基于大语言模型的题库生成方法、装置、电子设备及计算机可读取存储介质与流程

本申请涉及教育测试的，更具体地，涉及一种基于大语言模型的题库生成方法、装置、电子设备及计算机可读取存储介质。

背景技术：

1、在相关技术中，多阶段自适应测试系统严格依赖题目的项目反应理论参数作为核心基础，即每一道入库试题都必须具备精确的难度、区分度及猜测度等参数。然而，获取这些参数的途径通常是进行大规模的真人预测试，收集海量作答数据后进行统计标定。这导致题库建设周期极长、耗资巨大，且新入库的题目因缺乏历史数据支撑，无法立即计算出有效参数。

技术实现思路

1、鉴于上述问题，本申请提出了一种基于大语言模型的题库生成方法、装置、电子设备及计算机可读取存储介质，能够解决上述问题。

2、第一方面，本申请实施例提供了一种基于大语言模型的题库生成方法，该方法包括：接收领域知识数据，并将领域知识数据输入预设大语言模型中，生成候选试题；提取候选试题的文本语义特征与结构化特征，并将文本语义特征与结构化特征进行拼接，得到输入特征向量；将输入特征向量输入至预设参数预测模型中，通过预设参数预测模型的共享融合网络提取隐含表示，由预设参数预测模型的多个输出头分别输出原始预测值，并对原始预测值进行约束变换，得到符合项目反应理论参数范围的初始参数；将候选试题和初始参数关联存储于可用题库。

3、第二方面，本申请实施例还提供了一种基于大语言模型的题库生成装置，该装置包括：生成模块，用于接收领域知识数据，并将领域知识数据输入预设大语言模型中，生成候选试题；拼接模块，用于提取候选试题的文本语义特征与结构化特征，并将文本语义特征与结构化特征进行拼接，得到输入特征向量；约束模块，用于将输入特征向量输入至预设参数预测模型中，通过预设参数预测模型的共享融合网络提取隐含表示，由预设参数预测模型的多个输出头分别输出原始预测值，并对原始预测值进行约束变换，得到符合项目反应理论参数范围的初始参数；存储模块，用于将候选试题和初始参数关联存储于可用题库。

4、第三方面，本申请实施例还提供了一种电子设备，包括处理器、存储器以及一个或多个应用程序；一个或多个应用程序被存储在存储器中并被配置为由处理器执行以实现上述基于大语言模型的题库生成方法。

5、第四方面，本申请实施例还提供了一种计算机可读取存储介质，计算机可读取存储介质中存储有程序代码，其中，在程序代码被处理器运行时执行上述基于大语言模型的题库生成方法。

6、本申请提供的技术方案，该方法包括：接收领域知识数据，并将领域知识数据输入预设大语言模型中，生成候选试题；提取候选试题的文本语义特征与结构化特征，并将文本语义特征与结构化特征进行拼接，得到输入特征向量；将输入特征向量输入至预设参数预测模型中，通过预设参数预测模型的共享融合网络提取隐含表示，由预设参数预测模型的多个输出头分别输出原始预测值，并对原始预测值进行约束变换，得到符合项目反应理论参数范围的初始参数；将候选试题和初始参数关联存储于可用题库。由此，通过预设大语言模型生成候选试题，并利用预设参数预测模型直接从试题的文本语义特征与结构化特征中预测出符合项目反应理论参数范围的初始参数，无需依赖大规模真人预测试与海量作答数据统计标定，使得新入库试题在缺乏历史数据支撑的情况下即可立即获得精确的初始参数，从而直接解决了相关技术中题库建设周期长、耗资巨大以及新题无法立即投入使用的技术问题。

1.一种基于大语言模型的题库生成方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于大语言模型的题库生成方法，其特征在于，所述原始预测值包括区分度、难度值和猜测度；

3.根据权利要求1所述的基于大语言模型的题库生成方法，其特征在于，所述方法还包括：

4.根据权利要求1所述的基于大语言模型的题库生成方法，其特征在于，步骤将所述领域知识数据输入预设大语言模型中，生成候选试题，包括：

5.根据权利要求4所述的基于大语言模型的题库生成方法，其特征在于，所述方法还包括：

6.根据权利要求5所述的基于大语言模型的题库生成方法，其特征在于，所述方法还包括：

7.根据权利要求1所述的基于大语言模型的题库生成方法，其特征在于，所述方法包括：

8.一种基于大语言模型的题库生成装置，其特征在于，所述装置包括：

9.一种电子设备，其特征在于，包括：

10.一种计算机可读取存储介质，其特征在于，所述计算机可读取存储介质中存储有程序代码，所述程序代码可被处理器调用执行如权利要求1-7任一项所述的基于大语言模型的题库生成方法。