原因。
可选的,所述能力分析子单元,具体用于:
根据所述用户失分原因和第一映射关系,确定用户失分类型;其中,所述第一映射关系用于记录各失分原因与各失分类型之间的对应关系;将所述用户失分类型对应的解题能力缺陷,确定为用户能力缺陷。
可选的,所述策略确定单元,具体用于:
根据所述用户能力缺陷和第二映射关系,确定目标推荐策略;其中,所述第二映射关系用于记录解题能力缺陷与试题推荐策略之间的对应关系。
可选的,所述策略确定单元,具体用于:
判断所述用户能力缺陷是否满足预设条件;在确定所述用户能力缺陷满足预设条件时,根据所述用户能力缺陷确定目标推荐策略;在确定所述用户能力缺陷不满足预设条件时,根据所述用户能力缺陷、所述历史做题信息携带的试题主题和所述用户所处年级,确定目标推荐策略。
可选的,所述信息获取单元,具体用于:
将在预设时间段内存储的携带有第i个试题主题的各用户错题信息均确定为历史做题信息;或者,分别将存储时间距离当前时间最近的携带有第i个试题主题的T个用户错题信息确定为历史做题信息;T为正整数,i为正整数,i≤N,N为试题主题个数;
所述能力确定单元,具体用于:
分别对各历史做题信息进行分析,确定各历史做题信息对应的用户能力缺陷。
可选的,所述策略确定单元,具体用于:分别根据各历史做题信息对应的用户能力缺陷,确定各历史做题信息对应的目标推荐策略;
所述试题确定单元,具体用于:分别根据各历史做题信息对应的目标推荐策略,确定各历史做题信息对应的候选推荐试题;
所述试题推荐单元,具体用于:
根据携带有第i个试题主题的各历史做题信息对应的候选推荐试题,生成第i个试题主题对应的试题推荐集,并按照第i个试题主题对应的推荐优先级及试题推荐比例,对所述第i个试题主题对应的试题推荐集进行试题抽取,得到各目标推荐试题,并将所述目标推荐试题推荐给所述用户;其中,i为正整数,i≤N,N为试题主题个数。
可选的,所述装置还包括:
试题选择单元,用于从扩展试题集中选择预设数目的试题,作为待推荐试题;其中,所述扩展试题集包括至少一个携带有扩展主题的试题;所述扩展主题表征用户未练习过的试题主题;
所述试题推荐单元,具体用于:
将所述候选推荐试题和所述待推荐试题推荐给所述用户。
可选的,所述装置还包括:
水平获取单元,用于获取用户预设能力水平;
所述策略确定单元,具体用于:
根据所述用户能力缺陷和所述用户预设能力水平,确定目标推荐策略。
基于上述技术方案,本申请具有以下有益效果:
本申请提供的试题推荐方法中,在接收到用户触发的试题推荐请求之后,先获取到该用户的历史做题信息,并对历史做题信息进行分析,确定用户能力缺陷;再根据该用户能力缺陷确定目标推荐策略,并依据该目标推荐策略从备选试题集中筛选出候选推荐试题,以便将该候选推荐试题推荐给用户。其中,因用户能力缺陷是基于用户的历史做题信息确定的,使得该用户能力缺陷能够准确地表征用户在历史做题过程中存在的解题能力缺陷,从而使得基于该用户能力缺陷推荐的候选推荐试题,是针对该用户在历史做题过程中存在的解题能力缺陷进行推荐的,如此能够提高试题推荐的精准性,从而能够提高用户体验。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,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的附图。
图1为本申请实施例提供的应用于终端设备的试题推荐方法的应用场景示意图;
图2为本申请实施例提供的应用于服务器的试题推荐方法的应用场景示意图;
图3为本申请实施例提供的一种试题推荐方法的流程图;
图4为本申请实施例提供的推荐策略选择逻辑图;
图5为本申请实施例提供的试题推荐装置的结构示意图。
具体实施方式
为了便于理解本申请技术方案,下面介绍一些基本概念。
英语听说试题包括听力试题和口语试题。
听力试题用于考查用户对语言的听取及理解能力,而且听力试题的考查形式为客观题(如听后选择、听后填空、听后排序等试题)。
口语试题用于考察用户对语言的表达能力,而且口语试题考查形式包括朗读题、问答题和表述题。其中,朗读题用于考查用户的语音语调和情感,而且朗读题对应的考查内容为用户发音是否准确。问答题用于考查用户理解能力和表达能力,而且问答题对应的考查内容可以包括用户发音是否准确、用户回答是否准确且完整等。表述题用于考查用户对语言的表述能力,而且表述题对应的考查内容可以包括用户表述是否准确且完整、用户表述是否流畅、用户发音是否准确等。
试题属性用于描述试题所具有的标签信息,而且试题属性可以包括试题内容、试题标准答案、试题题型、试题难度、试题主题、试题适用年级和试题对应的教材单元等中的至少一种。
试题题型表征试题类型。例如,口语试题的试题题型包括朗读题、问答题和表述题。
试题主题表征试题的主要内容。例如,试题主题可以为足球、爱好、理想等。
试题适用年级表征试题使用对象。例如,当一个试题的试题适用年级为高三时,确定该试题适用于高三学生进行练习。
试题对应的教材单元表征与试题相关的教材单元,其具体为:当试题属于教材内试题时,试题对应的教材单元是指包括有该试题的教材单元;当试题不属于教材内试题,但该试题的考核知识点属于教材内容时,试题对应的教材单元是指包括有该试题的考核知识点的教材单元。
用户属性用于描述用户所具有的标签信息,而且用户属性可以包括用户标识和年级信息等。其中,用户标识用于唯一标识用户,例如,当本申请实施例提供的试题推荐方法应用于试题推荐***时,用户标识可以是用户账号。年级信息用于描述用户所处年级。需要说明的是,试题推荐***是指用于实现试题推荐方法的***。
用户作答结果用于描述用户提供的试题解答内容与试题标准答案之间的异同点。
为了解决背景技术部分的技术问题,本申请实施例提供了一种试题推荐方法,其具体为:在接收到用户触发的试题推荐请求之后,获取用户的历史做题信息;对历史做题信息进行分析,确定用户能力缺陷;根据用户能力缺陷确定目标推荐策略;依据目标推荐策略从备选试题集中筛选出候选推荐试题;将候选推荐试题推荐给用户。
另外,本申请实施例不限定试题推荐方法的执行主体,例如,本申请实施例提供的试题推荐方法可以应用于终端设备或服务器等数据处理设备。其中,终端设备可以为智能手机、计算机、个人数字助理(Personal Digital Assitant,PDA)或平板电脑等。服务器可以为独立服务器、集群服务器或云服务器。
为了便于理解本申请实施例提供的技术方案,下面分别结合图1和图2对本申请实施例提供的试题推荐方法的应用场景进行示例性介绍。其中,图1为本申请实施例提供的应用于终端设备的试题推荐方法的应用场景示意图;图2为本申请实施例提供的应用于服务器的试题推荐方法的应用场景示意图。
在图1所示的应用场景中,当用户101在终端设备102上触发试题推荐请求时,终端设备102接收该试题推荐请求,并通过执行本申请实施例提供的试题推荐方法向用户101进行试题推荐。例如,终端设备102向用户101进行试题推荐的过程具体可以为:终端设备102先获取用户101的历史做题信息,并对历史做题信息进行分析,确定用户能力缺陷;终端设备102再根据该用户能力缺陷确定目标推荐策略,并依据该目标推荐策略从备选试题集中筛选出候选推荐试题,以便将该候选推荐试题推荐给用户101,以使用户101能够在终端设备102上查看该候选推荐试题。
在图2所示的应用场景中,当用户201在终端设备202上触发试题推荐请求时,终端设备202接收该试题推荐请求,并将该试题推荐请求转发给服务器203,以使服务器203通过执行本申请实施例提供的试题推荐方法向用户201进行试题推荐。例如,服务器203向用户101进行试题推荐的过程具体可以为:服务器203先获取用户201的历史做题信息,并对历史做题信息进行分析,确定用户能力缺陷;再根据该用户能力缺陷确定目标推荐策略,并依据该目标推荐策略从备选试题集中筛选出候选推荐试题,以便将该候选推荐试题发送给终端设备202进行显示,以使用户201能够在终端设备202上查看该候选推荐试题。
需要说明的是,本申请实施例提供的试题推荐方法不仅能够应用于图1或图2所示的应用场景中,还可以应用于其他需要进行试题推荐的应用场景中,本申请实施例对此不做具体限定。
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做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。
方法实施例一
参见图3,该图为本申请实施例提供的一种试题推荐方法的流程图。
本申请实施例提供的试题推荐方法,包括S301-S305:
S301:在接收到用户触发的试题推荐请求之后,获取用户的历史做题信息。
试题推荐请求用于请求向用户推荐试题,而且本申请实施例不限定用户触发试题推荐请求的实施方式。例如,用户可以通过点击推荐按钮的方式触发试题推荐请求,也可以通过打开、切换或刷新试题推荐页面的方式触发试题推荐请求。
历史做题信息用于描述用户已完成试题(也就是,已做试题)的相关信息,而且历史做题信息可以携带有用户作答结果、试题得分和至少一种试题属性等信息。另外,用户已完成的各个试题均对应一个历史做题信息,以使该历史做题信息能够准确地表征其对应的已完成试题的相关信息,而且本申请实施例不限定历史做题信息的个数。
在一些情况下,为了提高试题推荐的精确性,可以将距离当前时间最近的一些用户已完成试题的相关信息均确定为历史做题信息。基于此,本申请实施例还提供了S301的两种实施方式,下面分别进行介绍。
作为第一种实施方式,S301具体可以为:将在预设时间段内存储的各用户做题信息均确定为历史做题信息。
预设时间段表征距离当前时刻最近且时长达到预设时长的历史时间段,也就是,预设时间段为时间段区间[当前时刻-预设时长,当前时刻]。也就是,预设时间段是以当前时刻为终点,并以当前时刻与预设时长的差值为起点。其中,预设时长可以预先设定。
需要说明的是,本申请实施例不限定当前时刻,当前时刻可以是指S301的执行时刻。另外,当前时刻也可以是指试题推荐请求的接收时刻。例如,假设预先设定预设时长为3个小时,而且试题推荐请求的接收时刻为2020年1月2日30:00。基于该假设可知,预设时间段为[2020年1月2日7:00,2020年1月2日30:00]。
基于上述S301的第一种实施方式的相关内容可知,在接收到试题推荐请求之后,可以将在预设时间段内存储的各用户做题信息均确定为历史做题信息,以便后续能够基于这些历史做题信息进行试题推荐。其中,因预设时间段是距离当前时刻最近的历史时间段,使得在预设时间段内存储的各用户做题信息能够更准确地表征用户的知识掌握水平,从而使得基于这些用户做题信息推荐的试题能够更接近当前时刻下用户的试题需求,如此有利于提高试题推荐的精确性。
作为第二种实施方式,S301具体可以为:分别将存储时间距离当前时间最近的R个用户做题信息确定为历史做题信息。
R为正整数,而且R可以根据应用场景预先设定。例如,当本申请实施例提供的试题推荐方法应用于试题推荐***时,R可以根据试题库中试题总数和/或***使用频率进行设定。其中,试题库是指试题推荐***中用于存储所有试题的数据库。***使用频率是指试题推荐***被访问的频率。
基于上述S301的第二种实施方式的相关内容可知,在接收到试题推荐请求之后,可以分别将存储时间距离当前时间最近的R个用户做题信息确定为历史做题信息。其中,因上述R个用户做题信息能够更准确地表征用户的知识掌握水平,从而使得基于这些用户做题信息推荐的试题能够更接近当前时刻下用户的试题需求,如此有利于提高试题推荐的精确性。还因R是预先设定的,使得R个用户做题信息能够保证推荐所依据数据量充足及有效,如此有利于进一步提高试题推荐的精确性。
另外,为了提高试题推荐效率,可以只将获取的各个用户错题信息均确定为历史做题信息,以使后续只需针对这些用户错题信息进行分析即可。基于此可知,历史做题信息可以为用户错题信息。其中,用户错题信息用于描述用户回答存在错误的已做试题的相关信息。
在一些情况下,为了保证试题推荐的全面性,可以将不同试题主题下的用户试题对应的用户错题信息均确定为历史做题信息,以保证试题推荐的依据材料多样化。基于此,本申请实施例还提供了S301的另外两种实施方式,下面分别进行介绍。
作为第三种实施方式,S301具体可以为:将在预设时间段内存储的携带有第1个试题主题的各用户错题信息、携带有第2个试题主题的各用户错题信息、……、以及携带有第N个试题主题的各用户错题信息均确定为历史做题信息。其中,N为试题主题个数。需要说明的是,预设时间段的相关内容请参见上文。
作为示例,假设在预设时间段内存储有第一个用户错题信息至第八个用户错题信息,第一个用户错题信息至第三个用户错题信息均携带有第1个试题主题,第四个用户错题信息至第五个用户错题信息均携带有第2个试题主题,且第六个用户错题信息至第八个用户错题信息均携带有第3个试题主题。基于该假设可知,S301具体可以为:将第一个用户错题信息至第八个用户错题信息均确定为历史做题信息。
可见,因利用S301的第三种实施方式获取的历史做题信息,覆盖了用户在预设时间段内完成的多个试题主题下的用户错题对应的用户错题信息,使得后续基于这些涉及多个试题主题的用户错题信息推荐的试题,能够覆盖用户在上述多个试题主题下的用户失分点,从而使得这些推荐的试题更适于该用户,如此有效地提高了推荐试题的精确性。
作为第四种实施方式,S301具体可以为:分别将存储时间距离当前时间最近的携带有第1个试题主题的T个用户错题信息、携带有第2个试题主题的T个用户错题信息、……、携带有第N个试题主题的T个用户错题信息确定为历史做题信息。其中,N为试题主题个数。
T为正整数,而且T可以根据应用场景预先设定。另外,当本申请实施例提供的试题推荐方法应用于试题推荐***时,T可以根据试题库中试题总数和/或***使用频率进行设定。其中,试题库是指试题推荐***中用于存储所有试题的数据库。***使用频率是指试题推荐***被访问的频率。
作为示例,当T为50时,S301具体可以为:分别将存储时间距离当前时间最近的携带有第1个试题主题的50个用户错题信息确定为历史做题信息;分别将存储时间距离当前时间最近的携带有第2个试题主题的50个用户错题信息确定为历史做题信息;……;分别将存储时间距离当前时间最近的携带有第N个试题主题的50个用户错题信息确定为历史做题信息。
可见,因利用S301的第四种实施方式获取的历史做题信息,覆盖了用户近期完成的多个试题主题下的T个用户错题信息,使得基于这些涉及多个试题主题的用户错题信息推荐的试题,能够覆盖用户在上述多个试题主题下的用户失分点,从而使得这些推荐的试题更适于该用户,如此有效地提高了推荐试题的精确性。还因T是预先设定,使得各个试题主题下的T个用户做题信息还能够保证相应试题主题下的试题推荐的依据材料的数据量充足及有效,如此有利于进一步提高试题推荐的精确性。
基于上述S301的相关内容可知,本申请实施例中,在接收到用户触发的试题推荐请求之后,可以获取用户近期的历史做题信息,尤其是获取用户近期完成的至少一个试题主题下的用户错题信息,以使后续能够基于这些历史做题信息或用户错题信息分析用户失分原因。
S302:对历史做题信息进行分析,确定用户能力缺陷。
用户能力缺陷用于描述用户做题能力上存在的缺陷,而且不同应用领域对应的用户能力缺陷不同。例如,对于口语试题领域来说,用户能力缺陷可以包括知识点掌握方面的缺陷、发音方面的缺陷和表述方面的缺陷等。
在一些情况下,因用户能力缺陷可以根据用户做题失分原因确定,故在获取到历史做题信息之后,可以先分析用户失分原因再确定用户能力缺陷。基于此,本申请实施例提供了确定用户能力缺陷(也就是S302)的一种实施方式,其具体包括S3021和S3022:
S3021:对历史做题信息进行分析,确定用户失分原因。
用户失分原因用于描述用户没有给出试题准确答案的原因。
另外,不同应用领域中的不同试题题型对应于不同的失分原因。例如,如表1所示,对于口语试题领域来说,因不同试题题型的考查内容不同,使得不同试题题型对应于不同的失分原因。
需要说明的是,表1中的大写字母均是失分原因标识,例如,A用于唯一标识失分原因“答题时某音素发音不准确”。
表1口语试题领域中不同试题题型对应的失分原因
另外,因不同试题题型对应于不同的失分原因,故可以基于历史做题信息携带的试题题型确定该历史做题信息对应的用户失分原因。基于此,本申请实施例提供了一种分析用户失分原因(也就是S3021)的实施方式,具体包括S30211-S30212:
S30211:根据历史做题信息携带的试题题型,确定该试题题型对应的考查内容。
在一些情况下,为了能够实现基于试题题型确定考查内容,可以预先建立各试题题型与各考查内容之间的对应关系,以便后续能够利用该对应关系查找确定对应于历史做题信息携带的试题题型的考查内容。基于此,本申请实施例还提供了S30211的一种实施方式,其具体为:根据第三映射关系和历史做题信息携带的试题题型,确定该试题题型对应的考查内容。
其中,第三映射关系用于记录试题题型与考查内容之间的对应关系,而且不同应用于领域对应于不同的第三映射关系。例如,在口语试题领域中的第三映射关系可以包括表2所示的各试题题型与各考查内容之间的对应关系。
基于上述S30211的相关内容可知,在获取到历史做题信息之后,可以先根据历史做题信息携带的试题题型确定考查内容,其具体为:在预先构建的第三映射关系中查找对应于历史做题信息携带的试题题型的考查内容,作为该试题题型对应的考查内容,以便后续能够基于该考查内容分析出用户失分原因。
表2口语试题中不同试题题型对应的考查内容
S30212:依据历史做题信息携带的用户作答结果和上述试题题型对应的考查内容,确定用户失分原因。
在一些情况下,为了能够基于用户作答结果和考查内容分析出用户失分原因,可以预先设定每项考查内容中各失分原因的判断条件。基于此,本申请实施例还提供了S30212的一种实施方式,其具体为:先根据上述试题题型对应的考查内容获取失分原因判断条件集,再根据历史做题信息携带的用户作答结果和失分原因判断条件集,确定用户失分原因。其中,失分原因判断条件集用于记录上述试题题型对应的失分原因所满足的判断条件。
可见,本申请实施例中,在确定出历史做题信息携带的试题题型对应的考查内容之后,可以先从第四映射关系中查找对应于该考查内容的失分原因判断条件集,再将历史做题信息携带的用户作答结果与该失分原因判断条件集中的各判断条件一一比对,并将该用户作答结果能够满足的判断条件对应的失分原因确定为用户失分原因。
此外,本申请实施例不限定用户失分原因的分析方法,本申请实施例还可以采用现有的或将来有的任一种能够从历史做题信息中分析出用户失分原因的方法进行实施。
另外,当在S301中获取到多个历史做题信息时,S3021具体可以为:分别对各历史做题信息进行分析,确定各历史做题信息对应的用户失分原因。例如,当在S301中获取到R个历史做题信息,R为正整数时,S3021具体可以为:对第1个历史做题信息进行分析,确定第1个历史做题信息对应的用户失分原因;……(依次类推);对第R个历史做题信息进行分析,确定第1个历史做题信息对应的用户失分原因。可见,本申请实施例可以对用户已完成的各个试题(尤其是各个错题)一一进行分析,确定出各个试题(尤其是各个错题)对应的用户失分原因。
基于上述S3021的相关内容可知,在获取到历史做题信息之后,可以从该历史做题信息中分析出用户失分原因,以便后续能够基于该用户失分原因确定用户在历史做题过程中存在的解题能力缺陷。
S3022:根据用户失分原因分析用户能力缺陷。
用户能力缺陷用于描述用户做题能力上存在的缺陷,而且不同应用领域对应的用户能力缺陷不同。例如,对于口语试题领域来说,用户能力缺陷可以包括知识点掌握方面的缺陷、发音方面的缺陷和表述方面的缺陷等。
另外,对于任一应用领域来说,不同用户失分原因可能属于不同的失分类型,也可以属于相同的失分类型。为了便于理解,下面结合示例进行说明。
作为示例,如表3所示,对于口语试题领域来说,“答题时某音素发音不准确”、“表述时某音素发音不准确”和“朗读时某音素发音不准确”等失分原因均属于第I类失分类型;“关键信息回答错误”、“关键信息回答不全”、“表达信息不完整”和“因回答内容不完整导致表达语言不流畅”等失分原因均属于第II类失分类型;“人称错误”等失分原因均属于第III类失分类型;“时态错误”等失分原因均属于第IV类失分类型;“句子成分缺失”等失分原因均属于第V类失分类型;“表达含义不准确”等失分原因均属于第VI类失分类型;“回答内容完整但表达语言不流畅”等失分原因均属于第VII类失分类型。
表3口语试题中不同失分原因对应的解题能力缺陷
需要说明的是,表3中的罗马数字均是失分类型的标识,例如,“I”用于标识失分类型“发音不准确”。表3中的小写字母均是解题能力缺陷的标识,例如,“a”用于唯一标识解题能力缺陷“用户发音存在问题”。
另外,不同失分类型分别对应于不同的解题能力缺陷(如表3所示)。需要说明的是,因失分原因“表达语言不流畅”包括“因回答内容不完整导致表达语言不流畅”和“回答内容完整但表达语言不流畅”这两种原因,故失分原因“表达语言不流畅”可以分别属于第II类失分类型和第VII类失分类型,从而使得失分原因“表达语言不流畅”对应于两种解题能力缺陷(也就是表3中的b和g)。
基于上述内容可知,可以预先建立不同失分原因与失分类型之间的对应关系、以及不同失分类型与不同解题能力缺陷之间的对应关系,以便后续能够基于上述两个对应关系确定对应于用户失分原因的用户能力缺陷。基于此,本申请实施例还提供了S3022的一种实施方式,其具体包括步骤S30221-S30222:
S30221:根据用户失分原因和第一映射关系,确定用户失分类型。
用户失分类型用于表征用户失分原因所属的失分类型。
第一映射关系用于记录各失分原因与各失分类型之间的对应关系。例如,如表3所示,对于口语试题领域来说,第一映射关系包括A、J、K失分原因与第I类失分类型之间的对应关系,B、C、G、I失分原因与第II类失分类型之间的对应关系,D失分原因与第III类失分类型之间的对应关系,E失分原因与第IV类失分类型之间的对应关系,F失分原因与第V类失分类型之间的对应关系,H失分原因与第VI类失分类型之间的对应关系,I失分原因与第VII类失分类型之间的对应关系。
可见,在本申请实施例中,在获取到用户失分原因之后,可以先从第一映射关系中查询对应于该用户失分原因的失分类型,作为用户失分类型,以便后续能够基于该用户失分类型确定用户能力缺陷。
S30222:将用户失分类型对应的解题能力缺陷,确定为用户能力缺陷。
本申请实施例中,因每一失分类型均对应于一种解题能力缺陷,故可以预先建立一个用于记录不同失分类型与不同解题能力缺陷之间对应关系的第五映射关系,以使在确定出用户失分类型之后,可以直接从第五映射关系中查找对应于用户失分类型的解题能力缺陷,作为用户能力缺陷。
在一些情况下,当在S3021中获取到多个失分原因时,S3022具体可以为:分别对各历史做题信息对应的用户失分原因进行分析,得到各历史做题信息对应的用户能力缺陷。例如,S3022具体可以为:对第1个历史做题信息对应的用户失分原因进行分析,得到第1个历史做题信息对应的用户能力缺陷;……(依次类推);对第R个历史做题信息对应的用户失分原因进行分析,得到第R个历史做题信息对应的用户能力缺陷。其中,R为正整数,R为历史做题信息的个数。可见,本申请实施例可以对各失分原因一一分析,确定出各失分原因所体现出的用户能力缺陷。
基于上述S3022的相关内容可知,在获取到用户失分原因之后,可以从该用户失分原因中分析出用户自身存在的解题能力缺陷(也就是,用户能力缺陷),以便后续能够针对用户自身存在的解题能力缺陷进行相应的试题推荐,如此有利于用户快速克服自身存在的解题能力缺陷。
在一些情况下,当在S301中获取到多个历史做题信息时,S302具体可以为:分别对各历史做题信息进行分析,确定各历史做题信息对应的用户能力缺陷。例如,S302具体可以为:对第1个历史做题信息进行分析,确定第1个历史做题信息对应的用户能力缺陷;……(依次类推);对第R个历史做题信息进行分析,确定第R个历史做题信息对应的用户能力缺陷。其中,R为正整数,R为历史做题信息的个数。可见,本申请实施例可以对用户已完成的各个试题(尤其是各个错题)一一进行分析,确定出各个试题(尤其是各个错题)对应的用户能力缺陷。
基于上述S302的相关内容可知,在获取到用户的历史做题信息之后,可以从该历史做题信息中分析出用户在历史做题过程中存在的解题能力缺陷,以便后续能够基于用户存在的这些解题能力缺陷对用户进行试题推荐,以使推荐给用户的试题能够帮助用户克服这些解题能力缺陷。
S303:根据用户能力缺陷确定目标推荐策略。
目标推荐策略是指为了克服用户能力缺陷所使用的试题推荐策略。
另外,在各个应用领域中,不同解题能力缺陷应该采用不同的试题推荐策略。例如,如表4所示,对于口语试题领域来说,各个解题能力缺陷分别对应于不同的试题推荐策略。
表4口语试题领域中的解题能力缺陷与试题推荐策略的对应关系
需要说明的是,在表4中,“低一个年级”是指比用户所处年级低一个年级;“相同年级”是指与用户所处年级相同;“当前试题主题”是指与用户做题信息中携带的试题主题相同的试题主题;“相同学段”是指与用户所处学段相同的学段。其中,学段用于描述用户的学习阶段,例如,学段可以为小学、初中、高中或大学等。
为了便于理解表4中解题能力缺陷与试题推荐策略的对应关系,下面分别介绍该对应关系的设定理由:
因a解题能力缺陷表征用户针对某音素发音不准,故对应于a解题能力缺陷的试题推荐策略为策略1,且策略1能够用于纠正和强化用户发音;
因b解题能力缺陷表征用户基础知识掌握欠缺,故对应于b解题能力缺陷的试题推荐策略为策略2,且策略2能够在提升用户学习自信心的前提下激励用户努力进步;
因c或b解题能力缺陷表征用户针对特定语法内容(如人称或时态)存在使用问题,故对应于c或b解题能力缺陷的试题推荐策略为策略5,且策略5能够用于纠正和强化用户对该特定语法内容的使用;
因e解题能力缺陷表征用户针对当前试题主题下的语法存在使用问题,故对应于e解题能力缺陷的试题推荐策略为策略4,且策略4能够用于锻炼用户的语法使用;
因f解题能力缺陷表征用户易混淆一些相似试题主题下的知识点,故对应于f解题能力缺陷的试题推荐策略为策略3,且策略3能够用于纠正和强化各个试题主题下的知识点;
因g解题能力缺陷表征用户对知识点掌握较好只是表述不流畅,故对应于g解题能力缺陷的试题推荐策略为策略6,且策略6能够用于提高用户口语表述流畅度。
可见,因不同解题能力缺陷应该采用不同的试题推荐策略,故可以预先建立不同解题能力缺陷与不同试题推荐策略之间的对应关系(如表4所示),以便后续能够基于上述对应关系直接确定对应于用户能力缺陷的目标推荐策略。基于此,本申请实施例还提供了S303的一种实施方式,其具体为:根据用户能力缺陷和第二映射关系,确定目标推荐策略。
其中,第二映射关系用于记录解题能力缺陷与试题推荐策略之间的对应关系。例如,对于口语试题领域来说,第二映射关系可以包括a解题能力缺陷与策略1之间的对应关系、b解题能力缺陷与策略2之间的对应关系、c或b解题能力缺陷与策略5之间的对应关系、e解题能力缺陷与策略4之间的对应关系、f解题能力缺陷与策略3之间的对应关系、以及g解题能力缺陷与策略6之间的对应关系。
在一些情况下,有的目标推荐策略(如策略1和策略5)可以只根据用户能力缺陷确定,有的目标推荐策略(如策略2和策略3等)可以根据用户能力缺陷、历史做题信息携带的试题主题和用户所在年级确定。基于此,本申请实施例提供了S303的一种实施方式,其具体为:判断用户能力缺陷是否满足预设条件;若是,则根据用户能力缺陷确定目标推荐策略;若否,则根据用户能力缺陷、历史做题信息携带的试题主题和用户所处年级,确定目标推荐策略。
其中,预设条件可以预先设定,而且预设条件可以为属于预设能力缺陷。例如,对于口语试题领域来说,预设能力缺陷包括“用户发音存在问题”、“用户对于人称的使用不熟练”和“用户对于时态的使用不熟练”。
在一些情况下,当在S302中获取到多个用户能力缺陷时,S303具体可以为:分别根据各历史做题信息对应的用户能力缺陷,确定各历史做题信息对应的目标推荐策略。例如,S303具体可以为:根据第1个历史做题信息对应的用户能力缺陷,确定第1个历史做题信息对应的目标推荐策略;……(依次类推);根据第R个历史做题信息对应的用户能力缺陷,确定第R个历史做题信息对应的目标推荐策略。其中,R为正整数,R为历史做题信息的个数。可见,本申请实施例可以针对各个用户能力缺陷一一进行分析,确定出能够用于克服每一用户能力缺陷的目标推荐策略。
基于上述S303的相关内容可知,在获取到用户能力缺陷之后,可以从第二映射关系中查找对应于该用户能力缺陷的试题推荐策略,作为目标推荐策略,以便后续能够使用该目标试题推荐策略进行试题推荐。
S304:依据目标推荐策略,从备选试题集中筛选出候选推荐试题。
备选试题集可以预先设定,而且备选试题集可以根据用户错题和用户未做试题确定。
候选推荐试题表征用于克服用户失分原因的推荐试题。
另外,因不同的目标推荐策略对应于不同的候选推荐试题,故当在S303中确定出多个目标推荐策略时,S304具体可以为:分别根据各历史做题信息对应的目标推荐策略,确定各历史做题信息对应的候选推荐试题。作为示例,当在S303中确定出R个历史做题信息对应的目标推荐策略,R为正整数时,S303具体可以为:根据第1个历史做题信息对应的目标推荐策略,确定第1个历史做题信息对应的候选推荐试题;……(依次类推);根据第R个历史做题信息对应的目标推荐策略,确定第R个历史做题信息对应的候选推荐试题。可见,本申请实施例可以分别利用每个历史做题信息对应的目标推荐策略进行试题推荐,以使各历史做题信息对应的候选推荐试题分别能够帮助用户克服相应的用户能力缺陷。
基于上述S304的相关内容可知,在确定出用户能力缺陷对应的目标推荐策略之后,可以依据该用户能力缺陷对应的目标推荐策略,从备选试题集中筛选出候选推荐试题,以使该候选推荐试题能够用于克服用户能力缺陷,从而有利于帮助用户克服该用户失分原因。
S305:将候选推荐试题推荐给用户。
本申请实施例中,在获取到候选推荐试题之后,可以将全部或部分候选推荐试题推荐给用户,以便用户能够通过练习这些候选推荐试题克服用户失分原因。
在一些情况下,因候选推荐试题太多,故可以依据各历史做题信息携带的试题主题确定目标推荐试题(也就是,最终推荐给用户的试题)。基于此,本申请实施例还提供了S305的一种实施方式,在该实施方式中将以对携带有第i个试题主题的各历史做题信息对应的候选推荐试题进行推荐为例进行说明,i为正整数,i≤N,N为试题主题个数;此时S305具体包括S3051-S3053:
S3051:根据携带有第i个试题主题的各历史做题信息对应的候选推荐试题,生成第i个试题主题对应的试题推荐集。
S3052:按照第i个试题主题对应的推荐优先级及试题推荐比例,从第i个试题主题对应的试题推荐集进行试题抽取,得到各目标推荐试题。
S3053:将上述目标推荐试题推荐给用户。
其中,第i个试题主题对应的推荐优先级用于描述第i个试题主题对应的试题推荐集的推荐顺序,而且若第i个试题主题对应的推荐优先级越高,则第i个试题主题对应的推荐顺序越靠前。
另外,第i个试题主题对应的推荐优先级可以根据携带有第i个试题主题的各历史做题信息确定,其具体包括如下三步:
第一步:根据携带有第i个试题主题的各历史做题信息携带的试题得分,确定第i个试题主题对应的试题得分值。
本申请实施例不限定第i个试题主题对应的试题得分值的计算方式,例如,可以将携带有第i个试题主题的各历史做题信息携带的试题得分的进行加和(或者平均值),得到第i个试题主题对应的试题得分值。又如,可以先分别计算携带有第i个试题主题的各历史做题信息携带的试题得分比率,再将携带有第i个试题主题的各历史做题信息携带的试题得分比率的进行加和(或者平均值),得到第i个试题主题对应的试题得分值。其中,试题得分比率是指试题得分与试题总分的比例。
第二步:将第1个试题主题对应的试题得分值至第N个试题主题对应的试题得分值按照预设排序标准进行排序,确定第i个试题主题对应的排序序号。
其中,预设排序标准可以预先设定,例如,预设排序标准可以为从大到小进行排序的排序标准,也可以为从小到大进行排序的排序标准。
第三步:根据预设排序标准和第i个试题主题对应的排序序号,确定第i个试题主题对应的推荐优先级。
本申请实施例中,在获取到第i个试题主题对应的排序序号之后,可以根据预设排序标准和第i个试题主题对应的排序序号,确定第i个试题主题对应的推荐优先级,而且推荐优先级的确定原则为:当预设排序标准为从大到小进行排序时,若第i个试题主题对应的排序序号越大,则第i个试题主题对应的推荐优先级越高;当预设排序标准为从小到大进行排序时,若第i个试题主题对应的排序序号越小,则确定第i个试题主题对应的推荐优先级越高。
也就是,若第i个试题主题对应的试题得分值越低,则该第i个试题主题对应的推荐优先级越高;若第i个试题主题对应的试题得分值越高,则该第i个试题主题对应的推荐优先级越低。
基于上述三步的相关内容可知,第i个试题主题对应的推荐优先级可以根据携带有第i个试题主题的各历史做题信息确定,尤其可以根据携带有第i个试题主题的各历史做题信息携带的试题得分确定。
第i个试题主题对应的试题推荐比例用于表征第i个试题主题对应的试题推荐集的试题筛选比例。
另外,第i个试题主题对应的试题推荐比例可以根据携带有第i个试题主题的各历史做题信息及其对应的推荐优先级共同确定,其具体为:判断第i个试题主题对应的推荐优先级是否满足推荐条件,若是,则先根据携带有第i个试题主题的各历史做题信息携带的试题得分,确定携带有第i个试题主题的各历史做题信息携带的试题得分比率,再根据携带有第i个试题主题的各历史做题信息携带的试题得分比率,计算第i个试题主题对应的试题推荐比例;若否,则确定第i个试题主题对应的试题推荐比例为0。
其中,推荐条件可以预先设定,例如,推荐条件可以为高于预设优先级(如高于第5优先级)。
另外,第i个试题主题对应的试题推荐比例可以利用携带有第i个试题主题的各历史做题信息携带的试题得分比率的加权求和计算得到。
基于上述S3051至S3053的相关内容可知,可以先获取第i个试题主题对应的推荐优先级、试题推荐比例以及试题推荐集,再按照第i个试题主题对应的推荐优先级及试题推荐比例,从第i个试题主题对应的试题推荐集进行试题抽取,得到各目标推荐试题。
需要说明的是,本申请实施例中,任一试题主题(如,第1个试题主题、……、第N个试题主题)对应的目标推荐试题均可以按照S3051至S3052进行确定。
基于上述介绍的试题推荐方法的相关步骤可知,在本申请提供的试题推荐方法中,在接收到用户触发的试题推荐请求之后,先获取到该用户的历史做题信息,并对历史做题信息进行分析,确定用户失分原因;再根据用户失分原因确定候选推荐试题,并将候选推荐试题推荐给用户。其中,因用户失分原因是基于用户的历史做题信息确定的,使得该用户失分原因能够准确地表征用户在历史做题过程中存在的错误,从而使得基于用户失分原因推荐的候选推荐试题,是针对该用户在历史做题过程中存在的错误进行推荐的,如此能够提高试题推荐的精准性,从而能够提高用户体验。
方法实施例二
在一些情况下,还可以从用户未练习过的试题主题中确定出一些推荐试题。基于此,本申请实施例还提供了试题推荐方法的一种实施方式,在该实施方式中,该试题推荐方法除了包括S301-S305以外,还包括S306:
S306:从扩展试题集中选择预设数目的试题,作为待推荐试题。
扩展试题集包括至少一个携带有扩展主题的试题,且扩展主题表征用户未练习过的试题主题。
预设数目可以预先设定。
另外,在该实施方式中,S305具体可以为:将上述候选推荐试题和上述待推荐试题推荐给用户。
基于上述内容可知,本申请实施例中,还可以先从用户仍未练习过的试题主题下的试题中筛选出一些试题,作为待推荐试题,再将这些待推荐试题以及全部或部分候选推荐试题推荐给用户,以使用户不仅能够对用于克服用户失分原因的推荐试题进行练习,还能够对用户仍未练习过的试题主题下的试题进行练习,如此有利于提高推荐试题的多样性。
在一些情况下,还可以进一步参考相关用户能力水平(例如,用户听力水平)进行试题推荐,例如,对于口语试题领域来说,还可以进一步参考用户听力水平进行试题推荐。基于此,本申请实施例提供了试题推荐方法的一种实施方式,在该实施方式中,试题推荐方法除了包括上述部分或全部步骤以外,还包括S307:
S307:获取用户预设能力水平。
用户预设能力可以预先设定,而且不同应用领域对应于不同的用户预设能力。例如,对于口语试题领域来说,用户预设能力可以为用户听力。
用户预设能力水平表征用户具有的预设能力水平,而且本申请实施例不限定用户预设能力水平的获取方式。例如,用户预设能力水平可以由用户自主设定,也可以根据用于评估用户预设能力水平的历史做题信息(如,听力题的历史做题信息)确定。
在一些情况下,用户预设能力水平可以根据用于评估用户预设能力水平的历史做题信息确定,其具体包括S3071-S3072:
S3071:分别根据各个用于评估用户预设能力水平的历史做题信息确定各个用户预设能力评价信息。
不同应用领域对应的用户预设能力评价信息不同。例如,当用户预设能力为用户听力时,用户预设能力评价信息可以为听懂且知识点掌握牢固(第①类评价信息)、知识点掌握不牢靠且易混淆(第②类评价信息)和听不懂且未掌握知识点(第③类评价信息)。
另外,每个历史做题信息对应的用户预设能力评价信息可以根据该历史做题信息携带的试题得分确定。
S3072:根据各个用户预设能力评价信息确定用户预设能力水平。
本申请实施例不限定S3072的实施方式,在一种可能的实施方式中,S3072具体可以为:将各个用户预设能力评价信息与水平判断条件集中的水平判断条件进行匹配,并将匹配成功的水平判断条件对应的预设能力水平,确定为用户预设能力水平。
其中,水平判断条件集包括至少一个水平判断条件。例如,当用户预设能力为用户听力时,水平判断条件集可以包括第一条件、第二条件和第三条件;
第一条件为第①类评价信息的出现频率(也就是,第①类评价信息的出现频次与用户预设能力评价信息总数的比值)高于第一阈值,而且第一条件对应的预设能力水平为第①类评价信息;
第二条件为第①类评价信息的出现频率低于第二阈值且第③类评价信息的出现频率(也就是第③类评价信息的出现频次与用户预设能力评价信息总数的比值)高于第三阈值,而且第二条件对应的预设能力水平为第③类评价信息;
第三条件为不满足第一条件且不满足第二条件,而且第三条件对应的预设能力水平为第②类评价信息。
基于上述S3071至S3072的相关内容可知,在分别根据各个用于评估用户预设能力水平的历史做题信息确定出各个用户预设能力评价信息之后,可以先将各个用户预设能力评价信息与水平判断条件集中的各水平判断条件一一进行匹配,并将匹配成功的水平判断条件对应的预设能力水平,确定为用户预设能力水平。
作为示例,当用户预设能力为用户听力,且水平判断条件集可以包括第一条件、第二条件和第三条件时,可以先根据各个用户预设能力评价信息,确定第①类评价信息的出现频率及第③类评价信息的出现频率;再从水平判断条件集确定出与第①类评价信息的出现频率及第③类评价信息的出现频率匹配成功的水平判断条件,并将该匹配成功的水平判断条件对应的预设能力水平,确定为用户预设能力水平。
基于上述S307的相关内容可知,在该实施方式中,S303具体可以为:根据用户能力缺陷和用户预设能力水平,确定目标推荐策略。
其中,用户预设能力水平可以用于限定推荐试题的试题难度,其具体为:当用户预设能力水平越高,则推荐试题的试题难度越高。
基于上述S307以及S303的相关内容可知,本申请实施例中,可以先获取用户能力缺陷和用户预设能力水平,再依据用户能力缺陷和用户预设能力水平确定候选推荐试题,以使该候选推荐试题不仅能够满足克服用户能力缺陷的需求,还能够符合用户预设能力水平对推荐试题的难度约束,如此能够有效地避免将难度不恰当的试题推荐给用户,从而能够提高试题推荐的精准性。
需要说明的是,本申请实施例不限定推荐试题的试题类型,例如,对于口语试题领域来说,推荐试题可以是口语试题也可以听力试题。
为了便于理解本申请实施例提供的试题推荐方法,下面结合口语领域中的试题推荐为例进行说明。
场景实施例
假设试题库包括W个试题主题下的试题,且试题库包括口语试题和听力试题;用户已练习过第1个试题主题至第N个试题主题下的试题。
基于上述假设可知,本申请实施例提供的应用于口语领域中的试题推荐方法,包括步骤1-4:
步骤1:在接收到用户触发的试题推荐请求之后,分别确定第1个试题主题对应的目标推荐试题集、……、第N个试题主题对应的目标推荐试题集。
因各个试题主题对应的目标推荐试题集的获取过程类似,故为了简要起见,下文将以第i个试题主题对应的目标推荐试题集的获取过程为例进行说明。其中,i为正整数,i≤N,N为用户已练习过的试题主题个数。
第i个试题主题对应的目标推荐试题集包括至少一个第i个试题主题对应的目标推荐试题,而且第i个试题主题对应的目标推荐试题集的获取过程具体包括步骤11-19:
步骤11:分别根据各个携带有第i个试题主题的历史听力试题信息,确定各历史听力试题信息对应的听力评价信息。
听力评价信息可以为听懂且知识点掌握牢固(第①类评价信息)、知识点掌握不牢靠且易混淆(第②类评价信息)或听不懂且未掌握知识点(第③类评价信息)。
本申请实施例不限定听力评价信息的获取方式,例如,听力评价信息可以根据历史听力试题信息携带的试题得分比率(也就是,试题得分与试题总分的比值)确定,也可以直接获取历史听力试题信息携带的听力评价信息(需要说明的是,该听力评价信息可以是由人工确定的)。
步骤12:根据各历史听力试题信息对应的听力评价信息,确定第i个试题主题对应的用户听力水平。
第i个试题主题对应的用户听力水平的确定过程具体可以为:首先,根据各个用户预设能力评价信息,确定第①类评价信息的出现频率及第③类评价信息的出现频率;然后,从水平判断条件集确定出与第①类评价信息的出现频率及第③类评价信息的出现频率匹配成功的水平判断条件,并将该匹配成功的水平判断条件对应的预设能力水平,确定为用户预设能力水平。
其中,水平判断条件集可以包括第一条件、第二条件和第三条件;第一条件为第①类评价信息的出现频率高于第一阈值(如40%),而且第一条件对应的预设能力水平为第①类评价信息;第二条件为第①类评价信息的出现频率低于第二阈值(如20%)且第③类评价信息的出现频率高于第三阈值(60%),而且第二条件对应的预设能力水平为第③类评价信息;第三条件为不满足第一条件且不满足第二条件,而且第三条件对应的预设能力水平为第②类评价信息。
另外,第i个试题主题对应的用户听力水平可以用于表征用户对第i个试题主题下的知识点掌握是否牢固,其具体为:当第①类评价信息的出现频率高于第一阈值时,可以确定该用户对第i个试题主题下的知识点掌握比较牢固;当第二条件为第①类评价信息的出现频率低于第二阈值且第③类评价信息的出现频率高于第三阈值时,可以确定该用户没有掌握第i个试题主题下的知识点;对于上述两个情况之外的情况来说,可以确定该用户对第i个试题主题下的知识点掌握不是很牢固。
需要说明的是,第一阈值、第二阈值和第三阈值均可以根据试题库数量和用户群体做题能力水平等因素确定。
步骤13:获取将存储时间距离当前时间最近的携带有第i个试题主题且第j个口语试题题型的T个用户错题信息,均作为历史做题信息。其中,j为正整数,j≤试题题型总数。
试题题型总数可以预先设定,例如,当口语试题题型包括:朗读题、问答题和表述题时,则试题题型总数为3。
为了便于理解步骤13,下面结合示例进行说明。
当口语试题题型包括:朗读题、问答题和表述题,且T为50时,步骤13具体可以为:将存储时间距离当前时间最近的携带有第i个试题主题和朗读题的50个用户错题信息、携带有第i个试题主题和问答题的50个用户错题信息、以及携带有第i个试题主题和表述题的50个用户错题信息,均确定为第i个试题主题对应的历史做题信息,以便后续能够基于这些历史做题信息,确定第i个试题主题对应的目标推荐试题集。
步骤14:对各个历史做题信息进行分析,确定各个历史做题信息对应的用户失分原因。
需要说明的是,步骤14可以采用上文提供的用户失分原因的任一实施方式进行实施。
步骤15:根据各个历史做题信息对应的用户失分原因和第i个试题主题对应的用户听力水平,确定各个历史做题信息对应的用户失分类型。
用户失分类型用于表征用户失分原因所属类型,而且用户失分类型可以根据用户失分类型以及用户听力水平确定。例如,用户失分类型可以为从表5中查找到的对应于用户失分类型以及用户听力水平的失分类型。需要说明的是,在表5中,将表3中的一些失分类型根据听力水平细分为多个子类型。例如,将第II类型细分为第II1子类、第II2子类和第II3子类。
表5口语试题领域中的失分类型细分表
为了便于理解步骤15,下面结合示例进行说明。
作为示例,当第i个试题主题对应的历史做题信息包括P个时,则步骤15具体为:根据第t个历史做题信息对应的用户失分原因和第i个试题主题对应的用户听力水平,在表5中查找得到第t个历史做题信息对应的用户失分类型;其中,t为正整数,t≤P,P为正整数。
步骤16:分别根据各个历史做题信息对应的用户失分类型,确定各个历史做题信息对应的用户能力缺陷。
本申请实施例中,每个失分类型均对应于一个解题能力缺陷,故在确定出各个历史做题信息对应的用户失分类型之后,可以分别确定出各个历史做题信息对应的用户能力缺陷。例如,本申请实施例可以利用表6执行步骤16,其具体为:根据第1个历史做题信息对应的用户失分类型,在表6中查找得到第1个历史做题信息对应的用户能力缺陷;……(依次类推);根据第P个历史做题信息对应的用户失分类型,在表6中查找得到第P个历史做题信息对应的用户能力缺陷。其中,P为正整数,P表示第i个试题主题对应的历史做题信息总数。
表6口语试题中不同失分类型对应的解题能力缺陷
需要说明的是,表6中,小写字母均是解题能力缺陷标识。例如,a用于唯一标识解题能力缺陷“用户发音存在问题”。
步骤17:分别根据各个历史做题信息对应的用户能力缺陷,确定各个历史做题信息对应的目标推荐策略。
实际上,因发音问题对用户口语能力影响比较大,可以最先判断用户发音是否存在问题;还因基础知识点对用户口语能力影响比语法知识对用户口语点能力影响大,故可以先判断用户基础知识点是否缺乏再判断用户口语知识点是否缺乏;还因在知识点均已掌握但表述不流畅对用户口语能力影响较小,故可以最后判断用户是否表述流畅。基于此,本申请实施例构建了图4所示的推荐策略选择逻辑。
作为示例,步骤17可以利用图4所示的推荐策略选择逻辑进行实施,其具体为:根据第1个历史做题信息对应的用户能力缺陷并利用图4所示的策略确定逻辑,确定第1个历史做题信息对应的目标推荐策略;……(依次类推);根据第P个历史做题信息对应的用户能力缺陷并利用图4所示的策略确定逻辑,确定第P个历史做题信息对应的目标推荐策略。其中,P为正整数,P表示第i个试题主题对应的历史做题信息总数。
另外,为了便于理解策略1至策略6,下面结合各个策略对应示例进行介绍。
作为策略1的示例:推荐包括用户发音不准音素的朗读单词试题和朗读句子试题,以纠正和强化学生发音。
需要说明的是,对于发音不准的用户来说,哪个音素发不好就需要反复训练那个因素。其中,使用单词进行练习过程是从音素本身训练入手的,而使用句子进行练习是从放在句子中连贯使用训练入手,两者结合能够全面锻炼用户发音。
作为策略2的示例:n%推荐低一个年级的相关试题主题且难度较难的听力试题;1-n%推荐相同年级的相同试题主题且难度为m的听力试题和朗读题。其中,n的取值根据试题库本身试题量而定。对于m取值来说,当失分类型为II1时,m取值不限,随机抽取;当失分类型为II2时,m取中等难度和简单难度;当失分类型为II3时,m取简单难度。
需要说明的是,对于基础知识掌握欠缺的用户来说,需要训练知识点熟练度,先从低年级试题主题开始巩固,降低接受难度,提升学生学习成就感和自信心;同时也少量拔高难度,训练一些本年级涉及的试题,激励学生努力进步。
作为策略3的示例:n%推荐相同年级的相同试题主题且难度为m的听力试题和朗读题;1-n%推荐相同学段的相似试题主题且难度为m的听力试题和朗读题。其中,n的取值根据试题库本身试题量而定。对于m取值来说,当失分类型为VI1时,m取高等难度;当失分类型为VI2时,m取中等难度;当失分类型为VI3时,m取简单难度。
需要说明的是,对于易混淆相似试题主题下知识点的用户来说,因其不同程度的区分不了试题主题下的知识点,故需要根据学生对知识点的熟悉程度推荐不同难度的相似试题主题下的试题对其进行知识扩充和巩固,并结合用户听力水平来判断推荐试题的难度。
作为策略4的示例:推荐相同年级的相同试题主题且难度为m的朗读题和表述题。其中,m取值:当失分类型为V1时,m取值高等难度;当失分类型为V2时,m取值中等难度;当失分类型为V3时,m取值简单难度。
需要说明的是,对于缺乏语法知识点的用户来说,因其不同程度地对相似试题主题下语法知识点不熟练,使得其存在语法上的欠缺之处,故向其推荐不同难度的相关朗读题和表述题让用户积极开口,以锻炼其口语表达。
作为策略5的示例:推荐具有与用户能力缺陷反映出的语法问题相同语法点的问答类试题,该试题难度为m,当失分类型为III1、III2或III3时,推荐考核点均为人称的试题,当组为IV1、IV2或IV3时,推荐考核点均为时态的试题;如果失分类型包括III1、III2或III3以及IV1、IV2或IV3时,两者同时推荐。m取值:当失分类型为III1或IV1时,m取高等难度;当失分类型为III2或IV2时,m取中等难度;当失分类型为III3或IV3时,m取简单难度。
需要说明的是,因这两大组错误原因最为明显,故直接针对用户能力缺陷反映出的语法问题进行推荐即可。
作为策略6的示例:推荐相同学段的相同试题主题或相似试题主题且难度为中等难度和高等难度的表述题。
需要说明的是,当用户对于话题知识点掌握较好,仅仅表达不够流畅时,说明用户熟练度不够,需要针对表述题多练习即可;而且对于口语较好的学生,难度取中等难度和高等难度较为适当。
基于上述内容以及图4可知,上述6个推荐策略的优先级排序为:策略1→策略2→策略3→策略4→策略5→策略6。
步骤18:分别根据各个历史做题信息对应的目标推荐策略,从备选试题集中筛选出各个历史做题信息对应的候选推荐试题集及其推荐优先级。
备选试题集包括用户听力错题、试题得分比率≤预设得分阈值(如80%)的用户口语错题、以及在用户所在年级下用户未做试题。
需要说明的是,备选试题集的设定原则为:在试题库中排除用户已经掌握的试题。其中,因听力试题为客观题,故用户做错的听力试题一定是需要巩固的试题。另外,对于口语试题来说,当口语错题的试题得分比率≤预设得分阈值时,确定用户实际水平不太理想,故需要用户对其进行重点关注和巩固。此外,用户未做的试题同样可以向用户进行推荐。
候选推荐试题集的推荐优先级用于描述在第i个试题主题下该候选推荐试题集被推荐的推荐顺序。
另外,候选推荐试题集的推荐优先级可以根据生成该候选推荐试题集的目标推荐策略的优先级排序序号确定。例如,若一个历史做题信息对应的目标推荐策略为策略3,则确定该历史做题信息对应的候选推荐试题集的推荐优先级为第三等级。
为了便于理解步骤18,下面结合示例对其进行说明。
作为示例,步骤18具体可以为:根据第1个历史做题信息对应的目标推荐策略,从备选试题集中筛选出第1个历史做题信息对应的候选推荐试题集及其推荐优先级;……;根据第P个历史做题信息对应的目标推荐策略,从备选试题集中筛选出第P个历史做题信息对应的候选推荐试题集及其推荐优先级。其中,P为正整数,P表示第i个试题主题对应的历史做题信息总数。
需要说明的是,本申请实施例中,候选推荐试题集的推荐优先级可以作为该候选推荐试题集中任一候选推荐试题对应的推荐优先级。
步骤19:根据各个历史做题信息对应的候选推荐试题集,得到第i个试题主题对应的目标推荐试题集。
在一种可能的实施方式下,步骤19具体包括步骤191-192:
步骤191:根据各个历史做题信息对应的候选推荐试题集,生成第i个试题主题对应的试题推荐集。
本申请实施例中,可以直接将各个历史做题信息对应的候选推荐试题集中所有候选推荐试题的集合,作为第i个试题主题对应的试题推荐集。例如,将第1个历史做题信息对应的候选推荐试题集中所有候选推荐试题、……、以及第P个历史做题信息对应的候选推荐试题集中所有候选推荐试题的集合,确定为第i个试题主题对应的试题推荐集。
步骤192:按照第i个试题主题对应的推荐优先级及试题推荐比例,对第i个试题主题对应的试题推荐集进行试题抽取,得到目标推荐试题集。
需要说明的是,步骤192可以采用上文S3042的实施方式进行实施,请参见上文。
另外,在一些情况下,第i个试题主题对应的试题推荐比例的计算公式具体为:第i个试题主题对应的试题推荐比例=口语试题得分率×第一系数(如60%)+听力试题得分率×第二系数(如40%)。
此外,对于步骤192来说,在按照试题推荐比例对第i个试题主题对应的试题推荐集进行试题抽取时,可以根据该试题推荐集中每一候选推荐试题对应的推荐优先级进行试题抽取,以优先抽取优先级较高的候选推荐试题。
基于上述步骤11至步骤19的相关内容可知,在本申请实施例中,第1个试题主题对应的目标推荐试题集、……、第N个试题主题对应的目标推荐试题集均可以按照上述步骤11至步骤19进行确定。
步骤2:根据用户所在年级,从扩展试题集中选择预设数目的试题,得到待推荐试题集。
作为示例,步骤2具体可以为:按照用户所在年级,从任意目标数目(如3个)用户未练习过的试题主题下的试题中选择出预设数目的试题(听力试题和朗读题),生成待推荐试题集。
需要说明的是,对用户未练习过的试题主题下的试题进行提前推荐,有助于预习和激励用户不断努力。
步骤3:根据各个试题主题对应的目标推荐试题集和待推荐试题集,确定最终推荐试题。
在一些情况下,可以直接将试题主题对应的目标推荐试题集中所有目标推荐试题以及待推荐试题集中所有待推荐试题均作为最终推荐试题。
在一些情况下,还可以按照一定比例进行试题推荐,其具体为:利用策略1确定的目标推荐试题按照第一比例(如60%)进行推荐,利用策略2-6确定的目标推荐试题按照第二比例(如30%)进行推荐,从扩展试题集选择的待推荐试题按照第三比例(如10%)进行推荐。
步骤4:将上述最终推荐试题推荐给用户。
基于上述步骤1至步骤4的相关内容可知,本申请实施例可以基于用户失分原因进行试题推荐,以使推荐给用户的试题能够帮助用户克服该用户失分原因,如此有利于提高推荐试题的精确性。
基于上述方法实施例提供的试题推荐方法,本申请实施例还提供了一种试题推荐装置,下面结合附图进行解释和说明。
装置实施例
装置实施例对试题推荐装置进行介绍,相关内容请参见上述方法实施例。
参见图5,该图为本申请实施例提供的试题推荐装置的结构示意图。
本申请实施例提供的试题推荐装置500,包括:
信息获取单元501,用于在接收到用户触发的试题推荐请求之后,获取所述用户的历史做题信息;
能力确定单元502,用于对所述历史做题信息进行分析,确定用户能力缺陷;
策略确定单元503,用于根据所述用户能力缺陷确定目标推荐策略;
试题确定单元504,用于依据所述目标推荐策略从备选试题集中筛选出候选推荐试题;
试题推荐单元505,用于将所述候选推荐试题推荐给所述用户。
作为一种实施方式,为了提高试题推荐精确性,所述能力确定单元502,包括:
原因分析子单元,用于对所述历史做题信息进行分析,确定用户失分原因;
能力分析子单元,用于根据所述用户失分原因分析所述用户能力缺陷。
作为一种实施方式,为了提高试题推荐精确性,所述原因分析子单元,具体用于:
根据所述历史做题信息携带的试题题型,确定所述试题题型对应的考查内容;依据所述历史做题信息携带的用户作答结果和所述试题题型对应的考查内容,确定用户失分原因。
作为一种实施方式,为了提高试题推荐精确性,所述能力分析子单元,具体用于:
根据所述用户失分原因和第一映射关系,确定用户失分类型;其中,所述第一映射关系用于记录各失分原因与各失分类型之间的对应关系;
将所述用户失分类型对应的解题能力缺陷,确定为用户能力缺陷。
作为一种实施方式,为了提高试题推荐精确性,所述策略确定单元503,具体用于:
根据所述用户能力缺陷和第二映射关系,确定目标推荐策略;其中,所述第二映射关系用于记录解题能力缺陷与试题推荐策略之间的对应关系。
作为一种实施方式,为了提高试题推荐精确性,所述策略确定单元503,具体用于:
判断所述用户能力缺陷是否满足预设条件;在确定所述用户能力缺陷满足预设条件时,根据所述用户能力缺陷确定目标推荐策略;在确定所述用户能力缺陷不满足预设条件时,根据所述用户能力缺陷、所述历史做题信息携带的试题主题和所述用户所处年级,确定目标推荐策略。
作为一种实施方式,为了提高试题推荐精确性,所述信息获取单元501,具体用于:
将在预设时间段内存储的携带有第i个试题主题的各用户错题信息均确定为历史做题信息;或者,分别将存储时间距离当前时间最近的携带有第i个试题主题的T个用户错题信息确定为历史做题信息;T为正整数,i为正整数,i≤N,N为试题主题个数;
所述能力确定单元502,具体用于:
分别对各历史做题信息进行分析,确定各历史做题信息对应的用户能力缺陷。
作为一种实施方式,为了提高试题推荐精确性,所述策略确定单元503,具体用于:分别根据各历史做题信息对应的用户能力缺陷,确定各历史做题信息对应的目标推荐策略;
所述试题确定单元504,具体用于:分别根据各历史做题信息对应的目标推荐策略,确定各历史做题信息对应的候选推荐试题;
所述试题推荐单元505,具体用于:
根据携带有第i个试题主题的各历史做题信息对应的候选推荐试题,生成第i个试题主题对应的试题推荐集,并按照第i个试题主题对应的推荐优先级及试题推荐比例,对所述第i个试题主题对应的试题推荐集进行试题抽取,得到各目标推荐试题,并将所述目标推荐试题推荐给所述用户;其中,i为正整数,i≤N,N为试题主题个数。
作为一种实施方式,为了提高试题推荐精确性,所述装置500还包括:
试题选择单元,用于从扩展试题集中选择预设数目的试题,作为待推荐试题;其中,所述扩展试题集包括至少一个携带有扩展主题的试题;所述扩展主题表征用户未练习过的试题主题;
所述试题推荐单元505,具体用于:
将所述候选推荐试题和所述待推荐试题推荐给所述用户。
作为一种实施方式,为了提高试题推荐精确性,所述装置500还包括:
水平获取单元,用于获取用户预设能力水平;
所述策略确定单元503,具体用于:
根据所述用户能力缺陷和所述用户预设能力水平,确定目标推荐策略。
进一步地,本申请实施例还提供了一种试题推荐设备,包括:处理器、存储器、***总线;
所述处理器以及所述存储器通过所述***总线相连;
所述存储器用于存储一个或多个程序,所述一个或多个程序包括指令,所述指令当被所述处理器执行时使所述处理器执行上述试题推荐方法的任一种实现方法。
进一步地,本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在终端设备上运行时,使得所述终端设备执行上述试题推荐方法的任一种实现方法。
进一步地,本申请实施例还提供了一种计算机程序产品,所述计算机程序产品在终端设备上运行时,使得所述终端设备执行上述试题推荐方法的任一种实现方法。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到上述实施例方法中的全部或部分步骤可借助软件加必需的通用硬件平台的方式来实现。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可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,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,或者诸如媒体网关等网络通信设备,等等)执行本申请各个实施例或者实施例的某些部分所述的方法。
需要说明的是,本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
还需要说明的是,在本文中,诸如第一和第二等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。而且,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。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (7)
1.一种试题推荐方法,其特征在于,包括:
在接收到用户触发的试题推荐请求之后,获取所述用户的历史做题信息;
对所述历史做题信息进行分析,确定用户能力缺陷;
根据所述用户能力缺陷确定目标推荐策略;
依据所述目标推荐策略从备选试题集中筛选出候选推荐试题;
将所述候选推荐试题推荐给所述用户;
其中,所述对所述历史做题信息进行分析,确定用户能力缺陷,包括:
对所述历史做题信息进行分析,确定用户失分原因;
根据所述用户失分原因和第一映射关系,确定用户失分类型;其中,所述第一映射关系用于记录各失分原因与各失分类型之间的对应关系;
将所述用户失分类型对应的解题能力缺陷,确定为用户能力缺陷;
或者,所述根据所述用户能力缺陷确定目标推荐策略,包括:
根据所述用户能力缺陷和第二映射关系,确定目标推荐策略;其中,所述第二映射关系用于记录解题能力缺陷与试题推荐策略之间的对应关系。
2.根据权利要求1所述的方法,其特征在于,所述根据所述用户能力缺陷确定目标推荐策略,包括:
判断所述用户能力缺陷是否满足预设条件;
在确定所述用户能力缺陷满足预设条件时,根据所述用户能力缺陷确定目标推荐策略;
在确定所述用户能力缺陷不满足预设条件时,根据所述用户能力缺陷、所述历史做题信息携带的试题主题和所述用户所处年级,确定目标推荐策略。
3.根据权利要求1所述的方法,其特征在于,所述获取所述用户的历史做题信息,包括:
将在预设时间段内存储的携带有第i个试题主题的各用户错题信息均确定为历史做题信息;或者,分别将存储时间距离当前时间最近的携带有第i个试题主题的T个用户错题信息确定为历史做题信息;T为正整数,i为正整数,i≤N,N为试题主题个数;
所述对所述历史做题信息进行分析,确定用户能力缺陷,包括:
分别对各历史做题信息进行分析,确定各历史做题信息对应的用户能力缺陷。
4.根据权利要求3所述的方法,其特征在于,所述根据所述用户能力缺陷确定目标推荐策略;依据所述目标推荐策略从备选试题集中筛选出候选推荐试题,包括:
分别根据各历史做题信息对应的用户能力缺陷,确定各历史做题信息对应的目标推荐策略;分别根据各历史做题信息对应的目标推荐策略,确定各历史做题信息对应的候选推荐试题;
所述将所述候选推荐试题推荐给所述用户,包括:
根据携带有第i个试题主题的各历史做题信息对应的候选推荐试题,生成第i个试题主题对应的试题推荐集,并按照第i个试题主题对应的推荐优先级及试题推荐比例,对所述第i个试题主题对应的试题推荐集进行试题抽取,得到各目标推荐试题,并将所述目标推荐试题推荐给所述用户;其中,i为正整数,i≤N,N为试题主题个数。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
从扩展试题集中选择预设数目的试题,作为待推荐试题;其中,所述扩展试题集包括至少一个携带有扩展主题的试题;所述扩展主题表征用户未练习过的试题主题;
所述将所述候选推荐试题推荐给所述用户,包括:
将所述候选推荐试题和所述待推荐试题推荐给所述用户。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取用户预设能力水平;
所述根据所述用户能力缺陷确定目标推荐策略,包括:
根据所述用户能力缺陷和所述用户预设能力水平,确定目标推荐策略。
7.一种试题推荐装置,其特征在于,包括:
信息获取单元,用于在接收到用户触发的试题推荐请求之后,获取所述用户的历史做题信息;
能力确定单元,用于对所述历史做题信息进行分析,确定用户能力缺陷;
策略确定单元,用于根据所述用户能力缺陷确定目标推荐策略;
试题确定单元,用于依据所述目标推荐策略从备选试题集中筛选出候选推荐试题;
试题推荐单元,用于将所述候选推荐试题推荐给所述用户;
其中,所述能力确定单元,包括:
原因分析子单元,用于对所述历史做题信息进行分析,确定用户失分原因;
能力分析子单元,用于根据所述用户失分原因和第一映射关系,确定用户失分类型;其中,所述第一映射关系用于记录各失分原因与各失分类型之间的对应关系;
将所述用户失分类型对应的解题能力缺陷,确定为用户能力缺陷;
或者,所述策略确定单元,用于根据所述用户能力缺陷和第二映射关系,确定目标推荐策略;其中,所述第二映射关系用于记录解题能力缺陷与试题推荐策略之间的对应关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010579654.XA CN111708951B (zh) | 2020-06-23 | 2020-06-23 | 一种试题推荐方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010579654.XA CN111708951B (zh) | 2020-06-23 | 2020-06-23 | 一种试题推荐方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111708951A CN111708951A (zh) | 2020-09-25 |
CN111708951B true CN111708951B (zh) | 2023-06-09 |
Family
ID=72543014
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010579654.XA Active CN111708951B (zh) | 2020-06-23 | 2020-06-23 | 一种试题推荐方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111708951B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114625302B (zh) * | 2020-12-10 | 2024-05-31 | 炬芯科技股份有限公司 | 电子做题方法、装置、***及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106407237A (zh) * | 2015-08-03 | 2017-02-15 | 科大讯飞股份有限公司 | 在线学习试题推荐方法及*** |
KR20170034106A (ko) * | 2015-09-18 | 2017-03-28 | 아주대학교산학협력단 | 사용자 적정 난이도 문제 추천 장치 및 그 방법 |
CN109509126A (zh) * | 2018-11-02 | 2019-03-22 | 中山大学 | 一种基于用户学习行为的个性化试题推荐方法 |
CN110704732A (zh) * | 2019-09-19 | 2020-01-17 | 广州大学 | 基于认知诊断的时序性习题推荐方法 |
-
2020
- 2020-06-23 CN CN202010579654.XA patent/CN111708951B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106407237A (zh) * | 2015-08-03 | 2017-02-15 | 科大讯飞股份有限公司 | 在线学习试题推荐方法及*** |
KR20170034106A (ko) * | 2015-09-18 | 2017-03-28 | 아주대학교산학협력단 | 사용자 적정 난이도 문제 추천 장치 및 그 방법 |
CN109509126A (zh) * | 2018-11-02 | 2019-03-22 | 中山大学 | 一种基于用户学习行为的个性化试题推荐方法 |
CN110704732A (zh) * | 2019-09-19 | 2020-01-17 | 广州大学 | 基于认知诊断的时序性习题推荐方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111708951A (zh) | 2020-09-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110782921B (zh) | 语音测评方法和装置、存储介质及电子装置 | |
US20160293036A1 (en) | System and method for adaptive assessment and training | |
CN108281052A (zh) | 一种在线教学***及在线教学方法 | |
CN112784608B (zh) | 试题推荐方法、装置、电子设备和存储介质 | |
January et al. | Universal screening in grades K-2: A systematic review and meta-analysis of early reading curriculum-based measures | |
US20090239201A1 (en) | Phonetic pronunciation training device, phonetic pronunciation training method and phonetic pronunciation training program | |
CN111930925B (zh) | 一种基于在线教学平台的试题推荐方法及*** | |
WO2023273583A1 (zh) | 阅卷方法、装置、电子设备及存储介质 | |
CN111242816A (zh) | 基于人工智能的多媒体教案制作方法和*** | |
CN112348725A (zh) | 基于大数据的知识点难度定级方法 | |
CN111597305B (zh) | 实体标记方法、装置、计算机设备和存储介质 | |
Baur et al. | A shared task for spoken CALL? | |
Shan et al. | [Retracted] Research on Classroom Online Teaching Model of “Learning” Wisdom Music on Wireless Network under the Background of Artificial Intelligence | |
CN111708951B (zh) | 一种试题推荐方法及装置 | |
CN112507792B (zh) | 在线视频关键帧定位方法、定位***、设备及存储介质 | |
CN116258613B (zh) | 课程规划方法、课程规划设备和可读存储介质 | |
Webb | Advanced lexical development | |
Koizumi et al. | Comparing the story retelling speaking test with other speaking tests | |
CN110968669B (zh) | 一种智能视频分析警务试题归类推荐方法 | |
CN113919983A (zh) | 试题画像方法、装置、电子设备和存储介质 | |
CN109582971B (zh) | 一种基于句法分析的批改方法及批改*** | |
CN115797122B (zh) | 一种作业分析方法及装置 | |
CN117275319B (zh) | 训练语言重点能力的装置 | |
CN111368177B (zh) | 一种问答社区的答案推荐方法和装置 | |
Wu et al. | A Review of Empirical Studies on Peerceptiv |
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 |