技术特征：
1.一种组卷模型训练方法，其特征在于，所述方法包括：基于预设组卷策略生成多组训练组卷参数；利用遗传算法对各组所述训练组卷参数分别生成多套训练试卷；构建组卷模型，其中，所述组卷模型的输入层包括多个基于所述多组训练组卷参数对应的所述预设组卷策略构建的组卷策略神经元，所述组卷模型的输出层包括多个基于各组所述训练组卷参数分别生成的多套所述训练试卷构建的训练神经元组；以及利用所述多组训练组卷参数以及与各组所述训练组卷参数分别对应的多套所述训练试卷训练构建的所述组卷模型。2.根据权利要求1所述的组卷模型训练方法，其特征在于，所述利用遗传算法对各组所述训练组卷参数分别生成多套训练试卷的步骤包括：针对第一组所述训练组卷参数生成第一套训练试卷；重复所述第一套训练试卷的生成过程，得到所述第一组训练组卷参数的多套所述训练试卷；以及重复针对所述第一组训练组卷参数的多套所述训练试卷的生成过程，得到每一组所述训练组卷参数的多套所述训练试卷；且其中，所述针对第一组所述训练组卷参数生成第一套训练试卷的步骤包括：根据所述第一组训练组卷参数随机生成初始试卷种群；对所述初始试卷种群依次执行交叉操作和变异操作，得到更新试卷种群；以及重复所述交叉操作与所述变异操作，对所述更新试卷种群进行迭代更新直至收敛，并从所述更新试卷种群中选取适应度值最大的个体作为所述训练组卷参数的第一套训练试卷。3.根据权利要求1所述的组卷模型训练方法，其特征在于，所述预设组卷策略包括以下元素中的至少一个：知识点重要程度、试题难度、题型。4.根据权利要求3所述的组卷模型训练方法，其特征在于，所述基于预设组卷策略生成多组训练组卷参数的步骤包括：生成所述预设组卷策略的第一组所述训练组卷参数；以及重复第一组所述训练组卷参数的生成过程，获得所述预设组卷策略的多组所述训练组卷参数；且其中，所述生成所述预设组卷策略的第一组所述训练组卷参数的步骤还包括：基于所述预设组卷策略中的第一元素随机生成第一元素向量列表，并基于所述第一元素向量列表生成第一单元组卷参数列表，其中，所述第一元素向量列表包含有所述第一元素中的多个第一子元素以及对应各所述第一子元素的不同赋值；基于所述预设组卷策略中的第二元素随机生成第二元素向量列表，并基于所述第二元素向量列表生成第二单元组卷参数列表，其中，所述第二元素向量列表包含有所述第二元素中的多个第二子元素以及对应各所述第二子元素的不同赋值；以及整合所述第一单元组卷参数列表与所述第二单元组卷参数列表，生成包含所述第一元素和所述第二元素的第一组所述训练组卷参数。5.根据权利要求4所述的组卷模型训练方法，其特征在于，所述构建组卷模型的步骤包括构建所述组卷模型的所述输入层的子步骤，所述子步骤包括：
基于所述预设组卷策略中的所述第一元素构建多个第一组卷策略神经元，以及基于所述预设组卷策略中的所述第二元素构建多个第二组卷策略神经元；以及获取所述第一元素中的各所述第一子元素的各所述赋值，据以设定各所述第一组卷策略神经元的参数值，以及获取所述第二元素中的各所述第二子元素的各所述赋值，据以设定各所述第二组卷策略神经元的参数值。6.根据权利要求5所述的组卷模型训练方法，其特征在于，所述构建组卷模型的步骤包括构建所述组卷模型的所述输出层的子步骤，所述子步骤包括：针对第一套所述训练试卷生成一个所述训练神经元组，其中，所述训练神经元组包含多个训练神经元及对应各所述训练神经元的不同赋值，各所述训练神经元的各所述赋值对应于所述训练试卷中各试题在试题库中的序号；重复针对第一套所述训练试卷生成一个所述训练神经元组的步骤，获得多套所述训练试卷的多个所述训练神经元组以及各所述训练神经元组中的各所述训练神经元的不同赋值；以及基于预设的拼接规则，拼接各所述训练神经元组中的各所述训练神经元，生成所述组卷模型的所述输出层。7.根据权利要求6所述的组卷模型训练方法，其特征在于，所述方法还包括：设置神经网络目标函数，其中，所述神经网络目标函数表示为：其中，所述w为网络权重参数；所述q
ij
表示在第i套训练试卷中的第j道试题；所述qi
ij
表示试题q
ij
对应于一组训练组卷参数的多套训练试卷中的出现率；所述index(tp
mi
,q
ij
)为试题q
ij
是否在训练试卷tp
mi
中出现的指示函数。8.一种组卷方法，其特征在于，所述方法包括：获取目标组卷参数；根据所述目标组卷参数，利用权利要求1至7中任一项所述的组卷模型训练方法所训练的所述组卷模型生成多组目标组卷结果；以及基于预设筛选规则针对多组所述目标组卷结果进行筛选，并获得对应所述目标组卷参数的目标试卷。9.根据权利要求8所述的组卷方法，其特征在于，所述基于预设筛选规则针对多组所述目标组卷结果进行筛选的步骤还包括：统计多组所述目标组卷结果中各所述目标组卷结果重复出现的次数，分析各所述目标组卷结果的统计次数；以及若存在所述统计次数最多的一组所述目标组卷结果，则将所述一组目标组卷结果作为所述目标试卷；若存在所述统计次数相同的至少二组所述目标组卷结果，则从所述至少二组目标组卷结果中选取适应度值最大的一组所述目标试卷结果以作为所述目标试卷；若所述至少二组目标组卷结果的所述适应度值相同，则从所述至少二组目标组卷结果中随机选择一组所述目标试卷结果以作为所述目标试卷。10.一种计算机存储介质，其特征在于，所述计算机存储介质中存储有用于执行根据权
利要求1至7中任一项所述的组卷模型训练方法的各所述步骤的指令；或所述计算机存储介质中存储有用于执行根据权利要求8至9中任一项所述的组卷方法的各所述步骤的指令。11.一种组卷模型训练装置，其特征在于，所述装置包括：参数生成模块，用于基于预设组卷策略生成多组训练组卷参数；训练数据生成模块，用于利用遗传算法对各组所述训练组卷参数分别生成多套训练试卷；模型生成模块，用于构建组卷模型，其中，所述组卷模型的输入层包括多个基于所述多组训练组卷参数对应的所述预设组卷策略构建的组卷策略神经元，所述组卷模型的输出层包括多个基于各组所述训练组卷参数分别生成的多套所述训练试卷构建的训练神经元组；以及模型训练模块，用于利用所述多组训练组卷参数以及与各组所述训练组卷参数分别对应的多套所述训练试卷训练构建的所述组卷模型。12.一种组卷装置，其特征在于，所述装置包括：组卷参数获取模块，用于获取目标组卷参数；试卷生成模块，用于根据所述目标组卷参数，利用权利要求11中所述的组卷模型的训练装置所训练的所述组卷模型生成多组目标组卷结果；以及；试卷筛选模块，用于基于预设筛选规则针对多组所述目标组卷结果进行筛选，并获得对应所述目标组卷参数的目标试卷。