半監督學習考試風險研究軟件的原理和實現

張雪松

（郴州廣播電視大學 湖南省郴州市 423000）

1 研究背景與研究意義

我國互聯網+發展愈發迅速，在大數據時代，網絡技術在方方面面的應用也逐漸增加。對于教育考試來說，不僅有計算機考試形式，還有通過網站進行報名的網絡系統，突破了傳統直至考試的時間和空間界限。大數據時代的考試豐富了選拔人才的標準，拓寬了選拔人才的手段，增加了考試答題形式，也同樣帶了考試過程當中不可控的因素，不可知的事項增加，給考試帶來了更大風險。因此應當適應互聯網時代的發展模式，采取積極的手段推進考試數字化、現代化，同時分析高校考試過程當中可能出現的風險問題，建立健全考試風險的監督與預警機制。

2 研究理論與研究方法

2.1 Pytorch聚類分析方法

通過協同過濾的手段，可以通過聚類分析方法來有效分析網絡學習平臺上不同學習者的興趣偏好和學習特征，從而評估和預測在考試過程中可能出現的風險問題。Pytorch 聚類分析方法的主要策略是相同或相似學習行為、學習偏好和興趣特征的學習者在復習的情況、考試的選擇、考試的過程有著一致性，因此通過協同過濾的范式來體現網絡學習平臺學習用戶的潛在考試心理，并且將考試當中客觀存在的風險問題加以分析。通過Pytorch 聚類分析方法，我們可以得到協同過濾的考試風險評估系統框架：通過網絡學習平臺當中目標用戶的學習，來收集學習用戶的行為數據資源，然后進行相同特征的行為提取及特征轉換，最終得出一個特征向量，通過向量夾角、向量余弦等相關的系數來進行相似度計算，并最終將相思用戶集合起來，分析相思用戶的心理特征，并依據考試風險加以集合分析。……