一种基于组卷算法的出题组卷方法及系统与流程

本发明涉及社会公开招聘组卷管理，尤其涉及一种基于组卷算法的出题组卷方法及系统。

背景技术：

1、在为企事业单位选拔出符合职位要求且匹配度理想的候选人过程中，考试是一种快速筛分报名人员职位胜任能力最频繁，也是最有效的测评手段，是招聘筛选的重要组成部分。

2、此类命题的针对性比较强，突出企事业单位在领域、组织和职位的特点。评价方法更加多元，侧重理论知识与实践能力的考察。选拔以“择优”为主，试题难度较大，难度设置会综合考虑职位要求以及报名人员的竞争性（如报考人数、报考人员来源等）。部分企事业单位不轻易降低标准，在录取方面可能设置基本合格线（比如70分以上），以保证所有进入视野的人员均具有相当的素质，宁缺毋滥。

3、因此，如何结合考察维度、考点、题型、难度系数、考试大纲以及与招聘职位应具备的知识与能力素质需求的契合程度，快速、高效、准确的生成考题是当前亟待解决的技术问题。

4、为此，本发明提供了一种基于组卷算法的出题组卷方法及系统。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种基于组卷算法的出题组卷方法及系统。

2、根据本发明的第一方面，提供了一种基于组卷算法的出题组卷方法，该方法包括：获取历史试题库和新增试题库，构建初始试题库；获取企事业单位中目标职位招聘数据和新编考试大纲信息，配置对应的胜任力模型，基于配置的胜任力模型，构建命题双向细目表，所述命题双向细目表内包括目标职位所需能力素质考察维度信息、目标职位所需知识考察维度信息、考点要求信息、知识点要求信息、题型要求信息、题目数量要求信息、题目难度要求信息、试卷总难度要求信息、各题型的总分值要求信息、各题型对应题目的分值要求信息和试题编排顺序要求信息；根据命题双向细目表和初始试题库的字段形成的映射关系，采用自然语言处理技术，从初始试题库中抽取满足组卷要求的试题，构建候选测试试题库；采用随机抽题组卷算法和自然语言处理技术，以满足命题双向细目表的考察维度信息、考点要求信息、题型要求信息、题目数量要求信息和题目难度要求信息作为约束，从候选测试试题库中随机抽取试题，构建候选测试试卷；计算候选测试试卷的总难度值，并判断候选测试试卷的总难度值是否满足试卷总难度要求信息，若满足，根据题型要求信息、题目难度要求信息、各题型的总分值要求信息、各题型对应题目的分值要求信息和试题编排顺序要求信息，调整并生成对应的试题卷；若不满足，则调整候选测试试卷中部分题目直至满足试卷总难度要求信息为止。

3、在一些实施例的一些可选的实现方式中，所述获取历史试题库和新增试题库，构建初始试题库，具体包括：获取历史试题库和新增试题库，对历史试题和新增试题中包含的试题进行标注，分别得到历史试题相关信息和新增试题相关信息，并基于历史试题相关信息和新增试题相关信息，构造初始试题库。

4、在一些实施例的一些可选的实现方式中，所述历史试题相关信息包括历史试题题型信息、历史试题题目信息、历史试题答案信息、历史试题对应的考点信息、历史试题对应的知识点信息和历史试题难度系数信息，所述新增试题相关信息包括新增试题题型信息、新增试题题目信息、新增试题答案信息、新增试题对应的考点信息、新增试题对应的知识点信息和新增试题难度系数信息。

5、在一些实施例的一些可选的实现方式中，所述新增试题难度系数信息的确定过程，具体包括：根据新增试题对应的考点信息与历史试题库中对应考点信息的字段映射关系以及新增试题对应的知识点信息与历史试题库中对应知识点信息的字段映射关系，采用自然语言处理技术，分别从历史试题库中抽取满足与新增试题考点相似度达到预设考点阈值的历史试题并生成历史试题考点集、以及满足与新增试题知识点相似度达到预设知识点阈值的若干历史试题并生成历史试题知识点集；按照预设的权重依次对历史试题考点集和历史试题知识点集进行赋值，并计算历史试题考点集和历史试题知识点集的综合相似度值；将综合相似度值由高到低排序，并选取综合相似度值最高的历史试题对应的历史试题难度系数信息作为新增试题的难度系数信息。

6、在一些实施例的一些可选的实现方式中，所述获取企事业单位中目标职位招聘数据和新编考试大纲信息，配置对应的胜任力模型，具体包括：获取企事业单位中职位招聘历史数据和历史考试大纲信息，对职位招聘历史数据和历史考试大纲信息进行信息提取处理，其中，信息提取处理的内容包括：提取相关实体和相关实体间的关系信息，所述相关实体包括职位、职位所需能力素质、职位所需知识和历史考点要求信息；构建职位、职位所需能力素质、职位所需知识和历史考点要求信息之间关系的知识图谱；将知识图谱输入至预设的初始r-gnn模型中，通过初始r-gnn模型中的图谱编码器对知识图谱进行编码处理，输出相关实体类型特征表示，相关实体类型特征表示经第一softmax层进行归一化处理生成相关实体的分类预测概率，并根据所述相关实体的分类预测概率相关实体分类的损失值；基于相关实体类型特征表示，构造相关实体类型特征表示矩阵，将相关实体类型特征表示矩阵输入至初始r-gnn模型中的图谱解码器进行链路预测，并经第二softmax层进行归一化处理输出相关实体间的链路预测概率，计算相关实体间链路预测的损失值；基于相关实体分类的损失值和相关实体间链路预测的损失值，计算总目标损失值，再通过梯度下降算法更新初始r-gnn模型中图谱编码器网络参数和图谱解码器网络参数，优化总目标损失值，输出r-gnn模型中图谱编码器最优网络参数和图谱解码器最优网络参数，并得到训练后的r-gnn模型；获取企事业单位中目标职位招聘数据和新编考试大纲信息，对目标职位招聘数据和新编考试大纲信息进行信息提取处理，其中，信息提取处理的内容包括：提取出目标职位招聘数据中包含的目标职位、目标职位所需能力素质、目标职位所需知识和新编考点要求信息，将目标职位、目标职位所需能力素质、目标职位所需知识和新编考点要求信息输入至训练后的r-gnn模型中，得到目标职位所需能力素质对应的考点要求信息和目标职位所需知识对应的考点要求信息；基于目标职位所需能力素质对应的考点要求信息和目标职位所需知识对应的考点要求信息，在表格中创建基于列的目标职位所需能力素质关键字段和目标职位所需知识关键字段的第一项目内容，并配置与第一项目内容相对应的考点要求信息关键字段，生成对应的胜任力模型。

7、在一些实施例的一些可选的实现方式中，所述基于配置的胜任力模型，构建命题双向细目表，具体包括：基于胜任力模型，在表格中创建基于列的目标职位所需能力素质关键字段和目标职位所需知识关键字段的第二项目内容，并配置与第二项目内容相对应的考点要求信息、知识点要求信息、题型要求信息、题目数量要求信息、题目难度要求信息、试卷总难度要求信息、各题型的总分值要求信息、各题型对应题目的分值要求信息和试题编排顺序要求信息，生成对应的命题双向细目表。

8、在一些实施例的一些可选的实现方式中，所述根据命题双向细目表和初始试题库的字段形成的映射关系，采用自然语言处理技术，从初始试题库中抽取满足组卷要求的试题，构建候选测试试题库，具体包括：根据命题双向细目表中的按照列存储时与第二项目内容相对应的考点要求信息、知识点要求信息、题型要求信息、题目难度要求信息和试卷总难度要求信息，分别与初始试题库的字段映射关系，采用自然语言处理技术，在初始试题库中进行语义理解和试题抽取，匹配出满足组卷要求的试题，构建候选测试试题库。

9、在一些实施例的一些可选的实现方式中，所述采用随机抽题组卷算法和自然语言处理技术，以满足命题双向细目表的考察维度信息、考点要求信息、题型要求信息、题目数量要求信息和题目难度要求信息作为约束，从候选测试试题库中随机抽取试题，构建候选测试试卷，具体包括：采用自然语言处理技术，在候选测试试题库中匹配出基于题型要求信息分类的第一试题集；将各题型要求信息分类下的第一试题集按照考察维度信息进行分类，得到各题型要求信息分类下对应各考察维度信息的第二试题集；将各考察维度信息分类下的第二试题集按照考点要求信息进行分类，得到各考察维度信息分类下对应各考点要求信息的第三试题集；将各考点要求信息分类下的第三试题集按照题目难度要求信息进行分类和升序排列，得到各考点要求信息分类下对应各题目难度要求信息的第四试题集；按照题型要求信息-考察维度信息-考点要求信息-题目难度要求信息的层级从第四试题集中随机抽取满足题目数量要求信息的试题生成候选测试试卷。

10、在一些实施例的一些可选的实现方式中，所述计算候选测试试卷的总难度值，具体包括：将历史试题库中包含的历史试题作为待训练文本，并在每条待训练数据的末尾添加对应考点、知识点和难度系数标签，构造数据集，将数据集划分成训练集和验证集，并构建原始神经网络模型，将训练集输入原始神经网络模型中进行训练，得到训练后的神经网络模型，将验证集输入训练后的神经网络模型并结合损失函数进行训练，直至神经网络模型收敛，得到训练后的神经网络模型；将候选测试试卷中包含的试题、试题对应的考点、试题对应的知识点、试题对应的难度系数输入至训练后的神经网络模型中，得到候选测试试卷中各试题的难度系数，求和并取平均得到候选测试试卷的总难度值。

11、根据本发明的第二方面，提供了一种基于组卷算法的出题组卷系统，该系统包括：初始试题库构建模块，用于获取历史试题库和新增试题库，构建初始试题库；胜任力模型配置模块，用于获取企事业单位中目标职位招聘数据和新编考试大纲信息，配置对应的胜任力模型；命题双向细目表构建模块，用于基于配置的胜任力模型，构建命题双向细目表，所述命题双向细目表内包括目标职位所需能力素质考察维度信息、目标职位所需知识考察维度信息、考点要求信息、知识点要求信息、题型要求信息、题目数量要求信息、题目难度要求信息、试卷总难度要求信息、各题型的总分值要求信息、各题型对应题目的分值要求信息和试题编排顺序要求信息；候选测试试题库模块，用于根据命题双向细目表和初始试题库的字段形成的映射关系，采用自然语言处理技术，从初始试题库中抽取满足组卷要求的试题，构建候选测试试题库；候选测试试卷模块，用于采用随机抽题组卷算法和自然语言处理技术，以满足命题双向细目表的考察维度信息、考点要求信息、题型要求信息、题目数量要求信息和题目难度要求信息作为约束，从候选测试试题库中随机抽取试题，构建候选测试试卷；试题卷生成模块，用于计算候选测试试卷的总难度值，并判断候选测试试卷的总难度值是否满足试卷总难度要求信息，若满足，根据题型要求信息、题目难度要求信息、各题型的总分值要求信息、各题型对应题目的分值要求信息和试题编排顺序要求信息，调整并生成对应的试题卷；若不满足，则调整候选测试试卷中部分题目直至满足试卷总难度要求信息为止。

12、本发明的优点及有益效果在于：本发明提供的一种基于组卷算法的出题组卷方法及系统，该组卷方法通过将知识图谱和r-gnn模型相结合，有利于提升模型链路预测的准确性，并通过输出的目标职位所需能力素质对应的考点和目标职位所需知识对应的考点配置对应的胜任力模型，以便构建对应的命题双向细目表，能够根据招聘目标职位应具备的知识与能力素质需求的契合程度，准确且有针对性地确定所需的考点，并根据命题双向细目表和初始试题库的字段形成的映射关系，实现满足组卷要求的候选测试试题库的构建，随后采用随机抽题组卷算法，从候选测试试题库中随机抽取中满足命题双向细目表的目标职位所需能力素质考察维度信息、目标职位所需知识考察维度信息、考点要求信息、题型要求信息、题目数量要求信息和题目难度要求信息的试题，并得到候选测试试卷，基于候选测试试卷的总难度值和试卷总难度要求信息进行比较，不仅能够保证预设组卷难度的要求，还可以根据实际需求灵活地调整所需的试题卷，从而提高了评估方法的适应性和实用性。