试题分类

摘要： 2017年颁发的《山西省高中阶段学校考试招生制度改革实施意见(试行)》提出中考命题内容应体现基础性、综合性、应用性和创新性。据此,本文将中考地理试题分为基础题、综合题、应用题和创新题,并在剖析大量中考地理试题的基础上,从问题情境、必备知识、关键能力、推理水平、认知水平与任务要求六个维度构建中考地理试题分类标准,并依此对山西省2021年中考地理试题进行分析,确定所属试题类型并进行统计分析,旨在为今后初中阶段地理教学和备考提供一定参考。

摘要： 本文以2020年全国各地中招考试化学试题为例,说明有关“化学式”的考查方式与解题思路,供学生参考。一、考查化学式的书写例1(山东省济南市中招题)按要求从氧化钙、氢气、氢氧化铜、硫酸、碳酸钠、二氧化硫中选取合适的物质,将其化学式写在下列横线上。

摘要： 浙江卷中关于"特殊性"的考查层出不穷,在教学过程中把握好普遍性和特殊性的关系成为一大课题.本文对浙江卷中"普—特"关系类试题进行分类和归因,并结合长期教学实践,提出三大教学策略以破除学生思维定式,提升学生的思辨能力和核心素养.

摘要： 对模型素养的考查与教学的基本要求是什么、高考中对模型素养的评价主要体现在哪些方面?着重从模型素养之数字实验(图像)试题的视角,对其分类及具体体现形式和上述问题进行了思考和梳理,并结合相关实际教学对学生出现的问题做了分析。

摘要： 对模型素养的考查与教学的基本要求是什么、高考中对模型素养的评价主要体现在哪些方面?着重从模型素养之数字实验(图像)试题的视角,对其分类及具体体现形式和上述问题进行了思考和梳理,并结合相关实际教学对学生出现的问题做了分析.

摘要： 针对海量学科试题所引发的试题管理混乱现象,提出一种基于SVM的学科试题自动分类法.对学科语料进行分词、去停用词和统一相似词等预处理操作;采用TextRank算法对学科语料进行权重赋值,将语料文本向量化;用SVM中的Linear核函数训练语料得到分类器.用语料库中的12类单选题进行测试,整体分类的准确率、召回率、F1值均达到97％以上.结果表明,该分类法可以有效地分类试题文本.

摘要： 在大数据时代,随着教育技术的发展,以"互联网+"为辅助手段的教学逐步取代传统教学,采用新技术为学生订制个性化学习方案成为新的发展趋势.以初中化学为例,阐述了校本题库建立的意义,基于极课大数据和试题分类标准,实现校本题库的试题有序存储和精准调用.

摘要： 高考数学创新题因创设情境新颖、题型构成新颖、提问方式新颖、题目立意新颖等优势，已成为高考试卷中的一道靓丽的美景．本文对2018年部分高考创新试题作分类解析，供大家参考．一、图表信息类 此类问题关注生活实际、时事热点，体现“生活即数学”，注重考查学生提取信息、加工信息的能力以及阅读和理解数学的能力，用已有的数学知识和经验分析问题、解决问题．

摘要： 针对地理课程自动解题,采用SVM学习算法实现地理试题自动分类。通过采用TF-IDF技术提取地理试题文本中的特征关键词,并选取LIBSVM中的Linear核函数进行训练,以构建用于地理试题分类的预测模型。在所收集的地理试题集上的实验结果表明,在22个试题类别上的单类分类精度达到80%以上,整体分类精度达到了87%。

摘要： 电化学包括原电池、电解池以及相关应用等知识,是中学化学中的重要内容,也是历年高考的重要考点,这一部分内容在2016年各地高考中表现出极大的生命力和灵活性,成为2016年各地高考中的一大亮点。为更好的学习这一部分内容,现将2016年高考电化学类试题分类总结如下。

摘要： 试题的自动分类技术可以减轻教师的工作量，提高组卷的效率和准确性。首先利用冗余词表和冗余词去除算法提取试题中的关键词，计算各关键词在关键词库中的概率，引入朴素贝叶斯文本分类技术，对试题进行分类。分析该方法的优劣性并进行改进，提升算法的效率，提高试题分类的准确度，达到试题自动分类的目的。

摘要： 本发明公开了一种面向试题知识点分类的层次化语义匹配方法。本发明方法首先构建了试题知识点层次化结构，将试题文本语义和知识点层次化语义映射到两者的联合空间中，使用语义匹配方法建模试题文本语义与不同试题知识点层次化结构的匹配关系。该匹配关系由试题知识点层次化结构所决定。具体而言，试题文本语义与试题核心考察的知识点语义是较为匹配的，与无关的知识点语义是不匹配的。在试题知识点分类应用时，本发明方法可以根据试题文本语义与知识点文本语义的匹配距离远近，获得层次化感知的知识点分类结果，该发明方法分类效果较好，具有一定的解释性。

摘要： 本发明公开了一种基于多模态学习的试题知识点分类方法及系统，属于自然语言处理技术和图像处理技术领域，其中，该方法包括：使用预训练模型对预设试题文本信息进行向量映射，得到词向量；基于词向量利用卷积神经网络从预设试题文本信息中获取试题文本特征表示；基于词向量利用深层卷积神经网络提取预设试题文本信息中的试题图片特征；采用协同注意力机制分别获取试题文本引导的试题图片特征和试题图片引导的试题文本特征；通过门控机制对上一步得的更新后的试题文本特征和图片特征进行融合表示，并输入全连接、Softmax层中预测试题知识点分类结果。该方法有效缓解了小样本试题知识点分类中的特征稀疏问题，从而提高试题知识点的分类性能。

摘要： 本发明公开了一种标签化的试题知识点分类方法及系统，分类方法包括：S1、将待分类的目标试题的信息转换成预设的标准格式的文本；S2、从转换得到的文本中提取关键词；S3、根据关键词，确定目标试题在预构建的知识点的多维度立体模型中对应的知识节点；S4、建立目标试题的标签，标签包括一个或多个关键词标签、一个或多个知识节点标签；S5、对比目标试题的关键词标签与对应知识节点的数据库中的试题，计算目标试题与对应的知识节点的关联度；S6、若目标试题仅与一个知识节点的关联度超过预设的关联度阈值，则将该目标试题归属至该知识节点对应试题的数据库中。本发明对试题进行标签化，帮助海量学习内容的筛选过滤，为自适应教学提供依据。

摘要： 本发明涉及网络教育技术领域，具体涉及一种试题标签分类方法包括以下步骤：A、将试题标签集合label进行变量初始化；B、将所有未打满试题标签的试题放入待分类试题库中；C、获取上一条试题K中被选择最多的试题标签Lj，并且统计出与试题标签Lj关联的试题的数量QLj；D、统计每个试题标签需要关联的试题数量的平均值Qaverage；E、比较QLj以及Qaverage；F、将获取的试题进行人工打标得到新的试题标签；G、将该新获得的试题标签保留至试题标签集合label中；H、检测打完试题标签后的试题是否已打满试题标签，优化标签系统的试题推送，通过集中同类题目给相同的人，利用人的短暂记忆比较强的特点，提高打标签的效率。

摘要： 本发明公开了一种适用于分层分类设计的测试题目参数标注方法，包括以下步骤：步骤一、对于海量测试数据中的每道题目所属层级和类别进行标注；步骤二、分别统计每道题目各层级各类别内的正确率P和错误率Q；步骤三、在使用海量数据的前提下，使用C＝arctan(Q/P)作为每个层级每个类别的特征值；步骤四、在使用海量数据的前提下，使用N＝arctan(Q/P)作为每道题目本身的直接特征值；步骤五、根据每个层级每个类别的特征值与题目本身的直接特征值确定题目的综合特征值M。本发明涉及测试题目表述技术领域。该适用于分层分类设计的测试题目参数标注方法。

摘要： 本发明实施例公开了一种信息分类方法、试题分类方法、设备、服务器和存储介质；本发明实施例在获取待分类信息后，一方面，对该待分类信息中的文本内容进行分词处理，得到文本词集合，并对文本词集合中的文本词进行特征提取，得到待分类信息的文本特征，另一方面，对该分类信息中的公式内容进行标准化处理，并对标准化后的公式内容进行切分，得到公式子串集合，然后，根据待分类信息的文本内容，对公式子串集合进行特征提取，得到待分类信息的公式特征，最后，基于内容特征和公式特征对待分类信息进行分类；该方案可以提升信息分类的准确性。

摘要： 本发明实施例公开了一种信息分类方法、试题分类方法、设备、服务器和存储介质；本发明实施例在获取待分类信息后，一方面，对该待分类信息中的文本内容进行分词处理，得到文本词集合，并对文本词集合中的文本词进行特征提取，得到待分类信息的文本特征，另一方面，对该分类信息中的公式内容进行标准化处理，并对标准化后的公式内容进行切分，得到公式子串集合，然后，根据待分类信息的文本内容，对公式子串集合进行特征提取，得到待分类信息的公式特征，最后，基于内容特征和公式特征对待分类信息进行分类；该方案可以提升信息分类的准确性。

摘要： 本发明公开了一种联合试题分类与评分学习的主观题自动评阅深度学习方法，涉及人工智能与智慧教育的交叉领域。本发明针对不同类型的主观题具有不同的评阅方式的特点，通过联合试题分类与评分学习，使得主观题自动评阅神经网络模型能够掌握不同类型试题的评卷方法，以更有效的方法解决主观题自动评阅问题。首先，通过一个积神经网络对待评阅的主观题进行试题分类，得到待评阅的主观题试题类型。然后，将待评阅的主观题的试题类型嵌入和学生答案输入序列及标准答案输入序列的每一个字嵌入相连接，得到试题类型感知的学生答案输入和标准答案输入，并通过一个由卷积与双向长短期记忆网络组成的杂合模型进行高精度评分。

摘要： 本发明属于试题分类技术领域，公开了一种基于大数据的试题动态分类方法、装置、设备及存储介质。该方法包括：获取不同类型的用户对待分类试题的评价结果；根据所述评价结果确定所述待分类试题的目标权重；根据所述目标权重得到所述待分类试题的难度分类结果。通过上述方式，利用获取不同类型的用户对待分类试题的评价结果，进行不同画像用户下的权重分配，从而得到待分类试题在多角度因素考虑下的目标权重，基于待分类试题的目标权重得到对应的难度分类结果，最终实现了对试题难度的科学划分，并客观地根据试题的难度完成对试题集的动态分类，有利于用户的长期体验，同时增强了试题集动态调整时的说服力和权威性。

摘要： 本申请提供了一种试题分类模型的训练方法、装置、设备、介质及产品，模型包括：第一分类层、第二分类层及映射层，方法包括：获取具有相同试题文本的、携带第一标签的第一试题样本及携带第二标签的第二试题样本；通过第一分类层，基于第一试题样本进行分类预测，得到试题文本归属的第一预测节点，并通过第二分类层，基于第二试题样本进行分类预测，得到试题文本归属的第二预测节点；通过映射层，基于教材体系中节点间的关联关系，对第二预测节点进行映射，得到与第二预测节点对应的映射节点；结合第一标签、第二标签、第一预测节点、第二预测节点及映射节点，更新试题分类模型的模型参数。如此，能够提高试题分类模型的训练效率及分类准确性。