[发明专利]一种基于模糊聚类分析的智能组卷方法

摘要

本发明涉及试题组卷技术领域，尤其是一种基于模糊聚类分析的智能组卷方法，包括构建试题属性矩阵、中文字词量化和模糊聚类分析，所述模糊聚类分析包括数据变换及规格化、建立模糊相似关系矩阵、建立模糊等价矩阵和自动分类，组卷者按照预先设计的组卷方案输入关键字词内容及关联度，根据中文关键词，从题库中选取关联值大于k值的候选试题，最后形成矩阵并输出最佳候选题，本发明能够通过计算隶属度对试题进行排比分类，以满足试题组卷的决策要求，并具备快速、经济、灵活、保密、试卷质量高的特点。

主权项

1.一种基于模糊聚类分析的智能组卷方法，其特征在于：包括构建试题属性矩阵、中文字词量化和模糊聚类分析，所述模糊聚类分析包括数据变换及规格化、建立模糊相似关系矩阵、建立模糊等价矩阵和自动分类，所述的构建试题属性矩阵包括试题的知识点、难度、时效性、平均分和及格率，所述的中文词量化为关键词基本关联法，设置属性关联强度k，设定k值为0‑1之间且包含0和1，根据中文词量化得到全向量化数值集合Xi，所述的模糊聚类分析为将需要进行分类的对象称为样本并设有n‑1个样本，设置被分类对象的集合为X＝{x1,x2,…xn‑1},每个样本有m个特性指标，即样本xi可表示为特性指标向量Xi＝(xi1,xi2,…xim)，所述的数据变换及规格化为对指标值进行数据规格化，使得每种指标值统一在相应种类共同的数值特性范围，所述的数值特性范围为0‑1之间，所述的建立模糊相似关系矩阵为确定各样本之间的关系，并采用相似度r表示样本之间的接近程度，并设定r值越接近于1表示两个样本越相似，所述的建立模糊等价矩阵为根据样本之间的关系形成相似矩阵R，根据模糊等价矩阵的传递性得到相似矩阵R的传递闭包R*，最后得到包含R的最小模糊等价矩阵，所述的自动分类为设定阀值λ，对模糊相似矩阵R*进行截割，组卷方法步骤为：(1)组卷者按照预先设计的组卷方案输入题型知识点的关键字词内容及关联度k值，同时输入试题难度分、时效年份、平均分和及格率综合因素，形成目标向量X0，并输入各分项的极大值Xmax；(2)根据中文关键词，从题库中选取关联值大于k值的候选试题，并获取其相关联的属性矩阵；(3)对形成的属性矩阵进行规格化处理形成规格化矩阵；(4)计算相识矩阵：采用夹角余弦法求得样本间的相似矩阵；(5)建立模糊等价矩阵：通过矩阵R的传递闭包R*,最终得到包含R的最小模糊等价矩阵；(6)选定适当的阀值λ，对最小模糊等价矩阵R*进行截割，得到阀值λ的分类结果，若对本次分类不满意，可调整阀值λ，重新进行分类，在分类结果中，凡是和X0同类的，即为最佳候选题。