作文试题

摘要： “夏木荫浓”,这是三十年代我投考江苏省立常州高中时的作文试题。当时感到这题目太深奥,很难发挥。因之我每见到浓荫的树木,总会联系到那试题,想从中悟出点什么道理来。一直到学习艺术后,才深深体会到树木之美,其浓荫之迷人,但并未思索其哲学含蕴。

摘要： 2021年全国8套作文试题,特别是4套全国卷作文试题,聚焦“立德树人”,立足《中国高考评价体系》及《普通高中新课程标准》,依托具体的写作情境,综合考查了考生的必备知识、关键能力、核心价值、学科素养,呈现出基础性、综合性、应用性、创新性并存的显著特征,完美彰显了新高考的命题理念,然而从高考阅卷情况来看,偏题离题、思路混乱、内容空洞等失误文章竟不在少数。其实,此类作文考生只要遵循“牢树三种意识、彰显三种能力”的写作原则,便可轻易夺取高分。

摘要： 2022年北京中考作文试题已经出炉,试题共设置了两个。从下面两个题目中任选一题,按要求写一篇作文。(1)运动赛场上,求学生涯中,每一项新纪录的诞生,都是对自己的突破与超越。个人的生命历程里,人类的历史进程中,每一次创造新纪录,都翻开了发展和进步的新篇章。创造新纪录,一直是我们人类共同的梦想与追求。以“我创造了新纪录”为题作文。可写实,可想象。文体不限,诗歌除外。

摘要： 新高考作文命题价值导向鲜明,对主题表达具有很强的规定性.为了体现考试区分度,命题者需要在“怎么说”的表达层面上为学生设置更多的发挥空间,思辨表达作为“怎么说”的一种方式,在新课标及其学业水平质量描述中是体现学科素养和学科关键能力的重要指标.为了更有效考查学生思辨表达水平,应从表述、内涵和情境创设等方面探索作文试题语料设计的问题.

摘要： 高考作文的材料有的短至十数字或数十字,有的则长至数百字。本文结合具体案例,从整体把握材料主旨的角度,着重讨论一下审题问题,以期减少同学们考场作文的失误。一、篇幅短小的材料,如何审题看下面的作文试题:刻意地特立独行是否就能避免随波逐流?材料不到二十个字,至为精简;但是材料的内涵却并不简单。

摘要： 审题是否准确,直接决定着作文的质量。而要想做到审题准确,则需要我们认真读题,因为"读"得好才能"写"得好。一是要"读"懂关系以写作下面的作文试题为例——阅读下面的材料,根据要求写一篇不少于800字的文章。船主请一位修船工给自己的小船刷油漆。修船工刷漆的时候,发现船底有个小洞,就顺手给补了。

摘要： 2020年高考11道作文试题精彩亮相,再次成为人们关注的焦点。这些作文题虽然取材不同、内容和形式各异,写作要求也有差别,但细细品味,不难发现它们也存在很多共性。认真研究这些共性,对今后的作文教学和高考备考具有重要意义。笔者认为,2020年高考作文试题主要凸显了以下特点。

摘要： 【作文试题】阅读下面的材料,根据要求写作。(60分)不久前,网上一篇题为《外卖骑手困在系统里》的文章,揭露了外卖平台后台AI智能算法系统带给外卖骑手的巨大压力。超速、闯红灯、逆行……这些挑战交通规则的危险举动,成了骑手们不得不采取的应对AI智能系统算法的一种“逆算法”。

摘要： 诗歌是什么?诗人北岛说:"诗歌是石头,毫无声响,偶尔会撞击火花。"诗人余秀华说:"一个人摇摇晃晃地,在摇摇晃晃的人间走动的时候,它充当了一根拐杖。"而在纪录片《人生第一次》中,云南漭水中学的校长说:"学了诗歌的孩子,不会去砸玻璃。"中学的语文试卷上,许多作文试题常有着这样一句话:文体不限,诗歌除外。诗歌看起来没什么用,不会给升学带来帮助,但这个偏远山区的学校却将诗歌作为必修课。第一堂课是采风课,老师教大家卷起一片叶子,然后透过这个圆圆的小孔去观察周围的世界。

摘要： 试题展示SHITI ZHANSHI阅读下面的材料,根据要求写作。(60分)①五四运动以来的100年,是中国青年一代又一代接续奋斗、凯歌前行的100年,是中国青年用青春之我创造青春之中国、青春之民族的100年。——习近平《在纪念五四运动100周年大会上的讲话》②力微任重久神疲,再竭衰庸定不支。苟利国家生死以,岂因祸福避趋之。——清·林则徐《赴戍登程口占示家人二首》③男儿何不带吴钩,收取关山五十州。请君暂上凌烟阁,若个书生万户侯?

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： 本发明公开了一种试题校验方法，试题校验装置及电子设备，其中，所述试题检验方法包括：获取待校验试题的试题内容及试题属性；将所述试题内容与预设的识别库中的试题关键词进行语义匹配，其中，各个试题关键词均有对应的试题属性；若存在目标试题关键词，则检测所述待校验试题的试题属性与所述目标试题关键词对应的试题属性是否匹配，其中，所述目标试题关键词为与所述试题内容语义匹配成功的试题关键词；若所述待校验试题的试题属性与所述目标试题关键词对应的试题属性匹配成功，则将所述待校验试题保存至试题库。本发明方案节约了试题属性的校验成本，提高了试题属性的校验效率。

摘要： 本发明公开了一种基于规则的试题类自动问答系统中的试题理解方法，首先基于正则表达式的试题预处理，删除套话等无用文本，添加被省略标点，完善句子，并对完善后的句子进行分词，词性标注，成分句法分析等基本自然语言处理，然后设计一套基于类型‑论元模板的问题理解中间形式，运用通过人工预先标注的数据总结出的触发词与试题模板转换规则，并利用知识库对生成结果进一步验证，得到合理完善的试题逻辑表达形式。本发明能针对试题文本设计中间逻辑形式，提取出问题的关键点，合理有效地给问题求解提供合适的输入，提高问题解答的正确性。

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： 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。