(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210343025.6 (22)申请日 2022.04.02 (71)申请人 武汉巨大树屋科技有限公司 地址 430000 湖北省武汉市东湖新 技术开 发区关南园一路20号当代科技园(华 夏创业中心)高层办公楼7号楼1004号 (自贸区武汉片区) (72)发明人 张晓梅　 (51)Int.Cl. G06F 40/30(2020.01) G06F 16/36(2019.01) G06Q 10/06(2012.01) G06Q 50/20(2012.01) (54)发明名称 一种数学题目难度判断的方法 (57)摘要 本发明提供一种数学题目难度判断的方法， 包括题目静态难度判断和题目动态难度判断， 其 中， 所述题目静态难度判断包括如下步骤： S1 ‑1、 从数学题目中抽取题目信息； S1 ‑2、 把数学题目 和出版社信息作为输入提供给语义理解框架， 输 出题目与知识点映射关系； S1 ‑3、 将步骤S1 ‑2的 题目信息、 题目与知识点映射关系作为输入， 提 供给静态打分模型， 输 出静态难度分数； S1 ‑4、 基 于静态难度分数的范围判断题目静态难度； 所述 题目动态难度判断包括如下步骤： S2 ‑1、 以孩子 画像和题目静态难度作为输入， 提供给动态打分 模型， 输出动态难度分数； S2 ‑2、 基于动态难度分 数的范围判断题目动态难度。 本发 明对数学题目 进行智能量 化判断， 提高题目难度判断精准度。 权利要求书1页 说明书3页 附图1页 CN 114781391 A 2022.07.22 CN 114781391 A 1.一种数学题目难度判断的方法， 其特征在于， 包括题目静态难度判断和题目动态难 度判断， 其中， 所述题目静态难度判断包括如下步骤： S1‑1、 从数学题 目中抽取题 目信息， 包括题目空数量、 题干长度、 题目类型和知识点数 量； S1‑2、 把数学题目和出版社信息作为输入提供给语义理解框架， 输出题目与知识点映 射关系； S1‑3、 将步骤S1 ‑1的题目信息、 步骤S1 ‑2的题目与知识点映射关系作 为输入， 提供给静 态打分模型， 输出静态难度分数； S1‑4、 基于步骤S1 ‑3得到的静态难度分数的范围判断题目静态难度； 所述题目动态难度判断包括如下步骤： S2‑1、 以学生画像和步骤S1 ‑4得到的题目静态难度作 为输入， 提供给动态打分模型， 输 出动态难度分数； S2‑2、 基于步骤S2 ‑1得到的动态难度分数的范围判断题目动态难度。 2.根据权利要求1所述的数学题目难度判断的方法， 其特征在于， 步骤S1 ‑2中的语义理 解框架的工作过程 为： 完成题目和知识点的语义理解， 分析 出题目与知识点映射关系。 3.根据权利要求1所述的数学题目难度判断的方法， 其特征在于， 步骤S1 ‑3中， 静态打 分模型对题目空数量TN、 题干长度TL、 题目类型TT、 知识点数量KN四个维度进行打分， 公式 如下： 静态难度分数=TN+TL+T T+KN        式 （1） 。 4.根据权利要求1所述的数学题目难度判断的方法， 其特征在于， 步骤S2 ‑1中， 动态打 分模型对题目静态难度TSD、 已学习掌握知识 点比例MKP、 是否包含 未学习知识点ULK三个维 度进行打 分， 公式为： 动态难度分数=TS D* （MKP+ULK）      式 （2） 。 5.根据权利要求1所述的数学题目难度判断的方法， 其特征在于， 步骤S2 ‑1中的学生画 像为学生知识图谱， 包括已掌握知识 点及掌握情况示图、 已学未掌握知识点示图、 未学习知 识点示图。权　利　要　求　书 1/1 页 2 CN 114781391 A 2一种数学题目难度判断的方 法 技术领域 [0001]本发明属于数 学题目评估技 术领域， 具体涉及一种数 学题目难度判断的方法。 背景技术 [0002]在教学及考试实践中， 需要对试卷的题量、 题型的安排及综合难度进行把控， 以便 为校验教学效果提供有效工具， 预先合理划定及格线 （淘汰率） ， 以及与其他试卷的考试结 果进行横向比较等。 [0003]整体而言， 评估试题难度有两种方法， 一种是实测难度， 一种预估难度。 但目前为 止所用的方法缺少基于人工智能量化的判断手段， 题目难度判断难度大且不准确， 也无法 判断题目包 含的知识点是否超纲。 发明内容 [0004]本发明的发明目的是针对在题目难度判断方面缺少有效手段的现状， 提供一种数 学题目难度判断的方法。 [0005]为解决上述技术问题， 本发明的实施例提供一种数学题目难度判断的方法， 包括 题目静态难度判断和题目动态难度判断， 其中， 所述题目静态难度判断包括如下步骤： S1‑2、 从数学题目中抽取题目信息， 包括题目空数量、 题干长度、 题目类型和知识 点数量； S1‑2、 把数学题目和 出版社信息作为输入提供给语义理解框架， 输出题目与知识 点映射关系； S1‑3、 将步骤S1 ‑1的题目信息、 步骤S1 ‑2的题目与知识点映射关系作为输入， 提供 给静态打 分模型， 输出静态难度分数； S1‑4、 基于步骤S1 ‑3得到的静态难度分数的范围判断题目静态难度； 所述题目动态难度判断包括如下步骤： S2‑1、 以学生画像和步骤S1 ‑4得到的题目静态难度作为输入， 提供给动态打分模 型， 输出动态难度分数； S2‑2、 基于步骤S2 ‑1得到的动态难度分数的范围判断题目动态难度。 [0006]其中， 步骤S1 ‑2中的语义理解框架的工作过程为： 完成题目和知识点的语义理解， 分析出题目与知识点映射关系。 [0007]其中， 步骤S1 ‑3中， 静态打分模型对题目空数量TN、 题干长度 TL、 题目类型TT、 知识 点数量KN四个维度进行打 分， 公式如下： 静态难度分数=TN+TL+T T+KN        式 （1） 。 [0008]其中， 步骤S2 ‑1中， 动态打分模型对题目静态难度TSD、 已学习掌握知识点比例 MKP、 是否包 含未学习知识点ULK三个维度进行打 分， 公式为： 动态难度分数=TS D* （MKP+ULK）      式 （2） 。 [0009]其中， 步骤S2 ‑1中的学生画像为学生知识图谱， 包括已掌握知识点及掌握情况示说　明　书 1/3 页 3 CN 114781391 A 3