基于神经网络题目的自动化解析研究

摘要

在线练习是在线教育的必备一环,但从传统线下教育转到线上教育时需要将往年积累的海量习题导入到在线教育配套的数据库中,这一过程中会消耗大量的人力财力,出现效率低、出错率等一系列问题。针对此问题,提出一种基于神经网络的实现模型。该模型包括2个学习阶段:梯度下降阶段与最优解阶段。预训练阶段用于学习基础神经网络参数,而最优解阶段是对前阶段所学知识学习力的改进。实验采集了100份试卷,共2000个试题样本,包括题型特征、题号特征、题干特征与答案特征。首先将这些特征转化成特征向量,再传入代价函数,生成最优解,最后调整学习力,最终达到自动化解析试卷的目标。