利用文本相似度改進遺傳算法的組卷實現(xiàn)與研究

王慧敏

摘 要： 在分析遺傳算法適應(yīng)度對遺傳算法收斂性影響的基礎(chǔ)上，針對試題試卷部分的信息參數(shù)和評價指標(biāo)，對遺傳算法在組卷中的應(yīng)用進行了具體的論述，分析了遺傳算法在組卷系統(tǒng)中各個部分的實現(xiàn)方法，提出了組卷模塊的體系結(jié)構(gòu)。針對遺傳算法本身的原理特性進行討論，研究其理論基礎(chǔ)及其所具有的過早收斂的“早熟”現(xiàn)象，并利用排擠算法的早熟現(xiàn)象將組卷系統(tǒng)中的遺傳算法進行改進。隨后建立向量模型進行快速的試題相似性檢測，使考試內(nèi)容和考試質(zhì)量得以提升。最終將研究結(jié)果進行實驗對比與分析，并對研究結(jié)果進行了工程實現(xiàn)。

關(guān)鍵詞： 組卷； 遺傳算法； 相似性檢索； 小生境算法； 對比實驗

中圖分類號： TN911?34； TP311.52 文獻標(biāo)識碼： A 文章編號： 1004?373X（2016）05?0117?04

網(wǎng)絡(luò)化教育以其高速快捷和大信息量被廣大學(xué)習(xí)者認可，而網(wǎng)絡(luò)化考試作為網(wǎng)絡(luò)化教育的主要組成部分之一[1]，成為研究者們熱衷的課題，其中研究點之一就是智能組卷系統(tǒng)。智能組卷系統(tǒng)應(yīng)用人工智能、機器學(xué)習(xí)理論，根據(jù)學(xué)習(xí)者的需求和考試試卷的特點建立數(shù)學(xué)模型，再依靠計算機強大計算能力“智能”地找到學(xué)習(xí)者的特點和需求，使計算機不斷向智能化、人性化的方向邁進，在教育領(lǐng)域更加體貼的為學(xué)習(xí)者服務(wù)[2]。

近年來不斷有學(xué)者對考試智能組裝試卷的方法進行研究和探索[3]。而如何更準確地利用計算機智能的產(chǎn)生出具有針對性的、難度適中的、范圍準確的考試試卷就成為了網(wǎng)絡(luò)化考核之中又一個重要的研究環(huán)節(jié)。本文提出了將試題文本作為組卷參數(shù)之一的改進模式，通過對相似試題文本的排除達到遺傳算法中早熟現(xiàn)象的免疫[4]。同時增加考試試卷的多樣性。其次，提出遺傳算法框架模式并研究遺傳算法中適應(yīng)度函數(shù)對函數(shù)收斂速度的影響。最后對研究算法進行測試，并對結(jié)果進行了實現(xiàn)。

1 遺傳算法在組卷中的應(yīng)用

1.1 目標(biāo)函數(shù)及適應(yīng)度函數(shù)

實際應(yīng)用中，可能不會需要上述如此多的約束條件，比如只需要約束試卷的難度與題型分布，或者難度與知識點的分布等，對每一方面都做到完好的滿足可能要花費很長的組卷時間，甚至組不出滿足要求的試卷，這時需要在一定程度下放寬對組卷的約束要求。并且對于不同的約束條件，其容忍的誤差也會有所不同。因此需要設(shè)定目標(biāo)函數(shù)為：[F=X1，X2，…，Xn。]其中：[X1]為組卷需求中第[i]項約束條件取值變量；[F]為目標(biāo)函數(shù)值，而[X1，X2，…，Xn]全部取到需求點時即為[F]的極值。適應(yīng)度函數(shù)則由[F]的目標(biāo)函數(shù)映射為非負、極大函數(shù)，以滿足遺傳算法中優(yōu)勝劣汰的思想。

4 結(jié) 論

本文從現(xiàn)有的智能組卷技術(shù)出發(fā)，分析了組卷過程中涉及的經(jīng)典測試理論和項目反應(yīng)理論的信息參數(shù)和評價參數(shù)。利用小生境排擠機制和調(diào)整遺傳算子的辦法避免了組卷算法中早熟現(xiàn)象的發(fā)生。建立了向量空間查詢模型，并對研究結(jié)果進行了實驗對比和分析，最終依照實際應(yīng)用，建立了一套高效的、智能的、符合用戶測試需求的組卷系統(tǒng)。分析實驗結(jié)果表明，利用文本相似度改進遺傳算法實現(xiàn)的組卷系統(tǒng)具有較高的實用價值。隨著人工智能與語言技術(shù)的進步，更為準確、高效的文本分析將會被應(yīng)用于組卷算法中，從而產(chǎn)生更為人性化的測試試卷。這也將成為本課題下一步的研究重點。

參考文獻

[1] 周國文.基于XML的試題庫自動組卷系統(tǒng)[D].長春：吉林大學(xué)，2013.

[2] 王一萍，曲偉建，潘海珠.一種基于粒子群優(yōu)化的組卷算法[J].兵工自動化，2009，28（2）：39?42.

[3] 田濤.在線考試系統(tǒng)設(shè)計與實現(xiàn)[D].成都：電子科技大學(xué)，2013.

[4] 邊霞，米良.遺傳算法理論及其應(yīng)用研究進展[J].計算機應(yīng)用研究，2010，27（7）：2425?2429.

[5] 郭小磊.基于自適應(yīng)遺傳算法的組卷系統(tǒng)的設(shè)計與實現(xiàn)[J].電腦開發(fā)與應(yīng)用，2010，23（8）：67?68.

[6] 華潔，崔杜武.基于個體優(yōu)化的自適應(yīng)小生境遺傳算法[J].計算機工程，2010，36（1）：194?196.

[7] 齊暢，王冬霞，韓穎.多種遺傳算法在函數(shù)優(yōu)化方面的性能比較分析[J].遼寧工業(yè)大學(xué)學(xué)報（自然科學(xué)版），2013，33（5）：290?293.

[8] 王旭陽，萬里.信息檢索中語義相似度算法研究[J].計算機工程與應(yīng)用，2012，50（10）：124?127.

[9] 賈巧麗.基于內(nèi)容的圖像檢索技術(shù)研究[D].開封：河南大學(xué)，2012.