[发明专利]法考客观题成绩预测方法、系统及存储介质

说明书

本发明公开了法考客观题成绩预测方法、系统及存储介质，方法包括：获取前a年内预设m个学员的考试分数，对考试分数进行预处理，获得m个分数标签向量L，其中，a、m均为正整数；获取每个学员每个知识点的平均正确率、每个科目的听课总时长和做题总量，进行归一化处理，获得m个学习特征向量F；根据分数标签向量L和学习特征向量F构造考试成绩训练样本；利用考试成绩训练样本进行训练，获得考试成绩预测模型，考试成绩预测模型为脉冲MLP模型，其前向传播采用LIF神经元，反向传播采用sigmoid神经元；获取当前学员每个知识点的平均正确率、每个科目的听课总时长和做题总量，基于考试成绩预测模型预测当前学员的考试成绩。

技术领域

本发明涉及在线教育技术领域，具体涉及一种法考客观题成绩预测方法、系统及存储介质。

背景技术

目前，现有的法考客观题成绩预测方法主要有以下几种：

第一种：采用统计学习方法，构建回归模型，进行分数拟合预测。例如通过提取学生的课堂专注度、出勤率、在线学习时长、试卷难易度评分四个特征构建二阶响应曲面模型进行分数预测。此类方法较为简单，由于特征粒度比较粗，预测准确率较低，均方误差较高。

第二种：采用深度学习的方法，在已知考试试题的条件下，预测学员做当前考试试题能得多少分，但是目前每年的法考，学员是不可能提前已知考试试题的，所以这种方法的使用局限性较大。如果用在未知考试试题的情况下，预测学员的分数，则会有计算量大的缺点。

第三种：采用机器学习和深度学习结合的方法，例如基于PCANet-BiGRU的成绩预测方法、处理器、可读存储介质及计算机设备，该方法采用PCANet进行特征提取，并且将特征输入到深度学习模型BiGRU中进行预测，此类方法最大的缺点为计算量大，耗时长，响应时间长。

综上，现在亟需一种法考客观题成绩预测方法，用于在未知考试试题的条件下，预测学员的考试成绩，并且在保证准确率的情况下，降低计算量和能耗，提高响应速度。

发明内容

针对现有技术中的技术缺陷，本发明实施例的目的在于提供一种法考客观题成绩预测方法、系统及存储介质，解决在未知法考客观题试题的条件下，如何准确预测学员参加客观题考试的成绩。

为实现上述目的，第一方面，本发明实施例提供了一种法考客观题成绩预测方法，包括：

获取前a年内预设m个学员的考试分数，对考试分数进行预处理，获得m个分数标签向量L，其中，a、m均为正整数；

获取每个所述学员每个知识点的平均正确率、每个科目的听课总时长和做题总量，进行归一化处理，获得m个学习特征向量F；

根据所述分数标签向量L和学习特征向量F构造考试成绩训练样本；

利用所述考试成绩训练样本进行训练，获得考试成绩预测模型，所述考试成绩预测模型为脉冲MLP模型，其前向传播采用LIF神经元，反向传播采用sigmoid神经元；

获取当前学员每个知识点的平均正确率、每个科目的听课总时长和做题总量，进行归一化处理后，基于所述考试成绩预测模型预测所述当前学员的考试成绩。

可选的，所述对考试分数进行预处理包括：

按照预设分数段对考试分数打上标签；

将对应的标签值采用one-hot编码，获得分数标签向量L。

可选的，所述按照预设分数段对考试分数打上标签，包括：

将分数段划分为[0-M₁)、[M₁-M₂)、……、[M_N-1-M_N)、[M_N-∞)共N+1段；