基于在线评测数据的题目等级分类模型研究

doi:10.3969/j.issn.1006-2475.2017.03.008

计算机与现代化 ›› 2017, Vol. 0 ›› Issue (3): 36-.doi: 10.3969/j.issn.1006-2475.2017.03.008

基于在线评测数据的题目等级分类模型研究

济南大学信息科学与工程学院,山东济南250022

收稿日期:2016-12-28 出版日期:2017-03-29 发布日期:2017-03-30
作者简介:范玉玲（1976-），女，河北任丘人，济南大学信息科学与工程学院讲师，硕士，研究方向：数据挖掘与信息处理；徐涛（1979），男，讲师，博士，研究方向：模式识别，图像处理；王钦（1980-），女，讲师，硕士，研究方向：数据挖掘与信息处理。
基金资助:
国家自然科学基金资助项目（61302128）；教育部产学合作协同育人项目（201601023018）

Study on Grade Categorization Model of Question Based on Online Test Data

School of Information Science and Engineering, University of Jinan, Jinan 250022, China

Received:2016-12-28 Online:2017-03-29 Published:2017-03-30

摘要/Abstract

摘要：

针对目前在线学习系统练习、测试环节随机抽题的盲目性，基于在线评测数据和Kmeans聚类算法，利用不同的特征子集、不同参数对题目进行聚类。在ACM Online Judge系统的评测数据集上，

以时间波动、平均用时和重复提交率为特征，通过聚类分析建立题目等级分类模型，实现题目难度等级分类，并对不同特征值数量和聚类中心数量对分类效果的影响进行实验研究，以确定最佳分类模型

。实验结果表明，提出的方法简单有效，模型的分类结果符合经验分类结果。

关键词: OJ系统, K-means, 等级分类

Abstract:

To tackle with the blindness of random questions choosing for exercise and test of online learning system, this paper clusters questions by exploiting various

feature subsets and parameters based on online judge data and Kmeans. For the test data of ACM online judge system, the features of temporal fluctuations, mean of time

consumption and repeat submission rate are used to build a classification model which will be optimized based on experimental analysis of number of features and clusters. The

experimental results show that the proposed method is simple but effective, the classification results of the model are consistent with the empirical results.

Key words: , online judge system； Kmeans； grade classification

中图分类号:

TP311

范玉玲，徐涛，王钦. 基于在线评测数据的题目等级分类模型研究[J]. 计算机与现代化, 2017, 0(3): 36-.

FAN Yuling， XU Tao， WANG Qin. Study on Grade Categorization Model of Question Based on Online Test Data[J]. Computer and Modernization, 2017, 0(3): 36-.

[1]	何若男1, 范翔2, 陈益1, 姜羽菲1, 曹辉1. 比例优势逻辑回归优化嗓音障碍指数算法[J]. 计算机与现代化, 2024, 0(08): 1-4.
[2]	王涛1, 2, 黄丹1, 2, 刘禅奕1, 2, 朱桃1, 2. 基于YOLOv5s的无人机图像车辆检测[J]. 计算机与现代化, 2024, 0(08): 108-113.
[3]	秦阳, 詹勇, 明路遥, 杨舒淇, 蓝振祎. 基于改进K-means算法的通勤交通小区识别[J]. 计算机与现代化, 2024, 0(07): 63-68.
[4]	孟雅蕾1, 师红宇1, 王予2. 一种无阻流量预测方法[J]. 计算机与现代化, 2024, 0(04): 33-37.
[5]	韩雪. 基于约束聚类和粒子群算法的多路径规划[J]. 计算机与现代化, 2023, 0(08): 7-11.
[6]	王艺成, 张国良, 张自杰, . 基于改进YOLOv5的小目标检测方法[J]. 计算机与现代化, 2023, 0(05): 100-105.
[7]	彭露露, 朱媛媛, 金文倩, 王笑梅. 基于改进YOLOv4的汽车钢铁零件表面缺陷检测[J]. 计算机与现代化, 2022, 0(09): 32-39.
[8]	申智, 徐丽, 符祥远. 基于改进YOLO v4光线模糊场景下交通标志检测[J]. 计算机与现代化, 2022, 0(07): 27-32.
[9]	梁正友, 王璐, 李轩昂, 杨锋, . 基于K-means++的多视图点云配准技术[J]. 计算机与现代化, 2022, 0(02): 97-101.
[10]	金鑫, 曾思轲, 刘阳, 武楚涵. 基于改进YOLOv4的口罩佩戴检测算法[J]. 计算机与现代化, 2022, 0(01): 85-90.
[11]	庄丽丽, 石鸿雁. 基于改进布谷鸟搜索的k-means算法的离群点检测[J]. 计算机与现代化, 2021, 0(10): 15-22.
[12]	赵玉蓉, 郭会明, 焦函, 章俊伟. 融合混合域注意力的YOLOv4在船舶检测中的应用[J]. 计算机与现代化, 2021, 0(09): 75-82.
[13]	李龙, 张重阳. 基于改进YOLOv3的车辆尾灯检测方法[J]. 计算机与现代化, 2021, 0(07): 89-94.
[14]	郑钦浩, 杨贞, 杨振 . 面向车辆和行人检测的KM-SSD方法[J]. 计算机与现代化, 2021, 0(03): 51-56.
[15]	张磊, 郎贤礼, 王乐. 基于图像融合与YOLOv3的铝型材表面缺陷检测[J]. 计算机与现代化, 2020, 0(11): 8-15.

基于在线评测数据的题目等级分类模型研究

Study on Grade Categorization Model of Question Based on Online Test Data

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价