[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

摘要

本发明公开了一种基于递归神经网络的试题分类及难度分级方法，该方法使用两级的神经网络，第一级网络可以为未标明科目的试题进行分类，同时将分类好的试题放入第二级网络中,可为没有标明试题难度的题目提供一个近似的参考难度。另外，由于试题的属性与试题的难度之间具有某种关联关系，例如某些省份的模拟题往往难于其他题目，同样的包括年份、题型、包含知识点等等也会跟试题的难度有一定的关联关系，因此可以通过这些属性来构建试题的特征向量作深度学习的训练样本。

主权项

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。