基于bp神经网络的移动智能题库平台的研究与实现

《基于bp神经网络的移动智能题库平台的研究与实现》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于BP神经网络的移动智能题库平台的研究与实现重庆大学硕士学位论文(专业学位)学生姓名：王恒指导教师：朱晓红副教授学位类别：工程硕士（计算机技术领域）重庆大学计算机学院二O一六年四月ResearchandImplementationofMobileIntelligentItembankPlatformBasedonBPNeuralNetworkAThesisSubmittedtoChongqingUniversityinPartialFulfillmentoftheRequirementforProfessionalD

2、egreeByWangHengSupervisedbyAss.Prof.ZhuXiaohongSpecialty:ME(ComputerTechnologyField)CollegeofComputerScienceofChongqingUniversity,Chongqing,ChinaApril,2016中文摘要摘要教育作为一个全球性、全人类的问题得到了世界上众多专家、学者、机构等的密切关注，提高教与学的效率能够对教育的发展产生良好的推动，关于如何提高教育的受众面以及提高教育的质量众说纷纭，但是人们普遍接受了通过信

3、息化手段来提升教与学的质量。题库系统作为一个很好的教学辅助手段对教学过程有比较明显的帮助，但是随着信息技术的进步，特别是现阶段互联网技术和移动互联网技术的快速发展，传统的题库系统在满足用户跨终端、跨时间的使用的需求上已经出现了很大的滞后，并且缺乏足够的智能性。针对这一问题，本文提出建立包括B/S题库系统、后台管理系统和移动题库系统并且使用BP神经网络对试题难度进行预测的移动智能平台来进行解决。本文主要对以下几个方面进行研究：首先，通过对国内外题库系统的使用现状进行分析和研究，发现现有题库系统对试题难度的定量分析处理不准

4、确，对文科类试题的知识点提取过程效率低。对此，提出运用BP神经网络模型对试题难度进行定量分析处理和运用多种字符串匹配算法对知识点的提取过程进行优化。其次，使用自适应学习效率和附加动量对神经网络性能进行改进，建立用于试题难度预测的BP神经网络模型，使用AC、多段KMP和KMP算法对文科类试题知识点提取过程进行提速。然后，在以上研究结果基础上，结合软件工程方法，设计并实现包含快速提取文科性试题知识点、精确预测试题难度功能的移动智能题库平台。最后，本文研究并实现的移动智能题库平台已在重庆市某高校投入使用，运行效果表明能大幅提

5、高文科性试题知识点提取过程效率并对试题难度进行有效预测。关键词：题库平台，神经网络，字符串匹配，难度，知识点I英文摘要ABSTRACTEducationasaglobalandallhumanproblemhasattractedattentionoftheworldexperts,scholarsandinstitutions.Toimprovetheefficiencyofteachingandlearningcanbeagoodwaytopromotethedevelopmentofeducation.Onhow

6、toimprovetherangeofeducationandthequalityofeducationhavedifferentopinions,butitisgenerallyacceptedbymeansofinformationtoimprovethequalityofteachingandlearning.Itembanksystemasagoodauxiliarywayofteachingcandogreathelpoftheteachingprocess,butwiththeprogressofinfor

7、mationtechnology,especiallynowadaysInternettechnologyandMobileInternettechnology,thetraditionalitembanksystemtomeetusers'needonusingatanytimeandanywherefordifferentkindsofterminalhasbeenalargelagtogetherwiththelackofenoughintelligence.Tosolvethisproblem,thispape

8、rproposedthemobileintelligentitembankplatform,consistingofB/Sdatabasesystem,backgroundmanagementsystemandmobiledatabasesystemandusingBPneuralnetworktopredictthediffic