| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究的目的与意义 | 第11页 |
| 1.3 国内外相关工作研究 | 第11-13页 |
| 1.3.1 题目难易度分级问题的研究现状 | 第12-13页 |
| 1.3.2 自动化组卷问题的研究现状 | 第13页 |
| 1.4 相关技术 | 第13-16页 |
| 1.4.1 自然语言处理技术 | 第14-15页 |
| 1.4.2 中文评分技术 | 第15页 |
| 1.4.3 机器学习算法 | 第15-16页 |
| 1.5 本文的主要工作及组织架构 | 第16-18页 |
| 第二章 题目自动难易度分级解决方法分析 | 第18-28页 |
| 2.1 题目难易度自动分级问题 | 第19页 |
| 2.2 数据预处理 | 第19-22页 |
| 2.2.1 数据清理 | 第20页 |
| 2.2.2 数据集成 | 第20-22页 |
| 2.3 题目特征分析 | 第22-24页 |
| 2.4 选用的机器学习分类方法 | 第24-25页 |
| 2.5 题目难易度分级模型的评估方法 | 第25-26页 |
| 2.6 本章小结 | 第26-28页 |
| 第三章 难易度自动分级模型问题研究 | 第28-41页 |
| 3.1 整体的架构 | 第28页 |
| 3.2 知识网模型 | 第28-30页 |
| 3.3 特征属性集 | 第30-40页 |
| 3.3.1 知识的广度 | 第31-32页 |
| 3.3.2 认知的层次 | 第32-33页 |
| 3.3.3 知识点在学科中的地位 | 第33-34页 |
| 3.3.4 题目的复杂程度 | 第34-39页 |
| 3.3.5 题目的表达方式 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 实验结果与分析 | 第41-48页 |
| 4.1 数据预处理 | 第41页 |
| 4.2 判定题目等级 | 第41-42页 |
| 4.3 建立知识网 | 第42页 |
| 4.4 建立属性特征集 | 第42-44页 |
| 4.5 机器学习分类结果分析 | 第44-46页 |
| 4.6 本章小结 | 第46-48页 |
| 第五章 基于难易度分级模型的自动组卷系统的设计与实现 | 第48-58页 |
| 5.1 自动组卷系统的策略研究 | 第48-49页 |
| 5.2 系统开发环境 | 第49-50页 |
| 5.3 系统的主要功能 | 第50-51页 |
| 5.4 自动组卷系统数据库的设计 | 第51-52页 |
| 5.5 用户的界面设计 | 第52页 |
| 5.6 自动组卷系统的实现 | 第52-57页 |
| 5.6.1 用户登录模块 | 第52页 |
| 5.6.2 组卷模块 | 第52-55页 |
| 5.6.3 试卷查看模块 | 第55页 |
| 5.6.4 试卷管理模块 | 第55-56页 |
| 5.6.5 管理员登录模块 | 第56-57页 |
| 5.7 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 结论 | 第58-59页 |
| 6.2 展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 攻读顼士学位期间论文发表及参与项目情况 | 第63-64页 |
| 致谢 | 第64页 |