[发明专利]一种分数预测方法、装置、存储介质和电子设备有效

专利信息
申请号: 202111133101.2 申请日: 2021-09-27
公开(公告)号: CN113628080B 公开(公告)日: 2022-08-12
发明(设计)人: 卢鑫鑫;刘萌;叶礼伟;夏志群;蔡晓凤;孙康明;吴嫒博;孙朝旭;滕达;覃伟枫 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G06Q50/20 分类号: G06Q50/20;G06Q10/04;G06N3/04;G06N3/08
代理公司: 北京同达信恒知识产权代理有限公司 11291 代理人: 朱佳
地址: 518044 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 分数 预测 方法 装置 存储 介质 电子设备
【说明书】:

本申请提供一种分数预测方法、装置、存储介质和电子设备,涉及计算机技术领域。该方法可以应用于云技术、车联网、智慧交通和人工智能等场景中,在获取到至少两个目标对象的已作答试题的已作答试题分数后,可以分别确定每两个目标对象之间的对象特征关系、每两个已作答试题分数之间的分数特征关系、以及各个目标对象与各个已作答试题分数之间的属性特征关系,并对确定出的各个对象特征关系、各个分数特征关系和各个属性特征关系进行卷积操作,获得至少两个目标对象的未作答试题的预测分数。由于可以根据确定出的各种特征关系,对未作答试题的分数进行预测,得到相应的预测分数,从而可以提高对分数进行预测的准确度和效率。

技术领域

本申请涉及计算机技术领域,尤其涉及一种分数预测方法、装置、存储介质和电子设备。

背景技术

随着教育体系的不断发展,在对目标对象进行教育的过程中,通常需要根据目标对象的历史试题答题分数,预测出目标对象在未做试题中的分数情况,进而根据该分数情况,对目标对象进行试题推荐和学习路径规划等。

在相关技术中,通常先通过模拟考试以及考点测验等方式得到目标对象的历史试题答题分数,然后依赖于教育相关人员对历史试题答题分数的分析和理解,对目标对象在未做试题中的答题分数进行预测。

然而,这种方式由于需要根据大量的目标对象的历史试题答题分数,得到目标对象在未做试题中的预测分数,因此,对试题分数进行预测的效率较低,并且得到的分数预测结果准确度也不高。

发明内容

为解决现有存在的技术问题,本申请实施例提供一种分数预测方法、装置、存储介质和电子设备,可以提高对目标对象的分数进行预测的准确度和效率。

为达到上述目的,本申请实施例的技术方案是这样实现的:

第一方面,本申请实施例提供了一种分数预测方法,包括:

获取初始分数集合;所述初始分数集合至少包括:已作答试题、未作答试题,至少两个目标对象的所述已作答试题的已作答试题分数;

分别确定每两个所述目标对象之间的对象特征关系、每两个所述已作答试题分数之间的分数特征关系、以及各个所述目标对象与各个所述已作答试题分数之间的属性特征关系;

对获得的各个所述对象特征关系、各个所述分数特征关系和各个所述属性特征关系进行卷积操作,获得所述至少两个目标对象的所述未作答试题的预测分数。

第二方面,本申请实施例还提供了一种分数预测装置,包括:

初始分数获取单元,用于获取初始分数集合;所述初始分数集合包括:已作答试题、未作答试题,至少两个目标对象的所述已作答试题的已作答试题分数;

特征关系确定单元,用于分别确定每两个所述目标对象之间的对象特征关系、每两个所述已作答试题分数之间的分数特征关系、以及各个所述目标对象与各个所述已作答试题分数之间的属性特征关系;

预测分数确定单元,用于对获得的各个所述对象特征关系、各个所述分数特征关系和各个所述属性特征关系进行卷积操作,获得所述至少两个目标对象的所述未作答试题的预测分数。

在一种可选的实施例中,所述特征关系确定单元,具体用于:

将所述初始分数集合输入已训练的分数预测模型中的第一卷积网络,基于所述第一卷积网络,对所述初始分数集合进行第一卷积操作,得到相应的特征分数集合;

其中,所述特征分数集合包括对各个所述已作答试题分数进行所述第一卷积操作,获得的多个特征分数;所述特征分数集合中,每两个相邻的列元素各自对应的所述特征分数之间的关系,表征相应的两个目标对象之间的对象特征关系;

所述特征分数集合中,每两个相邻的特征分数之间的关系,表征相应的两个已作答试题分数之间的分数特征关系;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111133101.2/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top