CN114254615B 组卷方法、装置、电子设备和存储介质 （科大讯飞股份有限公司）

2基于所述目标对象对应所述候选试题的应用信息，以及所述候选其中，所述以试卷中包含试题的推荐权重之和最高为目4.根据权利要求3所述的组卷方法，其特征在于，所述对所述试题交互图进行特征提各节点的节点交互图输入至节点特征提取模所述节点交互图是围绕对应节点展开的试题交互图的表现形式，所述节所述预设试卷结构是基于所述待考核对象或所述目标对象的历史试卷6.根据权利要求1至5中任一项所述的组卷方法3在使用信息库中查询所述目标对象对应所述候选试题的应用信息7.根据权利要求1至5中任一项所述的组卷方法，其基于各试题的知识点，以及考核范围内包含的知识点，选取排序单元，用于基于所述目标对象对应所述候选试题的应组卷单元，用于以试卷中包含试题的推荐权重之和最高为其中，所述以试卷中包含试题的推荐权重之和最高为目机程序被处理器执行时实现如权利要求1至8任一项所述组卷方法4化问题，但是由于该组合优化是一个非确定性多项式(Non-deterministicpolynomial，[0007]基于所述目标对象对应所述候选试题的应用信息，以及所述候选试题的试题信5取模型基于正样本对和负样本对训练得到，所述正样本对包括两个存在相似题关系的试[0022]所述预设试卷结构是基于所述待考核对象或所述目标对象的历史试卷结构确定[0025]根据本发明提供的一种组卷方法，所述应用信息包括采用次数和/或浏览但未采6算机程序被处理器执行时实现如上述任一种所7[0048]2)基于回溯试探法的组卷算法：应用回溯试探法对试题库的某道试题进行抽取8试题进行推荐排序，可以通过Thompson(汤普森)采样、UCB(UpperConfidenceBound)算9(hierarchicalclustering)算法，也可以是K-MEANS聚类算法、DBSCAN(Density-Based取模型基于正样本对和负样本对训练得到，所述正样本对包括两个存在相似题关系的试在layer＝0时的节点向量即初始节点向量以及节点i1在layer＝0时的节点向量确定。示邻居节点集合中的节点数量，和wf为预先训练好的layer＝k的权重参数。[0101]所述预设试卷结构是基于所述待考核对象或所述目标对象的历史试卷结构确定123456易0.970.940.900.780.740.71易0.930.900.820.740.710.68难0.890.860.820.710.580.65易0.810.790.750.650.620.59易0.730.710.680.580.560.53难0.720.690.660.570.550.52难0.640.610.590.510.480.46与候选试题属于同一试题类别的其他试题的应用信息，在得到其他试题的应用信息采用次数可以直接反映目标对象在组卷方面对于该候选试题的正向偏好，采用次数越高，[0116]浏览但未采用次数具体是指目标对象在组卷过程中浏览到该候选试题但是未采……ab………………[0137]式中，beta(x；a,b)即候选试题的推荐权重，x即候选试题的试题取模型基于正样本对和负样本对训练得到，所述正样本对包括两个存在相似题关系的试[0158]所述预设试卷结构是基于所述待考核对象或所述目标对象的历史试卷结构确定[0166]基于所述目标对象对应所述候选试题的应用信息，以及所述候选试题的试题信[0168]此外，上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以[0171]基于所述目标对象对应所述候选试题的应用信息，以及所述候选试题的试题信[0175]基于所述目标对象对应所述候选试题的应用信息，以及所述候选试题的试题信以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单以对前述各实施例所记载的技术方案进行修改，或者对其