理科试题

摘要： 近几年高考数学试题中出现了一种新题型:数学文化试题.该类试题的特点是文字较多,学生在考试时常常读题需要花较多时间.其实我们在做该类试题时,不要在过多的数学文化介绍上花太多时间,只要抓住题目中的关键信息,即可获得解题方法.下面以2019年全国卷II理科试题为例说明之.

摘要： 二元变量的证明问题在每年的全国各地的大型考试、模拟试卷甚至高考试卷都出现过．学生心有余悸的二元变量证明题到底“难”在何处？一般来说，一是难在证明形式的复杂（2016届陕西师大附中高三下第十次模拟文科试题）；二是难在无从下手（2016届安徽六安一中高三下模拟四理科试题）；三是难在知识与方法的综合（2015～2016学年江苏如皋中学高二下月考试）．

摘要： 高考试题“源于教材，高于教材”，回归教材的目的就是要逐本溯源。如果说《考试大纲》是高考命题之纲，教材则可以说是高考命题之本。从近几年的高考理科试题来看，有相当一部分试题的产生都是在教材的基础之上进行加工、组合和创新。因此，考前回归教材是考生提升应考能力的重要步骤。

摘要： 今年陕西省高考数学试题是继连续十年（2006-2015）自主命题后的第一年采用全国卷（Ⅱ）（陕西、重庆、辽宁、吉林、黑龙江、宁夏、甘肃、青海、新疆、西藏、内蒙古、海南等12个省区共用），文理科试题仍以高度相关的姊妹卷形式出现．试题结构与往年新课标基本一致，坚持在稳定中求创新，重视对高中数学基础知识、基本技能的考查，注重考查学生分析问题，解决问题的能力．

摘要： 纵观今年全国卷I的理科试题，不难发现，选择题与填空题中创新试题较多，它们在知识上具有代表性、在方法上具有典型性、在思维上具有启迪性、在能力上具有发展性，真可谓“知能并重，交相辉映，纲举目张，精彩纷呈”．

摘要： 2015年浙江省数学高考理科试题与前2年一样，考了一道数列解答题，分值为15分．不同的地方有2点：一是2015年理科数列增加了一个小题一选择题第3题，分值为5分，主要考查等差（等比）数列的概念、前n项和，解题思路常规，难度不高；

摘要： 空间向量一直是中学数学的重要内容之一，历来是备考的重点复习对象．笔者通过对2015年浙江省数学高考理科试卷的深刻体验，发现有好几题都可以用空间向量的方法来进行求解、证明．这或许正是命题者从中想要贯彻的意图，以体现空间向量作为工具解决问题的重要性．下面笔者将自己的理解整理出来，以供参考．

摘要： 纵观近几年江西高考数学理科试题,数列的难度整体下降,但仍然经常与不等式结合出题,甚至有时是关于自然数n的证明题.常常碰到的方法有放缩法、数学归纳法、基本不等式法等,甚至有时还用到构造新数列的方法.

摘要： 纵观近几年江西高考数学理科试题，数列的难度整体下降，但仍然经常与不等式结合出题，有时甚至是关于自然数n的证明题．解决此类问题，常常使用的方法有放缩法、数学归纳法、基本不等式法等，有时甚至用到构造新数列的方法，使得题目迎刃而解．本文就一道数列型不等式的证明问题，从多角度进行证明，希望能抛砖引玉!

摘要： 本公开提供了一种试题生成方法、试题生成装置、电子设备以及存储介质，涉及人工智能技术领域，尤其涉及自然语言处理、知识图谱、深度学习和智能搜索技术领域。具体实现方案为：响应于试题生成请求，确定试题类型和考查内容；根据试题类型，确定试题处理策略；利用试题处理策略，生成与考查内容相关的至少一个试题。

摘要： 一种试题匹配及试题拆分方法、装置和计算机存储介质，包括划分目标文本获得文本区块序列，执行分区步骤以生成覆盖文本区块序列中的初始文本区块的数据分区，并根据数据分区从多个预设标准试题中确定当前匹配试题以及数据分区的文本相似度值，执行区块匹配步骤以基于数据分区的文本相似度值判断文本区块序列中位于数据分区之后的待识别文本区块是否与当前匹配试题相匹配，若匹配，则将待识别文本区块并入数据分区并继续执行区块匹配步骤，若不匹配，则将待识别文本区块作为初始文本区块并继续执行分区步骤。本申请实施例通过动态规划方式匹配并拆分试题，可以提高试题匹配及拆分的准确度并能降低算法复杂度以降低设备运行负载。

摘要： 本发明涉及一种基于试题关键字相似性的试题库中的试题去重方法，首先对试题进行中文分词得到的分词结；判断分词结是否为关键词，若是则将其加入试题与关键字的关系数据库；然后采用内积计算试题与关键字的关系数据库中任意两个待检测试题之间的相似度；其次判断两个待检测试题是否为非相似试题，并将相似的试题加入重复试题关系数据库；再次根据相似度条件，从重复试题关系数据库中查找出重复试题列表；最后管理人员通过看重复试题列表进行重复试题确认，人为判断试题是否重复。本发明对试题的题干、试题候选项和试题答案进行中文分词，针对切词后的分词进行分析，从而深入分析试题，以便去重更加精准。因此，本发明可以广泛用于试题去重领域。

摘要： 本公开提供了一种试题生成方法、试题生成装置、电子设备以及存储介质，涉及人工智能技术领域，尤其涉及自然语言处理、知识图谱、深度学习和智能搜索技术领域。具体实现方案为：响应于试题生成请求，确定试题类型和考查内容；根据试题类型，确定试题处理策略；利用试题处理策略，生成与考查内容相关的至少一个试题。

摘要： 本发明属于教育数据挖掘技术领域，公开一种基于属性探索的试题隐含知识属性关联挖掘及相关试题推送方法及系统，该方法包括：构建学生对错误题目集合的形式背景：对学生题目作答记录源数据进行预处理，之后结合标注的题目中所包含的知识属性集合，过滤出学生的错误应答信息；使用属性探索知识属性挖掘算法对当前形式背景进行探索，得到通过任一学生错误应答信息得出的知识属性蕴含关联集合与非冗余试题集合；利用概念格相似度分析计算试题之间的相似度，寻找含有与练习错题相似知识点的题目，选择满足阈值最近似的若干个相关试题进行推送。本发明解决了传统分析模式中学生模糊判断缺失属性带来的弊端，能够为学生提供针对性试题推荐。

摘要： 本申请披露了一种训练试题评分模型的方法、试题评分方法及装置。该方法包括：获取题库内试题对应的学生答卷，学生答卷包括题库内试题对应的答题结果；根据答题结果，利用第二试题评分模型确定学生答卷的评分，其中第二试题评分模型是通过在保持第一试题评分模型的参数不变的情况下，利用题库内样本试题的评分数据对嵌入第一试题评分模型的第二神经网络模型进行训练得到的，第一试题评分模型是利用题库外样本试题的评分数据对第一神经网络模型进行预训练得到的。本申请能够保证评分模型针对特定试题进行评分的有效性，并且降低了训练成本、维护成本和部署成本。

摘要： 本发明公开了一种基于试题配图的试题搜索方法、系统、存储介质及设备，该方法包括：获取当前试题中的配图图像，并将配图图像输入至预训练的分类模型当中，以判断配图图像是否为坐标系图像；若是，则将配图图像分别输入至预训练的分割识别模型及特征提取模型当中，以得到当前试题配图的配图特征以及坐标符号；根据坐标符号查找与坐标符号相似的目标图像特征库，并获取配图特征与目标图像特征库中的各个图像特征之间的相似度；若否，获取当前试题配图的配图特征；并获取配图特征与预设的非坐标系图像特征库的各个图像特征之间的相似度；根据相似度确定与当前试题相关的推荐试题。本发明解决了现有技术中在为当前试题推荐类似试题时不准确的问题。

摘要： 本发明公开了一种识别理科试题知识点的方法，该方法适用的学科为理科(如数学、物理、化学等)学科。该方法的步骤包括：建立各学科知识体系库，根据学科、教育阶段整理知识体系；按照知识体系建立各学科题库；结合知识体系、学科题库构建层次化知识点识别模型。本发明模型结构和参数能够很好地利用各学科知识点之间的关联，学习试题文字内关于知识点的上下文特征，能够根据上下文准确得出对应的知识点信息，在实验测试数据上取得了较好的性能，具有较好的推广性和适应性，识别效果具有客观、可靠、全面的特点。

摘要： 本发明实施例公开了一种基于理科试题库的试题去重方法及装置、用户设备，该方法包括：接收携带有试题内容的试题去重指令；响应所述试题去重指令，从理科试题库包括的所有试题中，搜索与所述试题内容的相似度大于预设相似度阈值的多个目标试题；判断所述试题内容的试题关键字符中是否存在与预设关键字符匹配的第一字符，若存在，针对搜索到的每个所述目标试题，依次提取所述目标试题中的第二字符；比较所述第一字符和所述第二字符是否相同，若相同，则对所述多个目标试题执行试题去重操作。本发明实施例可以提高重复试题的识别率，同时，可以提高去除重题的精度。

摘要： 本发明公开了一种识别理科试题知识点的方法，该方法适用的学科为理科(如数学、物理、化学等)学科。该方法的步骤包括：建立各学科知识体系库，根据学科、教育阶段整理知识体系；按照知识体系建立各学科题库；结合知识体系、学科题库构建层次化知识点识别模型。本发明模型结构和参数能够很好地利用各学科知识点之间的关联，学习试题文字内关于知识点的上下文特征，能够根据上下文准确得出对应的知识点信息，在实验测试数据上取得了较好的性能，具有较好的推广性和适应性，识别效果具有客观、可靠、全面的特点。