利用文本相似度改進遺傳算法的組卷實現與研究

王慧敏

摘 要： 在分析遺傳算法適應度對遺傳算法收斂性影響的基礎上，針對試題試卷部分的信息參數和評價指標，對遺傳算法在組卷中的應用進行了具體的論述，分析了遺傳算法在組卷系統中各個部分的實現方法，提出了組卷模塊的體系結構。針對遺傳算法本身的原理特性進行討論，研究其理論基礎及其所具有的過早收斂的“早熟”現象，并利用排擠算法的早熟現象將組卷系統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，使考試內容和考試質量得以提升。最終將研究結果進行實驗對比與分析，并對研究結果進行了工程實現。

關鍵詞： 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 文獻標識碼： A 文章編號： 1004?373X（2016）05?0117?04

網絡化教育以其高速快捷和大信息量被廣大學習者認可，而網絡化考試作為網絡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。智能組卷系統應用人工智能、機器學習理論，根據學習者的需求和考試試卷的特點建立數學模型，再依靠計算機強大計算能力“智能”地找到學習者的特點和需求，使計算機不斷向智能化、人性化的方向邁進，在教育領域更加體貼的為學習者服務[2]。

近年來不斷有學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絡化考核之中又一個重要的研究環節。本文提出了將試題文本作為組卷參數之一的改進模式，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度函數對函數收斂速度的影響。最后對研究算法進行測試，并對結果進行了實現。

1 遺傳算法在組卷中的應用

1.1 目標函數及適應度函數

實際應用中，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。因此需要設定目標函數為：[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]為目標函數值，而[X1，X2，…，Xn]全部取到需求點時即為[F]的極值。適應度函數則由[F]的目標函數映射為非負、極大函數，以滿足遺傳算法中優勝劣汰的思想。

4 結 論

本文從現有的智能組卷技術出發，分析了組卷過程中涉及的經典測試理論和項目反應理論的信息參數和評價參數。利用小生境排擠機制和調整遺傳算子的辦法避免了組卷算法中早熟現象的發生。建立了向量空間查詢模型，并對研究結果進行了實驗對比和分析，最終依照實際應用，建立了一套高效的、智能的、符合用戶測試需求的組卷系統。分析實驗結果表明，利用文本相似度改進遺傳算法實現的組卷系統具有較高的實用價值。隨著人工智能與語言技術的進步，更為準確、高效的文本分析將會被應用于組卷算法中，從而產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[D].長春：吉林大學，2013.

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

[3] 田濤.在線考試系統設計與實現[D].成都：電子科技大學，2013.

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

[5] 郭小磊.基于自適應遺傳算法的組卷系統的設計與實現[J].電腦開發與應用，2010，23（8）：67?68.

[6] 華潔，崔杜武.基于個體優化的自適應小生境遺傳算法[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優化方面的性能比較分析[J].遼寧工業大學學報（自然科學版），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].計算機工程與應用，2012，50（10）：124?127.

[9] 賈巧麗.基于內容的圖像檢索技術研究[D].開封：河南大學，2012.