[发明专利]分数预测系统及预测方法

说明书

本发明涉及自动化技术领域，具体涉及一种分数预测系统及预测方法，该系统包括：学生练习终端，学生练习终端用于根据学生做题的规律或试卷出题规律对试题库中的试题进行分数预测节点划分，然后将划分在两个分数预测节点之间的试题组成子节点集，之后统计学生完成对应子节点集中试题的个数生成练习试题数，再根据子节点集和学生练习试题数计算两者之间的占比值，并生成作答覆盖率；再然后根据试题来源的不同对试题不同来源的试题进行权重划分，并根据不同来源试题练习的正确率计算其节点题目分数，根据作答覆盖率、节点题目分数和平滑函数计算学生的子节点集预计获得分数作为预测分数的依据。

技术领域

本发明涉及自动化技术领域，具体涉及一种分数预测系统及预测方法。

背景技术

考试是现代生活中每个人都经历过的一个过程，应试者往往会在考试之前对自己的能力进行模拟测试，而一个在线模拟测试系统成为了一个很重要的发展方向。

目前，主要的分数预测方法是通过真实的中学生数据和机器挖掘算法得到影响学生学业的关键因素。比如在校生的家庭背景以及在校行为。通过逻辑回归算法生成离线模型和学业指标评估报告，对学生的期末成绩进行预测，把训练好的离线模型应用到业务场景中去。该方案主要缺点在于，深度挖局算法需要通过学习已知的学生特征信息和真实分数间的关联生成模型，而实际情况是学生的上述信息(或称预测因子)对E端产品来说很难获得，使得预测因子获取不及时，影响预测分数的准确性；另外机器挖掘算法一般比较复杂，计算效率对并发量大的系统计算容易形成瓶颈。

发明内容

本发明目的在于提供一种分数预测系统，以增加E端产品获取预测因子的容易程度。

本发明提供的基础方案为：分数预测系统，包括：学生练习终端，学生练习终端用于根据学生做题的规律或试卷出题规律对试题库中的试题进行分数预测节点划分，然后将划分在两个分数预测节点之间的试题组成子节点集，之后统计学生完成对应子节点集中试题的个数生成练习试题数，再根据子节点集和学生练习试题数计算两者之间的占比值，并生成作答覆盖率；再然后根据试题来源的不同对试题不同来源的试题进行权重划分，并根据不同来源试题练习的正确率计算其节点题目分数，根据作答覆盖率、节点题目分数和平滑函数计算学生的子节点集预计获得分数作为预测分数的依据。

本发明的优点在于：

1、本方案中子节点集预计获得分数反应的是学生对子节点集中试题的掌握程度和熟练程度，且子节点集预计获得分数可以直接通过学生试题练习时的正确率和作答覆盖率计算得到，获取方便。与现有技术相比，现有技术中是通过学生在校行为和学生家庭背景作为预测因子进行学生分数预测，采用这种方式需要调查学生的家庭背景，同时也需要及时的反馈学生在校行为才能进行分数预测，若反馈不及时便会导致学生成绩预测不准确，由此可知，本方案中的获取预测因子更加方便。

2、若学生所完成的试题练习并不多，学生练习终端采集到的正确率等参数便对评判学生成绩贡献并不大，即这时候的正确率没有反应学生普遍知识掌握情况，此时进行分数预测便可能导致分数预测不准确，而平滑函数的增加，使得作答覆盖率不高时预测分数变化不敏感，增加预测的准确性。

3、由于不同来源的试题所侧重的知识点并不相同，即不同来源的试题所覆盖考试重点率并不相同，若学生完成的试题来源于覆盖考试重点率高的试题，则学生考试成绩可能会更好，所以根据试题来源的不同对试题不同来源的试题进行权重划分，并根据对不同来源试题练习的正确率计算其节点题目分数，之后根据作答覆盖率、节点题目分数和平滑函数计算学生的子节点集预计获得分数作为预测分数的依据，能够有效增加分数预测准确性。

进一步，所述学生练习终端包括题目作答覆盖率计算模块，所述题目作答覆盖率计算模块用于根据学生进行试题练习时所完成的试题和子节点集中试题总量之间计算作答覆盖率，计算时一个子节点集中试题总量大于最大预设值时子节点集中试题总量等于最大预设值。