买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉网才科技(广州)集团股份有限公司申请的专利一种基于大数据深度挖掘的命题考题评级方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120632083B 。

龙图腾网通过国家知识产权局官网在2026-03-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510576416.6，技术领域涉及：G06F16/335；该发明授权一种基于大数据深度挖掘的命题考题评级方法及系统是由郭南明;马赫;倪小明;杜育林;洪潜凯;刘佳荣;李剑;崔浩松;蒋亦萱设计研发完成，并于2025-05-06向国家知识产权局提交的专利申请。

本一种基于大数据深度挖掘的命题考题评级方法及系统在说明书摘要公布了：本发明涉及教育测评技术领域，并具体公开了一种基于大数据深度挖掘的命题考题评级方法及系统，该方法包括：整合历史考试、学生作答及教学资源数据，清洗归一化后形成超大规模数据集；依据考题文本和知识点标签生成标准解题逻辑树，再基于知识点结构特征和相关性生成应用难度矩阵与关联应用度矩阵，作为命题特征；运用大数据算法分析作答记录、得分分布，结合学力异化基数，获难度系数等评级结果；用神经网络模型学习命题和评级特征，得考题评级模型；基于待评级考题逻辑树和评级模型获其评级结果；实现了对新考题的快速、科学评级。为教育工作者在命题、筛选考题以及评估教学效果等方面提供了有力工具，有助于优化教学和考试安排，提升教育质量。

本发明授权一种基于大数据深度挖掘的命题考题评级方法及系统在权利要求书中公布了：1.一种基于大数据深度挖掘的命题考题评级方法，其特征在于，包括： S1：整合历史考试数据、学生详细作答数据及教学资源数据并进行清洗、归一化处理，形成包含考题文本、作答记录、得分分布、知识点标签的超大规模数据集； S2：基于超大规模数据集中每个历史考题的考题文本和知识点标签生成标准解题逻辑树，基于所有知识点在标准解题逻辑树中的结构特征和结构相关性生成每个考题的应用难度矩阵和关联应用度矩阵作为每个历史考题的命题特征； S3：运用大数据挖掘算法分析超大规模数据集中每个历史考题的作答记录、得分分布，并考虑作答对象之间的学力异化基数，获得每个历史考题的难度系数、区分度指数、信度值及效度值作为每个历史考题的考题评级结果； S4：利用神经网络模型学习超大规模数据集中每个历史考题的命题特征和考题评级特征，获得考题评级模型； S5：基于待评级考题的标准解题逻辑树和考题评级模型获得待评级考题的考题评级结果； 其中，S2：基于超大规模数据集中每个历史考题的考题文本和知识点标签生成标准解题逻辑树，基于所有知识点在标准解题逻辑树中的结构特征和结构相关性生成每个考题的应用难度矩阵和关联应用度矩阵作为每个历史考题的命题特征，包括： 基于超大规模数据集中每个历史考题的考题文本和标准解题思路，确定出每个历史考题的至少一个标准解题思路； 基于每个历史考题的每个标准解题思路和标准解题思路中涉及的所有知识点的知识点标签生成标准解题逻辑树； 基于每个历史考题的每个标准解题思路中涉及的每个知识点在所属标准解题逻辑树中的层级深度和对应标准解题逻辑树的结构复杂度，评估出对应知识点的应用难度； 基于每个历史考题的每个标准解题思路中涉及的所有知识点的应用难度生成每个考题的应用难度矩阵； 基于每个历史考题的每个标准解题思路中涉及的不同知识点在所属标准解题逻辑树中的结构相关性分析出每个历史考题的每个标准解题思路中涉及的不同知识点间的关联应用度； 基于每个历史考题的每个标准解题思路中涉及的不同知识点间的关联应用度生成每个考题的关联应用度矩阵； 将每个考题的应用难度矩阵和关联应用度矩阵作为每个历史考题的命题特征。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人网才科技(广州)集团股份有限公司，其通讯地址为：510000 广东省广州市番禺区东环街金山谷创意十街5号308~316、401~416房；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。