(19)中华 人民共和国 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 202111650091.X (22)申请日 2021.12.3 0 (71)申请人 科大讯飞股份有限公司 地址 230088 安徽省合肥市高新 开发区望 江西路666号 (72)发明人 丁亮　 (74)专利代理 机构 深圳市威世博知识产权代理 事务所(普通 合伙) 44280 代理人 刘希 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/20(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 40/289(2020.01) (54)发明名称 学生能力诊断方法及相关 设备、 存储介质 (57)摘要 本申请公开了一种学生能力诊断方法及相 关设备、 存储介质， 其中， 学生能力诊断方法包 括： 计算设备输入试题作答结果； 所述计算设备 对所述试题作答结果进行步骤拆解， 得到若干个 作答步骤； 所述计算设备利用网络模 型分析所述 作答步骤， 确定正确/错误类型标签； 所述计算设 备基于所述正确/错误类型标签， 形成能力诊断 结果。 上述方案， 能够智能化诊断学生能力。 权利要求书4页 说明书15页 附图4页 CN 114358570 A 2022.04.15 CN 114358570 A 1.一种学生能力诊断方法， 其特 征在于， 所述方法包括： 计算设备输入试题作答结果； 所述计算设备对所述试题作答结果进行步骤拆解， 得到若干个作答 步骤； 所述计算设备利用网络模型分析 所述作答 步骤， 确定正确/错 误类型标签； 所述计算设备基于所述 正确/错误类型标签， 形成能力诊断结果。 2.根据权利要求1所述的方法， 其特征在于， 所述计算设备利用网络模型分析所述作答 步骤， 确定正确/错 误类型标签， 包括： 基于所述作答步骤， 确定得分点的正确/错误类型标签， 和/或， 基于不同所述作答步骤 之间的关系， 确定步骤关系的正确/错 误类型标签。 3.根据权利要求2所述的方法， 其特征在于， 所述基于所述作答步骤， 确定得分点的正 确/错误类型标签， 包括： 利用得分点抽取模型对所述作答 步骤的得分点进行抽取， 得到 至少一个 检测得分点； 判断所述检测得分点与标准得分点是否匹配， 其中， 所述标准得分点与所述正确/错误 类型标签之间存在得分点映射关系； 若是， 则基于所述得分点映射关系， 确定所述检测得分点的正确/错 误类型标签； 和/或， 所述基于不同所述作答步骤之间的关系， 确定步骤关系的正确/错误类型标签， 包括： 利用篇章结构解析模型解析不同所述作答 步骤之间的检测步骤关系； 判断所述检测步骤关系与标准步骤关系是否匹配， 其中， 所述标准步骤关系与所述正 确/错误类型标签之间存在步骤关系映射关系； 若是， 则基于所述 步骤关系映射关系， 确定所述检测步骤关系的正确/错 误类型标签。 4.根据权利要求3所述的方法， 其特征在于， 所述检测得分点的错误类型标签包括： 计 算能力薄弱、 数据分析维度欠 缺； 和/或， 所述检测步骤关系包括条件、 推导， 所述检测步骤关系的错误类型标签包括条 件使用错误、 推导错误， 所述利用篇章结构解析模型解析不同所述作答步骤之间的检测步 骤关系， 包括： 利用所述篇章结构解析模型 的波束搜索确定条件概率最大 的所述检测步骤 关系。 5.根据权利要求1所述的方法， 其特征在于， 所述计算设备输入试题作答结果包括： 所 述计算设备输入若干试题的所述试题作答结果； 所述计算设备基于所述 正确/错误类型标签， 形成能力诊断结果， 包括： 在所述若干试题中确定所有对应所述 错误类型标签的试题得分与试题标准分的比值； 获得所述若干试题中对应所述错误类型标签的所述比值的平均值， 将所述平均值作为 所述错误类型标签的分值， 形成每 个所述错误类型标签对应的能力诊断结果。 6.根据权利要求5所述的方法， 其特征在于， 所述计算设备输入试题作答结果包括： 所 述计算设备输入目标 学生和若干对比学生的若干试题的所述试题作答结果； 所述计算设备基于所述 正确/错误类型标签， 形成能力诊断结果， 包括： 获取所述若干对比学生在每 个所述错误类型标签对应的能力诊断结果的平均值； 将所述目标学生的所述 能力诊断结果与 所述能力诊断结果的平均值的差值， 作为所述 目标学生的所述 错误类型标签对应的能力诊断结果。权　利　要　求　书 1/4 页 2 CN 114358570 A 27.根据权利要求1所述的方法， 其特征在于， 所述计算设备对所述试题作答结果进行步 骤拆解， 得到若干个作答 步骤， 包括： 以所述试题作答结果中的预设符号为分界将所述试题作答结果拆分为若干个所述作 答步骤； 利用预设 分词集合对所述作答 步骤进行分词， 得到分词后的若干个所述作答 步骤。 8.根据权利要求1所述的方法， 其特征在于， 所述计算设备输入试题作答结果之后， 所 述方法还 包括： 基于所述试题作答结果， 获取 试题表示， 所述试题 表示为向量形式； 将所述试题表示输入多任务分类模型， 所述试题表示经过浅层卷积层、 若干个深层池 化层以及深层卷积层的处理， 得到若干思想方法分类标签， 其中， 所述多任务分类模型的所 述浅层卷积层快捷连接到所述深层卷积层的输入中， 以将所述试题表示的特征传输至所述 深层卷积层； 基于所述思想方法分类标签， 形成基于 想法方法的能力诊断结果； 其中， 所述思想方法分类标签包括数形结合、 转化与划归、 分类讨论、 抽样思想、 函数与 方程、 特殊与一般、 概 率思想中至少一个。 9.根据权利要求1所述的方法， 其特征在于， 所述计算设备输入试题作答结果之后， 所 述方法还 包括： 基于所述试题作答结果， 获取 试题表示， 所述试题 表示为向量形式； 将所述试题表示输入所述多任务分类模型， 所述试题表示经过所述浅层卷积层的处 理， 得到若干解题方法分类标签； 基于所述 解题方法分类标签， 形成基于解题方法的能力诊断结果； 其中， 所述解题方法分类标签包括换元法、 反证法、 排除法、 数轴直观法、 裂项相消法、 穿针引线法中至少一个。 10.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 所述计算设备输入若干参考试题及其对应的参考试题得分， 以及包括知识点标签的若 干测试试题； 基于所述若干参考试题及其对应的参考试题得分， 分别获取每个所述参考试题的参考 试题表示， 以及基于所述若干测试 试题， 分别获取每 个所述测试 试题的测试 试题表示； 将所有所述参考试题表示和所述测试试题表示输入得分预测模型， 得到每个所述测试 试题的测试 试题得分； 基于所述测试试题得分和对应的所述测试试题的所述知识点标签， 形成基于薄弱知识 点的能力诊断结果。 11.根据权利要求10所述的方法， 其特征在于， 所述基于所述若干参考试题及其对应的 参考试题得分， 分别获取每 个所述参考试题的参 考试题表示， 包括： 分别将所述参考试题输入试题表示获取模型， 得到所述参考试题的参考试题向量表 示； 分别对所述 参考试题得分进行归一 化处理， 得到所述 参考试题得分的参 考得分表示； 将对应的所述 参考试题向量表示和所述 参考得分表示的乘积作为所述 参考试题表示； 所述基于所述若干测试 试题， 分别获取每 个所述测试 试题的测试 试题表示， 包括：权　利　要　求　书 2/4 页 3 CN 114358570 A 3