教育信息化改革是关系到国家教育事业的发展,随着教育信息化部署不断升级,教育考试信息化建设不断完善,全国各省市出现了大量不同类型的教育考试信息系统,典型的有成人高考信息管理系统、学生考试信息管理系统等。为积极配合重庆市统筹城乡教育综合改革,适应其实际情况以及现实需要,亟需加强教育考试信息系统的研究建设,通过整合现有的异构数据资源,促进重庆市教育事业蓬勃健康发展,建立健全教育考试信息化保障体系。但目前在重庆市虽然教育考试信息系统众多,但总体上缺乏统筹,各级教育行政部门、教育考试机构之间交流不畅,现有的大多数教育考试信息系统都是由各教育部门、机构根据自身需要建立的,特别是重庆市考试院业务系统与重庆市教委业务系统的数据对接较为困难,因此难以开展跨部门业务处理以及全市教育考试信息系统分析和数据综合利用。因此,开展基于深度学习的多源多粒度教育考试信息融合研究这一工作极具现实意义。本文以教育考试信息化为背景,为在不改变或尽量少改变原系统及其业务的基础上充分利用各教育信息平台独立分散的异构数据,实现各教育考试信息系统间的数据共享交换,对多源多粒度信息融合进行了深入研究,提出了基于深度学习的多源多粒度教育考试信息融合的研究。本文首先对多Agent多源异构数据采集进行研究,对其进行功能设计和流程设计;接下来对基于CNN的多源信息关联展开研究,设计信息关联算法自定义数据集,并设计了CNN模型的结构;然后进行基于CNN与LSTM的多粒度特征融合研究,设计粒度计算算法自定义数据集,通过CNN与LSTM结合的方式进行多粒度特征融合。之后本文基于以上对多Agent采集系统和数据融合的研究研究构建了多源教育考试系统,并构建了教育考试多源信息融合数据库。最后总结了本文专注的研究工作,提出了本研究内容的一些不足之处,并展望未来的研究方向。论文进行了模拟实验,分析和验证了多源教育考试系统的有效性,实验表明,本文所设计的基于CNN的多源信息关联和基于CNN与LSTM的多粒度特征融合具有较高精度,该系统的使用能够充分整合目前分散在各部门的教育考试数据资源,提高数据资源的利用率的同时促进教育考试信息化的发展。