[发明专利]一种基于递归神经网络的试题分类及难度分级方法

权利要求书

1.一种基于递归神经网络的试题分类及难度分级方法，其特征在于，该方法包括以下步骤：

步骤S1，初始化：选取一定数量的已标明科目和难度的试题作为训练样本，分为不同难度的类别，并给定标签，再进一步从已有数据中提取试题的地区、年份、题型、所包含知识点的属性；

步骤S2，构建神经网络：将所述的属性量化为特征向量，并作为科目分类神经网络的输入；

步骤S21，构建科目分类神经网络：所述的特征向量利用已标明科目的试题做为训练集来训练科目分类神经网络,再利用训练好的科目分类神经网络对试题进行科目分类；

步骤S22，构建难度分类神经网络：将所述的科目分类神经网络做好科目分类的试题放入与科目对应的难度分级神经网络中进行训练，再利用训练好的难度分级神经网络得到输出值；

选取不同的训练样本的放入到训练好的难度分级神经网络中进行训练，通过BP算法来调节参数，设定迭代次数和迭代误差使输出值逼近期望输出值。

2.根据权利要求1所述的基于递归神经网络的试题分类及难度分级方法，其特征在于所述的科目分类神经网络和所述的难度分级神经网络均采用递归神经网络。

3.根据权利要求2所述的基于递归神经网络的试题分类及难度分级方法，其特征在于所述的递归神经网络中单个递归神经网络的计算方法为其中为s_t当前时序的输出，为激活函数，u当前时序输入的权重，x_t为当前时序的输入，w为前一时序输入的权重，s_t-1为前一时序的输出；网络的输出为：o_t＝v*s_t，其中O_t为单个递归神经网络的输出，v为隐层和输出之间的权重。