[发明专利]一种用于快速表达力测试的智能化题目分类及推荐方法

权利要求书

1.一种用于快速表达力测试的智能化题目分类及推荐方法，其特征在于：使用机器学习技术即基于大量系统用户在题目使用过程中的分数数据对题目难度和题目区分度进行分类，并根据用户的偏好设置或历史数据进行题目推荐，该方法的步骤如下：

步骤一、首先由人工根据偏度划分M个难度等级，表征题目难度；根据峰度划分K个区分度等级，表征题目区分度；

步骤二、从题库中取得未经分类的一批题目，题目数量为N，将该批题目按默认难度系数投放到表达力测试系统供用户练习，并将用户完成这些题目的分数计入数据库，以该批题目中的具体题目P为例，统计用户在该题目上的得分，并得到用户分数分布曲线和偏度s以及峰度k；

步骤三、根据步骤二得到的用户分数分布偏度s把题目分配到M个难度等级中；

步骤四、根据步骤二得到的用户分数分布的峰度k把题目分配到K个区分度等级中；

步骤五、根据难度分类重新投放题目，并得到更多用户分数数据，重复步骤三和步骤四，使得题目分类更精确；

步骤六、将用户的历史做题记录和分数记入数据库，作为用户推荐题目的参考，若用户往期做题分数高于同龄或同行业用户平均水平，则提高为用户推荐题目的题目难度，用户分数高于同龄或同行业用户水平越多，推荐题目的难度应越高，若用户往期做题分数低于同龄或同行业用户平均水平，则降低为用户推荐题目的题目难度，用户分数低于同龄或同行业用户水平越多，推荐题目的难度应越低，高水平用户可选择挑战区分度低的高难度题目，低水平用户则优先考虑推荐区分度低的低难度题目，对于成长期用户，可优先推荐区分度高的题目。

2.根据权利要求1所描述的用于快速表达力测试的智能化题目分类及推荐方法，其特征在于：步骤二中的偏度s的计算公式为：

上式中：X表示样本，即题目P某一个学生的得分，μ是题目P对应的分数均值，σ为题目P对应的分数标准差，k_t表示t阶累积量。

3.根据权利要求1所描述的用于快速表达力测试的智能化题目分类及推荐方法，其特征在于：步骤二中的峰度k的计算公式为：

上式中：X表示样本，μ是题目P对应的分数均值，σ为题目P对应的分数标准差。

4.根据权利要求1所描述的用于快速表达力测试的智能化题目分类及推荐方法，其特征在于：步骤二中的表达力测试系统包括信息储存模块、数据库模块、信息统计模块和信息处理模块；

信息储存模块用于存储题库中所有待测试的题目信息；

数据库模块用于完成题目后的分数计入；

信息统计模块用于用户完成题目后的得分统计；

信息处理模块用于用户完成题目后得分的综合分析。

5.根据权利要求1所描述的用于快速表达力测试的智能化题目分类及推荐方法，其特征在于：步骤三中的分析结果主要分为以下几种情形：

偏度s0时，表明多数用户在该题目得分高，s越大，则认为该题目难度越低；

偏度s0时，表明多数用户在该题目得分低，s越小，则认为该题目难度越高；

偏度s＝0，则认为题目难度中等。

6.根据权利要求1所描述的用于快速表达力测试的智能化题目分类及推荐方法，其特征在于：步骤四中的分析结果主要分为以下几种情形：

峰度k值越小，分布形态越平缓，呈现低阔峰分布形态，表明题目区分度越好；

峰度k值越大，分布形态越陡峭，呈现高狭峰分布形态，表明题目区分度越小。