具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图1-3及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。

本申请实施例公开一种习题练习方法，参照图1，包括以下步骤：

一种习题练习方法，包括以下步骤：

S1、实时获取用户对各章节习题库的练习数据，得出各章节的答题率和正确率。

本申请中，用户可以通过智能终端上的练习APP，进行各章节习题的练习，智能终端可采用智能手机、平板电脑等。针对各章节的答题率，随着用户对各章节习题库中的习题进行练习，已练习的习题数量将逐渐增多，从而影响各章节习题的答题率。比如，第一章节习题库中习题数量为200道，用户已答过的习题数量为80道，则该用户在第一章节的答题率为40%；当用户已答过的系统数量为120道时，用户在第一章节的答题率为60%。

针对各章节的正确率，随着用户对各章节习题库中的习题进行练习，各章节习题答复的正确率将随之改变。比如，第一章节已答复的习题数量为200道，答复正确的习题数量为150道，则该用户在第一章节的正确率为75%，其中，已答复的习题数量包含有用户重复答复的习题数量。

S2、对各章节的答题率进行判断，若答题率超过第一阈值时，则输出第一反馈信号。

需要说明的是，第一阈值可采用上述练习APP后台提前设置，也可采用用户登录练习APP后自行设置。比如，第一阈值设置为60%，当第一章节的答题率为70%时，则该答题率已超过第一阈值，从而输出第一反馈信号。

S3、对各章节的正确率进行判断，若正确率超过第二阈值时，则输出第二反馈信号。

需要说明的是，第二阈值可采用上述练习APP后台提前设置，也可采用用户登录练习APP后自行设置。比如，第二阈值设置为80%，当第一章节的正确率为85%时，则该正确率已超过第二阈值，从而输出第二反馈信号。

S4、基于第一反馈信号和第二反馈信号以解锁对应章节的测试任务。

本申请中，练习APP中各章节均包括练习模式和测试模式，点开各章节的初期，练习模式为可用状态，测试模式为不可用状态，只有同时接收到第一反馈信号和第二反馈信号，才将该章节的测试模式由不可用状态变成可用状态，即解锁对应章节的测试任务。

在步骤S1之后，参照图2，还包括：

S11、实时获取用户对习题库中每道习题的答题次数。

针对每道习题的答题次数，随着用户对各章节习题库中的习题进行练习，将出现重复答复某一道习题的情况，且重复答复某一道习题的次数也有所将增加。比如，A题在用户练习过程中出现了三次，且A题的答题次数为3。

S12、对每道习题的答题次数进行判断，若答题次数超过第三阈值时，则输出锁定信号；若答题次数小于第三阈值，则输出备选信号。

需要说明的是，第三阈值可采用上述练习APP后台提前设置，也可采用用户登录练习APP后自行设置。比如，第三阈值设置为4，A题的答题次数为3，则对A题输出备选信号；B题的答题次数为5，则对B题输出锁定信号。

S13、基于锁定信号将对应的习题存储于锁定存储区，基于备选信号将对应的习题存储于备选存储区。

本申请中，根据上述对A题输出备选信号，将A题存储于备选存储区；对B题输出锁定信号，将B题存储于锁定存储区。根据习题库中每道习题的答题次数，将习题分别存储在锁定存储区和备选存储区；用于进行习题练习时，从备选存储区调取习题，可以减少习题重复出现的情况，有助于用户对当前章节的不同习题进行练习。

在步骤S1之后，还包括：

S101、基于练习数据提取每道习题的样本数据，根据spark-ML朴素贝叶斯分类算法对样本数据进行训练，得到训练模型。

需要说明的是，采用spark-ML朴素贝叶斯分类算法，其模型主要是计算每个类别的先验概率、各类别下各个特征属性的条件概率，其分布式实现方法是：对样本进行聚合操作，统计所有标签出现的次数、对应特征之和；对(label，features)格式样本采用combineByKey聚合函数，对同一标签数据进行聚合统计操作。通过聚合操作后，可以通过聚合结果计算先验概率、条件概率，得到朴素贝叶斯分类模型。对于预测，根据模型的先验概率、条件概率，计算每个样本属于每个类别的概率，最后取最大项作为样本的类别。

S102、基于训练模型预测用户解答备选存储区中每道习题的第一答对率。

需要说明的是，对每道习题的样本数据进行分析，对样本数据进行训练得到训练模型，可以比较精确的预测用户解答备选存储区中每道习题的第一答对率。

S103、筛选第一答对率在预设范围值内的M道习题，从M道习题中选取N道习题，生成用户的习题任务。

本申请中，预设范围值可采用上述练习APP后台提前设置，也可采用用户登录练习APP后自行设置。M的数量是根据筛选的情况确定；N可以进行后台提前设置，也可以由用户自行设置。比如，预设范围值设置为60%-80%，N为5；如果备选存储区中第一答对率在60%-80%内的习题有30道，即M为30，则习题任务为从筛选出的30道习题中选取5道习题。

练习APP中各章节均包括精准练习模式，习题任务位于精准练习模式内，用户可通过精准练习模式进行习题任务，通过习题任务进行的习题练习，也将统计各章节的答题率和正确率，以及每道习题的答题次数。基于第一答对率选取习题任务中的习题，这样用户可以获取难度适中的习题，并且可以更好的对备选存储区中的习题进行练习。

具体的，在步骤S103中，根据权重判断法从M道习题中选取N道习题，答题次数越少的习题权重越大，以进一步让答题次数较少的习题出现在用户的习题任务中。

在步骤S1之后，还包括：

S111、基于练习数据提取每道习题的样本数据，根据spark-ML朴素贝叶斯分类算法对样本数据进行训练，得到训练模型。

S112、基于训练模型预测用户解答锁定存储区中每道习题的第二答对率。

需要说明的是，对每道习题的样本数据进行分析，对样本数据进行训练得到训练模型，可以比较精确的预测用户解答锁定存储区中每道习题的第二答对率。

S113、筛选第二答对率低于第四阈值的习题，生成用户的复习任务。

本申请中，第四阈值可采用上述练习APP后台提前设置，也可采用用户登录练习APP后自行设置。比如，第四阈值设置为60%。练习APP中各章节均包括复习模式，复习任务位于复习模式内，用户可通过复习模式进行复习任务，通过复习任务进行的习题练习，也将统计各章节的答题率和正确率，以及每道习题的答题次数。这样用户在习题多次练习后，该习题的第二答对率仍然较低时，通过复习任务使用户对章节的知识点进行查漏补缺，提高用户习题的复习效果。

具体的，在步骤S113中，基于答题次数对筛选出的所有习题进行排序，答题次数越多的习题位于答题次数越少的习题之前，以将答题次数越多的习题放在复习任务中的前面，进一步提高用户习题的复习效果。

在步骤S1之后，还包括：

S5、对各章节的正确率进行判断，如果正确率超过第五阈值，则对应章节的掌握情况标记为已掌握；如果正确率小于第六阈值，则对应章节的掌握情况标记为重点加强练习；如果正确率位于第五阈值与第六阈值之间，则对应章节的掌握情况标记为巩固练习；其中，第五阈值大于第六阈值。

需要说明的是，章节的掌握情况判断依据：用户可对同一章节的习题库进行反复练习，其中，第五阈值可以设置为90%，第六阈值可以设置为75%，如果同一章节的习题库多次练习的掌握率超过90%，则可视为对该章节已掌握；如果同一章节的习题库多次练习的掌握率低于75%，则可视为对该章节未掌握，需要重点加强练习；其它章节视为需要巩固练习。

本申请中，将用户对各章节的正确率分别与第五阈值和第六阈值进行比较，便于对该用户学习过的章节进行划分，这样用户可以根据掌握情况对不同章节进行练习，从而提高用户的练习效果。

本申请实施例一种习题练习方法的实施原理为：根据用户的练习数据，得出该用户对各章节的答题率和正确率；在用户对当前章节习题库的答题率到达第一阈值，且用户对当前章节已答习题的正确率到达第二阈值时，才解锁对应章节的测试任务，从而便于用户对该章节进行测试，这样可以对当前章节的习题重复练习，有助于提高用户对章节的掌握。

本申请实施例还公开一种习题练习系统，参照图3，包括实时获取模块、第一反馈模块、第二反馈模块和测试解锁模块，实时获取模块用于实时获取用户对各章节习题库的练习数据，得出各章节的答题率和正确率。

第一反馈模块与实时获取模块连接，用于接收各章节的答题率，并对各章节的答题率进行判断，若答题率超过第一阈值时，则输出第一反馈信号；第二反馈模块与实时获取模块连接，用于接收各章节的所述正确率，并对各章节的正确率进行判断，若正确率超过第二阈值时，则输出第二反馈信号。

测试解锁模块分别与第一反馈模块和第二反馈模块连接，用于接收第一反馈信号和第二反馈信号，并基于第一反馈信号和第二反馈信号以解锁对应章节的测试任务。

该习题练习系统还包括次数获取模块、次数处理模块和习题存储模块；次数获取模块用于实时获取用户对习题库中每道习题的答题次数。

次数处理模块与次数获取模块连接，用于接收答题次数，并对每道习题的答题次数进行判断，若答题次数超过第三阈值时，则输出锁定信号；若答题次数小于第三阈值，则输出备选信号。

习题存储模块与次数处理模块连接，用于接收锁定信号和备选信号，并基于锁定信号将对应的习题存储于锁定存储区，基于备选信号将对应的习题存储于备选存储区。

该习题练习系统还包括训练模型模块、第一判断模块和习题任务模块；训练模型模块与实时获取模块连接，用于接收练习数据，并基于练习数据提取每道习题的样本数据，根据spark-ML朴素贝叶斯分类算法对样本数据进行训练，得到训练模型。

第一判断模块分别与训练模型模块和习题存储模块连接，用于接收训练模型，并基于训练模型预测用户解答备选存储区中每道习题的第一答对率。

习题任务模块与第一判断模块连接，用于接收每道习题的第一答对率，并筛选第一答对率在预设范围值内的M道习题，从M道习题中选取N道习题，生成用户的习题任务。

习题任务模块包括权重判断单元，权重判断单元根据权重判断法从M道习题中选取N道习题，答题次数越少的习题权重越大。

该习题练习系统还包括第二判断模块和复习任务模块；第二判断模块分别与训练模型模块和习题存储模块连接，用于接收训练模型，并基于训练模型预测用户解答所述锁定存储区中每道习题的第二答对率。复习任务模块与第二判断模块连接，用于接收每道习题的第二答对率，并筛选第二答对率低于第四阈值的习题，生成用户的复习任务。

复习任务模块包括排序判断单元，排序判断单元基于答题次数对筛选出的所有习题进行排序，答题次数越多的习题位于答题次数越少的习题之前。

该习题练习系统还包括掌握分类模块，掌握分类模块与实时获取模块连接，用于接收各章节的正确率，并对各章节的正确率进行判断，如果正确率超过第五阈值，则对应章节的掌握情况标记为已掌握；如果正确率小于第六阈值，则对应章节的掌握情况标记为重点加强练习；如果正确率位于第五阈值与第六阈值之间，则对应章节的掌握情况标记为巩固练习；其中，第五阈值大于第六阈值。

本申请实施例还公开一种存储介质，存储有能够被处理器加载并执行上述一种习题练习方法中任一种方法的计算机程序。

以上均为本申请的较佳实施例，并非依此限制本申请的保护范围，本说明书（包括摘要和附图）中公开的任一特征，除非特别叙述，均可被其他等效或者具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。