建设一个题库需要几步？

笼统来说，大概是从建立系统知识模型开始，录题、传题、确定试题属性指标、试题反馈校正等，听起来似乎很简单，但实际是一个极其复杂的系统工程。由于国内教材版本多样、各地高考标准不统一等等，在每一个环节都需要投入大量人力，成本远比外界想象得高很多。

而伴随着信息化的不断发展，题库的建设壁垒渐渐降低，普通题库的建设逐渐走向正轨。然而，题库的建设并非简单的数量堆积，优质的题库除了试题的质量、来源、是否匹配教学要求外，还有其他重要的因素，如：知识点标签分类、是否智能规划学习路径等。

这些标准不仅提高了优质题库的门槛，也对题库建设人员提出了更高的要求，每一个环节都需要人工+智能多重保障，从知识点的定义到划分的粒度，再到每个体系节点的确定等，都要以绝对的“工匠精神”，精敲细琢、精益求精。

整个题库的建设极其复杂，今天，我们仅仅针对优质题库的重要条件之一——知识点标签进行挖掘，以知心慧学智能题库为例，来看看他们的教研和技术人员是如何将知识点标签分类做到极致。

精益求精挖掘知识点标签

给知识点定义标签，通俗来说就是依据考点试题的文本信息进行层次化的精确分类。通常情况下，优质题库在分类过程中主要运用人工标注+智能技术，也就是以大量人工标注好的题目文本和知识点标签结果的学习，通过自然语言处理的技术获取试题的文本特征，再通过机器的学习进一步得到分类模型，从而进行精确分类。

在这里，不得不提知心慧学独创的“8类36维智能标签体系”。为了让每一级标签都符合教师和学生需求，教研团队在标签创建前期便不断深入学校调研，以用户需求为导向，以团队钻研成果结合用户意见和建议，对每一级标签精细打磨，研究该层级的标签是否有存在的价值与意义。历时半年，修改43稿，才得以成功搭建“8类36维智能标签体系”。

尤其值得一提的是，在打造标签的过程中，教研团队特别考虑到新课标、新高考关注的核心素养，并将其巧妙融于36级标签中，让题库无缝衔接新高考。

这还仅仅只是创建标签的过程，是给试题打标签的基础工作。在录题员将新题目录入到题库开始，标签分类的工作才正式开始。

重点来说，关键工作在于以下三步：

其一，人工标注：在历经严格的三审三校后，教研员通过对题目的理解，依照标签系统，结合知识体系，一一进行关联与标注；

其二，技术处理：利用人工智能的自然语言处理技术对文本信息与初级标签作出特征分析和选择，依据内部算法和技术手段得出分类模型；

其三，效果评测：依照多年累积的庞大数据对分类结果进行“反侦测”，通过系统指标反馈进一步对分类进行优化迭代。

以难度设置为例：教研团队们根据系统内部的评估体系，依照题目的结构、已知条件和设问方式等综合方面进行评估，给出一个相应的初始难度值，由于不同教师对于难度的把控有一定偏差，后期则通过大数据，根据用户做题反映出来的数据，实时更新难度系数，让难度设置更科学。

整个标签挖掘的过程是极其复杂的，尤其在三个关键工作中，又蕴含了大量难点。如：在分类体系中，一个知识体系可能达到四至七层的分类，而很多试题在表达上具有很高的相似性，区别度的细微差别容易导致不同题类归类到统一标签；再比如：整体标签挖掘的优化是一个长期的周期性工作，依赖于老师和学生对于题库的使用所产生的数据，短期之内难以取得很好的使用效果……

这一切，都需要依靠先进的大数据人工智能技术与专业的研发团队，在标签挖掘与标注中紧密联系、层层把关；在每一个环节严格审核、精细打磨。也正是这样精益求精的“工匠精神”，让知心慧学智能题库以万钧之势覆盖全国，得到千万师生的喜爱。