智能刷题推荐方法、装置、设备及存储介质与流程

1.本发明涉及计算机技术领域，尤其涉及一种智能刷题推荐方法、装置、设备及存储介质。


背景技术：

2.随着计算机技术的不断发展进步和互联网的普及，在线教育系统因其时间上的灵活性和空间上的便捷性，成为越来越多用户选择的主要学习方式之一。
3.目前的在线教育系统中，在线测验的试题往往与学生对各个知识点的掌握程度不匹配，试题推送不够针对性，重复推送学生已经会做的试题不仅会浪费学生的学习时间，也会给学生带来不好的使用体验，而错过漏过学生未掌握的知识点，未推送相应试题，无法做到在线因材施教，会严重影响学生的学习效率和学习激情。


技术实现要素：

4.本发明的主要目的在于提供一种智能刷题推荐方法、装置、设备及存储介质，旨在解决现有技术中在线测验的试题往往与学生对各个知识点的掌握程度不匹配，试题推送不够针对性，浪费学生学习时间，学生学习效率低下的技术问题。
5.第一方面，本发明提供一种智能刷题推荐方法，所述智能刷题推荐方法包括以下步骤：
6.获取各试题中各题目的历史作答数据，根据所述历史作答数据确定难度评价指数；
7.获取当前试题的答题时间均值、待测学生的答题得分和作答时间，将所述难度评价指数、所述答题时间均值、所述答题得分和所述作答时间代入至预设掌握程度评测公式，获得所述待测学生的掌握程度评测值；
8.根据所述掌握程度评测值获得所述当前试题中对应所述待测学生的易错题等级，根据所述易错题等级调整各易错题相同知识点的试题推送频率，根据所述试题推送频率调整待刷试题。
9.可选地，所述获取各试题中各题目的历史作答数据，根据所述历史作答数据确定难度评价指数，包括：
10.获取各试题中各题目的历史作答正确率，并获取各题目所属的知识点和题目类型；
11.通过查询预设难度权重表，获得对应不同知识点的知识点难度权重和对应不同题目类型的题目类型难度权重；
12.根据所述历史作答正确率，所述知识点难度权重和所述题目类型难度权重构建难度评价指数。
13.可选地，所述根据所述历史作答正确率，所述知识点难度权重和所述题目类型难度权重构建难度评价指数，包括：
14.根据所述历史作答正确率，所述知识点难度权重和所述题目类型难度权重通过下式计算获得难度评价指数：
15.s＝(1.2-p)
×
b1×
b216.其中，s为难度评价指数，p为所述历史作答正确率，b1为所述知识点难度权重，b2为所述题目类型难度权重。
17.可选地，所述获取当前试题的答题时间均值、待测学生的答题得分和作答时间，将所述难度评价指数、所述答题时间均值、所述答题得分和所述作答时间代入至预设掌握程度评测公式，获得所述待测学生的掌握程度评测值，包括：
18.获取当前试题的所有题目下所有学生的答题时间集合，对所述答题时间集合采用绝对中值法，剔除异常值后，计算所述答题时间集合中的答题时间均值；
19.获取待测学生的答题得分和作答时间，将所述难度评价指数、所述答题时间均值、所述答题得分和所述作答时间代入至预设掌握程度评测公式，获得所述待测学生的掌握程度评测值。
20.可选地，所述获取当前试题的所有题目下所有学生的答题时间集合，对所述答题时间集合采用绝对中值法，剔除异常值后，计算所述答题时间集合中的答题时间均值，包括：
21.获取当前试题的所有题目下所有学生的答题时间集合，找出所述答题时间集合中各题目所有学生的答题时间的初始中位数；
22.计算所有学生的答题时间与所述初始中位数的绝对偏差值，并获得所述答题时间与所述绝对偏差值的目标中位数；
23.根据预设中位数阈值、所述初始中位数和所述目标中位数确定取值范围，根据所述取值范围剔除所述答题时间集合中的异常值；
24.对剔除异常值后的答题时间集合进行均值计算，获得各题目的答题时间均值。
25.可选地，所述获取待测学生的答题得分和作答时间，将所述难度评价指数、所述答题时间均值、所述答题得分和所述作答时间代入至预设掌握程度评测公式，获得所述待测学生的掌握程度评测值，包括：
26.获取待测学生的答题得分和作答时间，将所述难度评价指数、所述答题时间均值、所述答题得分和所述作答时间代入至下述预设掌握程度评测公式，获得所述待测学生的掌握程度评测值：
[0027][0028]
其中，i为考生编号，j为问题编号，sj为j问题的难度评价指数，θ
ij
为i考生j问题的掌握程度评测值，sigmoid为s形数学函数，e为自然常数，t-j
为j问题的答题时间均值，t
ij
为i考生j问题的作答时间，score
ij
为i考生j问题的答题得分，β和γ为预设常用参数。
[0029]
可选地，所述根据所述掌握程度评测值获得所述当前试题中对应所述待测学生的易错题等级，根据所述易错题等级调整各易错题相同知识点的试题推送频率，根据所述试题推送频率调整待刷试题，包括：
[0030]
根据所述掌握程度评测值通过下式获得所述当前试题中对应所述待测学生的易错题等级：
[0031][0032]
其中，i为学生编号，j为问题编号，k为难度等级标号，θ
ij
为i考生j问题的掌握程度评测值，min(θ
ij
)为θ
ij
中的最小值，s
jk
为j问题编号对应的知识点的k等级的难度评价指数，n为预设的所有难度等级个数，mj为j问题编号对应的知识点的最大难度等级；(0，1)k为该等级可能存在或者不存在，存在为1，不存在为0；p(θ
ij
)为i学生对应j知识点的易错题等级，f为噪声线性整流修正线性单元；
[0033]
根据所述易错题等级调整各易错题相同知识点的试题推送频率，根据所述试题推送频率确定与各易错题具有相同知识点的题目的推送数量和推送次数；
[0034]
根据所述推送数量和所述推送次数推送并实时更新相应题目至预设刷题题库，根据实时更新的刷题题库调整所述待测学生的待刷试题。
[0035]
第二方面，为实现上述目的，本发明还提出一种智能刷题推荐装置，所述智能刷题推荐装置包括：
[0036]
评价模块，用于获取各试题中各题目的历史作答数据，根据所述历史作答数据确定难度评价指数；
[0037]
掌握程度评测模块，用于获取当前试题的答题时间均值、待测学生的答题得分和作答时间，将所述难度评价指数、所述答题时间均值、所述答题得分和所述作答时间代入至预设掌握程度评测公式，获得所述待测学生的掌握程度评测值；
[0038]
试题推送模块，用于根据所述掌握程度评测值获得所述当前试题中对应所述待测学生的易错题等级，根据所述易错题等级调整各易错题相同知识点的试题推送频率，根据所述试题推送频率调整待刷试题。
[0039]
第三方面，为实现上述目的，本发明还提出一种智能刷题推荐设备，所述智能刷题推荐设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的智能刷题推荐程序，所述智能刷题推荐程序配置为实现如上文所述的智能刷题推荐方法的步骤。
[0040]
第四方面，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有智能刷题推荐程序，所述智能刷题推荐程序被处理器执行时实现如上文所述的智能刷题推荐方法的步骤。
[0041]
本发明提出的智能刷题推荐方法，通过获取各试题中各题目的历史作答数据，根据所述历史作答数据确定难度评价指数；获取当前试题的答题时间均值、待测学生的答题得分和作答时间，将所述难度评价指数、所述答题时间均值、所述答题得分和所述作答时间代入至预设掌握程度评测公式，获得所述待测学生的掌握程度评测值；根据所述掌握程度评测值获得所述当前试题中对应所述待测学生的易错题等级，根据所述易错题等级调整各易错题相同知识点的试题推送频率，根据所述试题推送频率调整待刷试题，能够使得在线测验推送的试题与学生掌握的知识点完全匹配，试题推送更有针对性，节省了学生学习的时间，提高了学生的学习效率，提高了智能刷题推荐精度，提升了学生刷题的速度和效率。
附图说明
[0042]
图1为本发明实施例方案涉及的硬件运行环境的设备结构示意图；
[0043]
图2为本发明智能刷题推荐方法第一实施例的流程示意图；
[0044]
图3为本发明智能刷题推荐方法第二实施例的流程示意图；
[0045]
图4为本发明智能刷题推荐方法第三实施例的流程示意图；
[0046]
图5为本发明智能刷题推荐方法第四实施例的流程示意图；
[0047]
图6为本发明智能刷题推荐装置第一实施例的功能模块图。
[0048]
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0049]
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0050]
本发明实施例的解决方案主要是：通过获取各试题中各题目的历史作答数据，根据所述历史作答数据确定难度评价指数；获取当前试题的答题时间均值、待测学生的答题得分和作答时间，将所述难度评价指数、所述答题时间均值、所述答题得分和所述作答时间代入至预设掌握程度评测公式，获得所述待测学生的掌握程度评测值；根据所述掌握程度评测值获得所述当前试题中对应所述待测学生的易错题等级，根据所述易错题等级调整各易错题相同知识点的试题推送频率，根据所述试题推送频率调整待刷试题，能够使得在线测验推送的试题与学生掌握的知识点完全匹配，试题推送更有针对性，节省了学生学习的时间，提高了学生的学习效率，提高了智能刷题推荐精度，提升了学生刷题的速度和效率，解决了现有技术中在线测验的试题与学生对各个知识点的掌握程度不匹配，试题推送不够针对性，浪费学生学习时间，学生学习效率低下的技术问题。
[0051]
参照图1，图1为本发明实施例方案涉及的硬件运行环境的设备结构示意图。
[0052]
如图1所示，该设备可以包括：处理器1001，例如cpu，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(display)、输入单元比如键盘(keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如wi-fi接口)。存储器1005可以是高速ram存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
[0053]
本领域技术人员可以理解，图1中示出的设备结构并不构成对该设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
[0054]
如图1所示，作为一种存储介质的存储器1005中可以包括操作装置、网络通信模块、用户接口模块以及智能刷题推荐程序。
[0055]
本发明设备通过处理器1001调用存储器1005中存储的智能刷题推荐程序，并执行以下操作：
[0056]
获取各试题中各题目的历史作答数据，根据所述历史作答数据确定难度评价指数；
[0057]
获取当前试题的答题时间均值、待测学生的答题得分和作答时间，将所述难度评价指数、所述答题时间均值、所述答题得分和所述作答时间代入至预设掌握程度评测公式，获得所述待测学生的掌握程度评测值；
[0058]
根据所述掌握程度评测值获得所述当前试题中对应所述待测学生的易错题等级，
根据所述易错题等级调整各易错题相同知识点的试题推送频率，根据所述试题推送频率调整待刷试题。
[0059]
本发明设备通过处理器1001调用存储器1005中存储的智能刷题推荐程序，还执行以下操作：
[0060]
获取各试题中各题目的历史作答正确率，并获取各题目所属的知识点和题目类型；
[0061]
通过查询预设难度权重表，获得对应不同知识点的知识点难度权重和对应不同题目类型的题目类型难度权重；
[0062]
根据所述历史作答正确率，所述知识点难度权重和所述题目类型难度权重构建难度评价指数。
[0063]
本发明设备通过处理器1001调用存储器1005中存储的智能刷题推荐程序，还执行以下操作：
[0064]
根据所述历史作答正确率，所述知识点难度权重和所述题目类型难度权重通过下式计算获得难度评价指数：
[0065]
s＝(1.2-p)
×
b1×
b2[0066]
其中，s为难度评价指数，p为所述历史作答正确率，b1为所述知识点难度权重，b2为所述题目类型难度权重。
[0067]
本发明设备通过处理器1001调用存储器1005中存储的智能刷题推荐程序，还执行以下操作：
[0068]
获取当前试题的所有题目下所有学生的答题时间集合，对所述答题时间集合采用绝对中值法，剔除异常值后，计算所述答题时间集合中的答题时间均值；
[0069]
获取待测学生的答题得分和作答时间，将所述难度评价指数、所述答题时间均值、所述答题得分和所述作答时间代入至预设掌握程度评测公式，获得所述待测学生的掌握程度评测值。
[0070]
本发明设备通过处理器1001调用存储器1005中存储的智能刷题推荐程序，还执行以下操作：
[0071]
获取当前试题的所有题目下所有学生的答题时间集合，找出所述答题时间集合中各题目所有学生的答题时间的初始中位数；
[0072]
计算所有学生的答题时间与所述初始中位数的绝对偏差值，并获得所述答题时间与所述绝对偏差值的目标中位数；
[0073]
根据预设中位数阈值、所述初始中位数和所述目标中位数确定取值范围，根据所述取值范围剔除所述答题时间集合中的异常值；
[0074]
对剔除异常值后的答题时间集合进行均值计算，获得各题目的答题时间均值。
[0075]
本发明设备通过处理器1001调用存储器1005中存储的智能刷题推荐程序，还执行以下操作：
[0076]
获取待测学生的答题得分和作答时间，将所述难度评价指数、所述答题时间均值、所述答题得分和所述作答时间代入至下述预设掌握程度评测公式，获得所述待测学生的掌握程度评测值：
[0077][0078]
其中，i为考生编号，j为问题编号，sj为j问题的难度评价指数，θ
ij
为i考生j问题的掌握程度评测值，sigmoid为s形数学函数，e为自然常数，t-j
为j问题的答题时间均值，t
ij
为i考生j问题的作答时间，score
ij
为i考生j问题的答题得分，β和γ为预设常用参数。
[0079]
本发明设备通过处理器1001调用存储器1005中存储的智能刷题推荐程序，还执行以下操作：
[0080]
根据所述掌握程度评测值通过下式获得所述当前试题中对应所述待测学生的易错题等级：
[0081][0082]
其中，i为学生编号，j为问题编号，k为难度等级标号，θ
ij
为i考生j问题的掌握程度评测值，min(θ
ij
)为θ
ij
中的最小值，s
jk
为j问题编号对应的知识点的k等级的难度评价指数，n为预设的所有难度等级个数，mj为j问题编号对应的知识点的最大难度等级；(0，1)k为该等级可能存在或者不存在，存在为1，不存在为0；p(θ
ij
)为i学生对应j知识点的易错题等级，f为噪声线性整流修正线性单元；
[0083]
根据所述易错题等级调整各易错题相同知识点的试题推送频率，根据所述试题推送频率确定与各易错题具有相同知识点的题目的推送数量和推送次数；
[0084]
根据所述推送数量和所述推送次数推送并实时更新相应题目至预设刷题题库，根据实时更新的刷题题库调整所述待测学生的待刷试题。
[0085]
本实施例通过上述方案，通过获取各试题中各题目的历史作答数据，根据所述历史作答数据确定难度评价指数；获取当前试题的答题时间均值、待测学生的答题得分和作答时间，将所述难度评价指数、所述答题时间均值、所述答题得分和所述作答时间代入至预设掌握程度评测公式，获得所述待测学生的掌握程度评测值；根据所述掌握程度评测值获得所述当前试题中对应所述待测学生的易错题等级，根据所述易错题等级调整各易错题相同知识点的试题推送频率，根据所述试题推送频率调整待刷试题，能够使得在线测验推送的试题与学生掌握的知识点完全匹配，试题推送更有针对性，节省了学生学习的时间，提高了学生的学习效率，提高了智能刷题推荐精度，提升了学生刷题的速度和效率。
[0086]
基于上述硬件结构，提出本发明智能刷题推荐方法实施例。
[0087]
参照图2，图2为本发明智能刷题推荐方法第一实施例的流程示意图。
[0088]
在第一实施例中，所述智能刷题推荐方法包括以下步骤：
[0089]
步骤s10、获取各试题中各题目的历史作答数据，根据所述历史作答数据确定难度评价指数。
[0090]
需要说明的是，所述历史作答数据为预设时间段内采集不同科目不同年级的海量试题的学生作答数据，在获得各试题中各题目的历史作答数据后，可以根据所述历史作答数据确定对各试题中各个题目的难度进行数值化评价的难度评价指数。
[0091]
步骤s20、获取当前试题的答题时间均值、待测学生的答题得分和作答时间，将所述难度评价指数、所述答题时间均值、所述答题得分和所述作答时间代入至预设掌握程度
评测公式，获得所述待测学生的掌握程度评测值。
[0092]
可以理解的是，所述答题时间均值为所有答过当前试题的学生的使用时长的平均值，所述待测学生的答题得分为待测学生做完当前试题的得分，所述作答时间为所述待测学生做完当前试题耗费的时间，所述预设掌握程度评测公式为预先设置的用于将待测学生对各知识点的掌握程度进行数值化量化的评测公式，通过将所述难度评价指数、所述答题时间均值、所述答题得分和所述作答时间代入至预设掌握程度评测公式，可以获得所述待测学生的掌握程度评测值。
[0093]
步骤s30、根据所述掌握程度评测值获得所述当前试题中对应所述待测学生的易错题等级，根据所述易错题等级调整各易错题相同知识点的试题推送频率，根据所述试题推送频率调整待刷试题。
[0094]
应当理解的是，根据所述掌握程度评测值可以获得所述当前试题中对应所述待测学生的各个易错题的易错题等级，进而根据所述易错题等级的不同可以适配与各易错题相同知识点的试题推送频率，根据所述试题推送频率具体调整更新待测学生接下来刷题的推荐试题，作为待刷试题。
[0095]
进一步的，所述步骤s30具体包括以下步骤：
[0096]
根据所述掌握程度评测值通过下式获得所述当前试题中对应所述待测学生的易错题等级：
[0097][0098]
其中，i为学生编号，j为问题编号，k为难度等级标号，θ
ij
为i考生j问题的掌握程度评测值，min(θ
ij
)为θ
ij
中的最小值，s
jk
为j问题编号对应的知识点的k等级的难度评价指数，n为预设的所有难度等级个数，mj为j问题编号对应的知识点的最大难度等级；(0，1)k为该等级可能存在或者不存在，存在为1，不存在为0；p(θ
ij
)为i学生对应j知识点的易错题等级，f为噪声线性整流修正线性单元；
[0099]
根据所述易错题等级调整各易错题相同知识点的试题推送频率，根据所述试题推送频率确定与各易错题具有相同知识点的题目的推送数量和推送次数；
[0100]
根据所述推送数量和所述推送次数推送并实时更新相应题目至预设刷题题库，根据实时更新的刷题题库调整所述待测学生的待刷试题。
[0101]
可以理解的是，通过上述公式可以获得待测学生的易错题等级，根据所述易错题等级可以调整各易错题相同知识点的试题推送频率，进而可以根据所述试题推送频率确定与各易错题具有相同知识点的题目的推送数量和推送次数；根据所述推送数量和所述推送次数推送相应题目至预先设置的刷题题库，并且可以实时更新刷题题库，根据实时更新的刷题题库可以调整所述待测学生的待刷试题。
[0102]
本实施例通过上述方案，通过获取各试题中各题目的历史作答数据，根据所述历史作答数据确定难度评价指数；获取当前试题的答题时间均值、待测学生的答题得分和作答时间，将所述难度评价指数、所述答题时间均值、所述答题得分和所述作答时间代入至预设掌握程度评测公式，获得所述待测学生的掌握程度评测值；根据所述掌握程度评测值获得所述当前试题中对应所述待测学生的易错题等级，根据所述易错题等级调整各易错题相
同知识点的试题推送频率，根据所述试题推送频率调整待刷试题，能够使得在线测验推送的试题与学生掌握的知识点完全匹配，试题推送更有针对性，节省了学生学习的时间，提高了学生的学习效率，提高了智能刷题推荐精度，提升了学生刷题的速度和效率。
[0103]
进一步地，图3为本发明智能刷题推荐方法第二实施例的流程示意图，如图3所示，基于第一实施例提出本发明智能刷题推荐方法第二实施例，在本实施例中，所述步骤s10具体包括以下步骤：
[0104]
步骤s11、获取各试题中各题目的历史作答正确率，并获取各题目所属的知识点和题目类型。
[0105]
需要说明的是，获取各试题中各题目的历史作答正确率后，可以获取各试题中各题目所属的知识点和题目类型。
[0106]
步骤s12、通过查询预设难度权重表，获得对应不同知识点的知识点难度权重和对应不同题目类型的题目类型难度权重。
[0107]
可以理解的是，预设难度权重表预先设置的权重表，所述预设难度权重表中有不同知识点与不同知识点难度权重对应的映射关系，不同题目类型和题目类型难度权重对应的映射关系，通过查询预设难度权重表，可以获得对应不同知识点的知识点难度权重和对应不同题目类型的题目类型难度权重。
[0108]
步骤s13、根据所述历史作答正确率，所述知识点难度权重和所述题目类型难度权重构建难度评价指数。
[0109]
应当理解的是，根据所述历史作答正确率，所述知识点难度权重和所述题目类型难度权重构建相应的难度评价指数。
[0110]
进一步的所述步骤s13具体包括以下步骤：
[0111]
根据所述历史作答正确率，所述知识点难度权重和所述题目类型难度权重通过下式计算获得难度评价指数：
[0112]
s＝(1.2-p)
×
b1×
b2[0113]
其中，s为难度评价指数，p为所述历史作答正确率，b1为所述知识点难度权重，b2为所述题目类型难度权重。
[0114]
可以理解的是，通过上述公式结合所述历史作答正确率，所述知识点难度权重和所述题目类型难度权重可以计算出难度评价指数。
[0115]
本实施例通过上述方案，通过获取各试题中各题目的历史作答正确率，并获取各题目所属的知识点和题目类型；通过查询预设难度权重表，获得对应不同知识点的知识点难度权重和对应不同题目类型的题目类型难度权重；根据所述历史作答正确率，所述知识点难度权重和所述题目类型难度权重构建难度评价指数，能够准确获得难度评价指数，提高了智能刷题推荐精度，提升了基于智能刷题推荐的速度和效率。
[0116]
进一步地，图4为本发明智能刷题推荐方法第三实施例的流程示意图，如图4所示，基于第一实施例提出本发明智能刷题推荐方法第三实施例，在本实施例中，所述步骤s20具体包括以下步骤：
[0117]
步骤s21、获取当前试题的所有题目下所有学生的答题时间集合，对所述答题时间集合采用绝对中值法，剔除异常值后，计算所述答题时间集合中的答题时间均值。
[0118]
需要说明的是，在获取了当前试题的所有题目下所有学生的答题时间集合后，可
以对所述答题时间集合采用绝对中值法，剔除异常值后，计算所述答题时间集合中的答题时间均值。
[0119]
步骤s22、获取待测学生的答题得分和作答时间，将所述难度评价指数、所述答题时间均值、所述答题得分和所述作答时间代入至预设掌握程度评测公式，获得所述待测学生的掌握程度评测值。
[0120]
应当理解的是，获取待测学生的答题得分和作答时间后，可以将所述难度评价指数、所述答题时间均值、所述答题得分和所述作答时间代入至预设掌握程度评测公式，进而可以获得所述待测学生的掌握程度评测值。
[0121]
进一步的，所述步骤s22具体包括以下步骤：
[0122]
获取待测学生的答题得分和作答时间，将所述难度评价指数、所述答题时间均值、所述答题得分和所述作答时间代入至下述预设掌握程度评测公式，获得所述待测学生的掌握程度评测值：
[0123][0124]
其中，i为考生编号，j为问题编号，sj为j问题的难度评价指数，θ
ij
为i考生j问题的掌握程度评测值，sigmoid为s形数学函数，e为自然常数，t_j为j问题的答题时间均值，t
ij
为i考生j问题的作答时间，score
ij
为i考生j问题的答题得分，β和γ为预设常用参数。
[0125]
在具体实现中，难度评价指数、平均作答时间和题目难度信息融入掌握程度评测公式，获得所述待测学生的掌握程度评测值如上述公式所示，其中，预设常用参数可以通过下述方式进行确定：
[0126]
以i考生在难度最小并且答题时间等于平均作答时间时，能力值达及格水准0.6为例：
[0127]
有下面公式其中b难度系数在0.5，默认得分为1；
[0128]
0.6＝sigmoid(1
×
β+(0.5-1)*γ)
[0129]
i考生在难度最大并且答题时间等于平均作答时间时，能力值达及格水准0.9；
[0130]
有下面公式其中b难度系数在1，默认得分为1；
[0131]
0.9＝sigmoid(1
×
β+(1-1)*γ)
[0132]
通过上述两公式可以求得β≈2.2，γ≈3.585
[0133]
并依据及格为0.6优秀为0.9计算确认本函数的常参数后，得到下面公式
[0134][0135]
本实施例通过上述方案，通过获取当前试题的所有题目下所有学生的答题时间集合，对所述答题时间集合采用绝对中值法，剔除异常值后，计算所述答题时间集合中的答题时间均值；获取待测学生的答题得分和作答时间，将所述难度评价指数、所述答题时间均值、所述答题得分和所述作答时间代入至预设掌握程度评测公式，获得所述待测学生的掌握程度评测值，能够快速获得待测学生对各知识点的掌握程度评测值，使得在线测验推送的试题与学生掌握的知识点完全匹配，试题推送更有针对性，节省了学生学习的时间，提高了学生的学习效率。
[0136]
进一步地，图5为本发明智能刷题推荐方法第四实施例的流程示意图，如图5所示，
基于第三实施例提出本发明智能刷题推荐方法第四实施例，在本实施例中，所述步骤s21具体包括以下步骤：
[0137]
步骤s211、获取当前试题的所有题目下所有学生的答题时间集合，找出所述答题时间集合中各题目所有学生的答题时间的初始中位数。
[0138]
需要说明的是，在获取了当前试题的所有题目下所有学生的答题时间集合后，可以找出所述答题时间集合中各题目所有学生的答题时间的中位数，作为初始中位数。
[0139]
步骤s212、计算所有学生的答题时间与所述初始中位数的绝对偏差值，并获得所述答题时间与所述绝对偏差值的目标中位数。
[0140]
可以理解的是，首先计算所有学生的答题时间与所述初始中位数的绝对偏差值，进而再次计算获得所述答题时间与所述绝对偏差值的目标中位数。
[0141]
步骤s213、根据预设中位数阈值、所述初始中位数和所述目标中位数确定取值范围，根据所述取值范围剔除所述答题时间集合中的异常值。
[0142]
应当理解的是，根据预先设置的中位数阈值结合所述初始中位数和所述目标中位数可以确定取值范围，通过所述取值范围可以剔除所述答题时间集合中的异常值。
[0143]
步骤s214、对剔除异常值后的答题时间集合进行均值计算，获得各题目的答题时间均值。
[0144]
可以理解的是，可以对剔除过滤掉异常值后的答题时间集合进行均值计算，进而获得各题目的答题时间均值。
[0145]
在具体实现中，对于某题的平均作答时间，可以采用绝对值差中位数法(median absolute deviation，mad)去掉噪声，其中绝对值差中位数法mad处理步骤：
[0146]
找出题目所有学生的答题时间ti的中位数median；
[0147]
得到题目所有学生的答题时间与中位数的绝对偏差值|t
i-median|；
[0148]
得到所有学生的答题时间与中位数的绝对偏差值的中位数mad；
[0149]
确定阈值参数a，去掉超出范围[median-a
·
mad，median+a
·
mad]的答题时间。
[0150]
本实施例通过上述方案，通过获取当前试题的所有题目下所有学生的答题时间集合，找出所述答题时间集合中各题目所有学生的答题时间的初始中位数；计算所有学生的答题时间与所述初始中位数的绝对偏差值，并获得所述答题时间与所述绝对偏差值的目标中位数；根据预设中位数阈值、所述初始中位数和所述目标中位数确定取值范围，根据所述取值范围剔除所述答题时间集合中的异常值；对剔除异常值后的答题时间集合进行均值计算，获得各题目的答题时间均值，能够快速获得答题时间均值，提高了评分精度，提升了基于题目定性分析的认知诊断的速度和效率。
[0151]
相应地，本发明进一步提供一种智能刷题推荐装置。
[0152]
参照图6，图6为本发明智能刷题推荐装置第一实施例的功能模块图。
[0153]
本发明智能刷题推荐装置第一实施例中，该智能刷题推荐装置包括：
[0154]
评价模块10，用于获取各试题中各题目的历史作答数据，根据所述历史作答数据确定难度评价指数。
[0155]
掌握程度评测模块20，用于获取当前试题的答题时间均值、待测学生的答题得分和作答时间，将所述难度评价指数、所述答题时间均值、所述答题得分和所述作答时间代入至预设掌握程度评测公式，获得所述待测学生的掌握程度评测值。
[0156]
试题推送模块30，用于根据所述掌握程度评测值获得所述当前试题中对应所述待测学生的易错题等级，根据所述易错题等级调整各易错题相同知识点的试题推送频率，根据所述试题推送频率调整待刷试题。
[0157]
所述评价模块10，还用于获取各试题中各题目的历史作答正确率，并获取各题目所属的知识点和题目类型；通过查询预设难度权重表，获得对应不同知识点的知识点难度权重和对应不同题目类型的题目类型难度权重；根据所述历史作答正确率，所述知识点难度权重和所述题目类型难度权重构建难度评价指数。
[0158]
所述评价模块10，还用于根据所述历史作答正确率，所述知识点难度权重和所述题目类型难度权重通过下式计算获得难度评价指数：
[0159]
s＝(1.2-p)
×
b1×
b2[0160]
其中，s为难度评价指数，p为所述历史作答正确率，b1为所述知识点难度权重，b2为所述题目类型难度权重。
[0161]
所述掌握程度评测模块20，还用于获取当前试题的所有题目下所有学生的答题时间集合，对所述答题时间集合采用绝对中值法，剔除异常值后，计算所述答题时间集合中的答题时间均值；获取待测学生的答题得分和作答时间，将所述难度评价指数、所述答题时间均值、所述答题得分和所述作答时间代入至预设掌握程度评测公式，获得所述待测学生的掌握程度评测值。
[0162]
所述掌握程度评测模块20，还用于获取当前试题的所有题目下所有学生的答题时间集合，找出所述答题时间集合中各题目所有学生的答题时间的初始中位数；计算所有学生的答题时间与所述初始中位数的绝对偏差值，并获得所述答题时间与所述绝对偏差值的目标中位数；根据预设中位数阈值、所述初始中位数和所述目标中位数确定取值范围，根据所述取值范围剔除所述答题时间集合中的异常值；对剔除异常值后的答题时间集合进行均值计算，获得各题目的答题时间均值。
[0163]
所述掌握程度评测模块20，还用于获取待测学生的答题得分和作答时间，将所述难度评价指数、所述答题时间均值、所述答题得分和所述作答时间代入至下述预设掌握程度评测公式，获得所述待测学生的掌握程度评测值：
[0164][0165]
其中，i为考生编号，j为问题编号，sj为j问题的难度评价指数，θ
ij
为i考生j问题的掌握程度评测值，sigmoid为s形数学函数，e为自然常数，t-j
为j问题的答题时间均值，t
ij
为i考生j问题的作答时间，score
ij
为i考生j问题的答题得分，β和γ为预设常用参数。
[0166]
所述试题推送模块30，还用于根据所述掌握程度评测值通过下式获得所述当前试题中对应所述待测学生的易错题等级：
[0167][0168]
其中，i为学生编号，j为问题编号，k为难度等级标号，θ
ij
为i考生j问题的掌握程度评测值，min(θ
ij
)为θ
ij
中的最小值，s
jk
为j问题编号对应的知识点的k等级的难度评价指数，n为预设的所有难度等级个数，mj为j问题编号对应的知识点的最大难度等级；(0，1)k为该
等级可能存在或者不存在，存在为1，不存在为0；p(θ
ij
)为i学生对应j知识点的易错题等级，f为噪声线性整流修正线性单元；
[0169]
根据所述易错题等级调整各易错题相同知识点的试题推送频率，根据所述试题推送频率确定与各易错题具有相同知识点的题目的推送数量和推送次数；
[0170]
根据所述推送数量和所述推送次数推送并实时更新相应题目至预设刷题题库，根据实时更新的刷题题库调整所述待测学生的待刷试题。
[0171]
其中，智能刷题推荐装置的各个功能模块实现的步骤可参照本发明智能刷题推荐方法的各个实施例，此处不再赘述。
[0172]
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有智能刷题推荐程序，所述智能刷题推荐程序被处理器执行时实现如下操作：
[0173]
获取各试题中各题目的历史作答数据，根据所述历史作答数据确定难度评价指数；
[0174]
获取当前试题的答题时间均值、待测学生的答题得分和作答时间，将所述难度评价指数、所述答题时间均值、所述答题得分和所述作答时间代入至预设掌握程度评测公式，获得所述待测学生的掌握程度评测值；
[0175]
根据所述掌握程度评测值获得所述当前试题中对应所述待测学生的易错题等级，根据所述易错题等级调整各易错题相同知识点的试题推送频率，根据所述试题推送频率调整待刷试题。
[0176]
进一步地，所述智能刷题推荐程序被处理器执行时还实现如下操作：
[0177]
获取各试题中各题目的历史作答正确率，并获取各题目所属的知识点和题目类型；
[0178]
通过查询预设难度权重表，获得对应不同知识点的知识点难度权重和对应不同题目类型的题目类型难度权重；
[0179]
根据所述历史作答正确率，所述知识点难度权重和所述题目类型难度权重构建难度评价指数。
[0180]
进一步地，所述智能刷题推荐程序被处理器执行时还实现如下操作：
[0181]
根据所述历史作答正确率，所述知识点难度权重和所述题目类型难度权重通过下式计算获得难度评价指数：
[0182]
s＝(1.2-p)
×
b1×
b2[0183]
其中，s为难度评价指数，p为所述历史作答正确率，b1为所述知识点难度权重，b2为所述题目类型难度权重。
[0184]
进一步地，所述智能刷题推荐程序被处理器执行时还实现如下操作：
[0185]
获取当前试题的所有题目下所有学生的答题时间集合，对所述答题时间集合采用绝对中值法，剔除异常值后，计算所述答题时间集合中的答题时间均值；
[0186]
获取待测学生的答题得分和作答时间，将所述难度评价指数、所述答题时间均值、所述答题得分和所述作答时间代入至预设掌握程度评测公式，获得所述待测学生的掌握程度评测值。
[0187]
进一步地，所述智能刷题推荐程序被处理器执行时还实现如下操作：
[0188]
获取当前试题的所有题目下所有学生的答题时间集合，找出所述答题时间集合中
各题目所有学生的答题时间的初始中位数；
[0189]
计算所有学生的答题时间与所述初始中位数的绝对偏差值，并获得所述答题时间与所述绝对偏差值的目标中位数；
[0190]
根据预设中位数阈值、所述初始中位数和所述目标中位数确定取值范围，根据所述取值范围剔除所述答题时间集合中的异常值；
[0191]
对剔除异常值后的答题时间集合进行均值计算，获得各题目的答题时间均值。
[0192]
进一步地，所述智能刷题推荐程序被处理器执行时还实现如下操作：
[0193]
获取待测学生的答题得分和作答时间，将所述难度评价指数、所述答题时间均值、所述答题得分和所述作答时间代入至下述预设掌握程度评测公式，获得所述待测学生的掌握程度评测值：
[0194][0195]
其中，i为考生编号，j为问题编号，sj为j问题的难度评价指数，θ
ij
为i考生j问题的掌握程度评测值，sigmoid为s形数学函数，e为自然常数，t-j
为j问题的答题时间均值，t
ij
为i考生j问题的作答时间，score
ij
为i考生j问题的答题得分，β和γ为预设常用参数。
[0196]
进一步地，所述智能刷题推荐程序被处理器执行时还实现如下操作：
[0197]
根据所述掌握程度评测值通过下式获得所述当前试题中对应所述待测学生的易错题等级：
[0198][0199]
其中，i为学生编号，j为问题编号，k为难度等级标号，θ
ij
为i考生j问题的掌握程度评测值，min(θ
ij
)为θ
ij
中的最小值，s
jk
为j问题编号对应的知识点的k等级的难度评价指数，n为预设的所有难度等级个数，mj为j问题编号对应的知识点的最大难度等级；(0，1)k为该等级可能存在或者不存在，存在为1，不存在为0；p(θ
ij
)为i学生对应j知识点的易错题等级，f为噪声线性整流修正线性单元；
[0200]
根据所述易错题等级调整各易错题相同知识点的试题推送频率，根据所述试题推送频率确定与各易错题具有相同知识点的题目的推送数量和推送次数；
[0201]
根据所述推送数量和所述推送次数推送并实时更新相应题目至预设刷题题库，根据实时更新的刷题题库调整所述待测学生的待刷试题。
[0202]
本实施例通过上述方案，通过获取各试题中各题目的历史作答数据，根据所述历史作答数据确定难度评价指数；获取当前试题的答题时间均值、待测学生的答题得分和作答时间，将所述难度评价指数、所述答题时间均值、所述答题得分和所述作答时间代入至预设掌握程度评测公式，获得所述待测学生的掌握程度评测值；根据所述掌握程度评测值获得所述当前试题中对应所述待测学生的易错题等级，根据所述易错题等级调整各易错题相同知识点的试题推送频率，根据所述试题推送频率调整待刷试题，能够使得在线测验推送的试题与学生掌握的知识点完全匹配，试题推送更有针对性，节省了学生学习的时间，提高了学生的学习效率，提高了智能刷题推荐精度，提升了学生刷题的速度和效率。
[0203]
需要说明的是，在本文中，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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
[0204]
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
[0205]
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

技术特征：
1.一种智能刷题推荐方法，其特征在于，所述目定性分析的认知诊断包括：获取各试题中各题目的历史作答数据，根据所述历史作答数据确定难度评价指数；获取当前试题的答题时间均值、待测学生的答题得分和作答时间，将所述难度评价指数、所述答题时间均值、所述答题得分和所述作答时间代入至预设掌握程度评测公式，获得所述待测学生的掌握程度评测值；根据所述掌握程度评测值获得所述当前试题中对应所述待测学生的易错题等级，根据所述易错题等级调整各易错题相同知识点的试题推送频率，根据所述试题推送频率调整待刷试题。2.如权利要求1所述的智能刷题推荐方法，其特征在于，所述获取各试题中各题目的历史作答数据，根据所述历史作答数据确定难度评价指数，包括：获取各试题中各题目的历史作答正确率，并获取各题目所属的知识点和题目类型；通过查询预设难度权重表，获得对应不同知识点的知识点难度权重和对应不同题目类型的题目类型难度权重；根据所述历史作答正确率，所述知识点难度权重和所述题目类型难度权重构建难度评价指数。3.如权利要求2所述的智能刷题推荐方法，其特征在于，所述根据所述历史作答正确率，所述知识点难度权重和所述题目类型难度权重构建难度评价指数，包括：根据所述历史作答正确率，所述知识点难度权重和所述题目类型难度权重通过下式计算获得难度评价指数：s＝(1.2-p)
×
b1×
b2其中，s为难度评价指数，p为所述历史作答正确率，b1为所述知识点难度权重，b2为所述题目类型难度权重。4.如权利要求1所述的智能刷题推荐方法，其特征在于，所述获取当前试题的答题时间均值、待测学生的答题得分和作答时间，将所述难度评价指数、所述答题时间均值、所述答题得分和所述作答时间代入至预设掌握程度评测公式，获得所述待测学生的掌握程度评测值，包括：获取当前试题的所有题目下所有学生的答题时间集合，对所述答题时间集合采用绝对中值法，剔除异常值后，计算所述答题时间集合中的答题时间均值；获取待测学生的答题得分和作答时间，将所述难度评价指数、所述答题时间均值、所述答题得分和所述作答时间代入至预设掌握程度评测公式，获得所述待测学生的掌握程度评测值。5.如权利要求4所述的智能刷题推荐方法，其特征在于，所述获取当前试题的所有题目下所有学生的答题时间集合，对所述答题时间集合采用绝对中值法，剔除异常值后，计算所述答题时间集合中的答题时间均值，包括：获取当前试题的所有题目下所有学生的答题时间集合，找出所述答题时间集合中各题目所有学生的答题时间的初始中位数；计算所有学生的答题时间与所述初始中位数的绝对偏差值，并获得所述答题时间与所述绝对偏差值的目标中位数；根据预设中位数阈值、所述初始中位数和所述目标中位数确定取值范围，根据所述取
值范围剔除所述答题时间集合中的异常值；对剔除异常值后的答题时间集合进行均值计算，获得各题目的答题时间均值。6.如权利要求4所述的智能刷题推荐方法，其特征在于，所述获取待测学生的答题得分和作答时间，将所述难度评价指数、所述答题时间均值、所述答题得分和所述作答时间代入至预设掌握程度评测公式，获得所述待测学生的掌握程度评测值，包括：获取待测学生的答题得分和作答时间，将所述难度评价指数、所述答题时间均值、所述答题得分和所述作答时间代入至下述预设掌握程度评测公式，获得所述待测学生的掌握程度评测值：其中，i为考生编号，j为问题编号，s
j
为j问题的难度评价指数，θ
ij
为i考生j问题的掌握程度评测值，sigmoid为s形数学函数，e为自然常数，t-j
为j问题的答题时间均值，t
ij
为i考生j问题的作答时间，score
ij
为i考生j问题的答题得分，β和γ为预设常用参数。7.如权利要求1所述的智能刷题推荐方法，其特征在于，所述根据所述掌握程度评测值获得所述当前试题中对应所述待测学生的易错题等级，根据所述易错题等级调整各易错题相同知识点的试题推送频率，根据所述试题推送频率调整待刷试题，包括：根据所述掌握程度评测值通过下式获得所述当前试题中对应所述待测学生的易错题等级：其中，i为学生编号，j为问题编号，k为难度等级标号，θ
ij
为i考生j问题的掌握程度评测值，min(θ
ij
)为θ
ij
中的最小值，s
jk
为j问题编号对应的知识点的k等级的难度评价指数，n为预设的所有难度等级个数，m
j
为j问题编号对应的知识点的最大难度等级；(0，1)k为该等级可能存在或者不存在，存在为1，不存在为0；p(θ
ij
)为i学生对应j知识点的易错题等级，f为噪声线性整流修正线性单元；根据所述易错题等级调整各易错题相同知识点的试题推送频率，根据所述试题推送频率确定与各易错题具有相同知识点的题目的推送数量和推送次数；根据所述推送数量和所述推送次数推送并实时更新相应题目至预设刷题题库，根据实时更新的刷题题库调整所述待测学生的待刷试题。8.一种智能刷题推荐装置，其特征在于，所述智能刷题推荐装置包括：评价模块，用于获取各试题中各题目的历史作答数据，根据所述历史作答数据确定难度评价指数；掌握程度评测模块，用于获取当前试题的答题时间均值、待测学生的答题得分和作答时间，将所述难度评价指数、所述答题时间均值、所述答题得分和所述作答时间代入至预设掌握程度评测公式，获得所述待测学生的掌握程度评测值；试题推送模块，用于根据所述掌握程度评测值获得所述当前试题中对应所述待测学生的易错题等级，根据所述易错题等级调整各易错题相同知识点的试题推送频率，根据所述试题推送频率调整待刷试题。
9.一种智能刷题推荐设备，其特征在于，所述智能刷题推荐设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的智能刷题推荐程序，所述智能刷题推荐程序配置为实现如权利要求1至7中任一项所述的智能刷题推荐方法的步骤。10.一种存储介质，其特征在于，所述存储介质上存储有智能刷题推荐程序，所述智能刷题推荐程序被处理器执行时实现如权利要求1至7中任一项所述的智能刷题推荐方法的步骤。

技术总结
本发明公开了一种智能刷题推荐方法、装置、设备及存储介质，所述方法通过获取各试题中各题目的历史作答数据，根据历史作答数据确定难度评价指数；获取当前试题的答题时间均值、待测学生的答题得分和作答时间，将难度评价指数、答题时间均值、答题得分和作答时间代入至预设掌握程度评测公式，获得待测学生的掌握程度评测值；根据掌握程度评测值获得当前试题中对应待测学生的易错题等级，根据易错题等级调整各易错题相同知识点的试题推送频率，根据试题推送频率调整待刷试题，能够使在线测验推送的试题与学生掌握知识点完全匹配，试题推送更有针对性，节省了学生学习的时间，提高了学生的学习效率，提升了学生刷题的速度和效率。率。率。


技术研发人员：冯盼 周彭滔 邓嘉 董逢华
受保护的技术使用者：武汉天喻信息产业股份有限公司
技术研发日：2023.04.07
技术公布日：2023/8/14