CN109657046A - 内容分析处理方法、装置、电子设备及存储介质 - Google Patents
内容分析处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN109657046A CN109657046A CN201811582575.3A CN201811582575A CN109657046A CN 109657046 A CN109657046 A CN 109657046A CN 201811582575 A CN201811582575 A CN 201811582575A CN 109657046 A CN109657046 A CN 109657046A
- Authority
- CN
- China
- Prior art keywords
- condition
- solving
- transfer
- movement
- initial
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Machine Translation (AREA)
Abstract
本公开实施例中公开了一种内容分析处理方法、装置、电子设备及存储介质。所述方法包括:解析题干内容,获取题干内容中包含的初始条件和初始问题;根据所述初始条件和初始问题从预先设置的解题动作集中确定当前解题动作,并基于所述当前解题动作将所述初始条件和所述初始问题分别转化为中转条件和中转问题;将所述中转条件和中转问题分别作为下一次转化操作的初始条件和初始问题,返回执行下一次转化操作,直至转化得到的中转条件与中转问题满足预先设置的匹配条件;获取在各个转化操作过程中使用的各个当前解题动作,根据各个当前解题动作生成所述题干内容的解题路径。本公开实施例的技术方案能够实现准确的对初等数学习题的自动解题的效果。
Description
技术领域
本公开实施例涉及计算机技术领域,尤其涉及一种内容分析处理方法、装置、电子设备及存储介质。
背景技术
在现有的教学过程中,通常需要通过大量的习题训练来提高学生的学习成绩,尤其是在周末或者寒暑假期间,更需要学生利用课外时间进行习题训练。由于课外习题训练时没有老师的指导,一旦遇到疑难习题,学生可能针对这些疑难习题无从下手,从而影响了习题训练的进度。为此,可以采用一些解题方法来获取疑难习题的答案来辅助学生进行有效的习题训练,
现有的解题方法中,一方面,用户可以对疑难习题进行拍照,解题系统可以通过文字识别方式将疑难习题的照片转换为文字,解题系统在题库中搜索与疑难习题相近或相似的习题和习题解析反馈给用户;另一方面,学术界针对具有严格数学字符和公式的数学几何习题和代数习题进行了自动解题的探索。
在实施本发明的过程中,发明人发现现有技术中至少存在如下问题:
在现有的解题方法中,如果一旦待解决的疑难习题是一道新习题,即使该疑难习题相对于原来的习题仅仅换了一个数字,现有的解题方法也无法返回正确的答案解析。另外,学术界提出的针对数学几何习题和代数习题的自动解题方法只能处理具有严格的数学符号和公式的习题,一旦疑难习题中出现自然语言构成的条件和问题,就无法对该疑难习题进行解题,并且这些解题方法大多依靠严格的形式逻辑进行推理,解题成功率非常低。
发明内容
本公开实施例中提供了一种内容分析处理方法、装置、电子设备及存储介质,以实现准确的对初等数学习题的自动分析解题处理。
第一方面,本公开实施例中提供了一种内容分析处理方法,该方法包括:
解析题干内容,获取所述题干内容中包含的初始条件和初始问题;
根据所述初始条件和所述初始问题从预先设置的解题动作集中确定当前解题动作,并基于所述当前解题动作将所述初始条件和所述初始问题分别转化为中转条件和中转问题;
将所述中转条件和所述中转问题分别作为下一次转化操作的初始条件和初始问题,返回执行下一次转化操作,直至转化得到的中转条件与中转问题满足预先设置的匹配条件;
获取在各个转化操作过程中使用的各个当前解题动作,根据各个当前解题动作生成所述题干内容的解题路径。
第二方面,本公开实施例中还提供了一种内容分析处理装置,该装置包括:
初始确定模块,用于解析题干内容,获取所述题干内容中包含的初始条件和初始问题;
转化模块,用于根据所述初始条件和所述初始问题从预先设置的解题动作集中确定当前解题动作,并基于所述当前解题动作将所述初始条件和所述初始问题分别转化为中转条件和中转问题;
循环执行模块,用于将所述中转条件和所述中转问题分别作为下一次转化操作的初始条件和初始问题,返回执行下一次转化操作,直至转化得到的中转条件与中转问题满足预先设置的匹配条件;
解题路径生成模块,用于获取在各个转化操作过程中使用的各个当前解题动作,根据各个当前解题动作生成所述题干内容的解题路径。
第三方面,本公开实施例中还提供了一种电子设备,该电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上述实施例中任一项所述的内容分析处理方法。
第四方面,本公开实施例中还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述实施例中任一项所述的内容分析处理方法。
本公开实施例中提供的一种内容分析处理方法、装置、电子设备及存储介质,所述方法包括:解析题干内容,获取所述题干内容中包含的初始条件和初始问题;根据所述初始条件和所述初始问题从预先设置的解题动作集中确定当前解题动作,并基于所述当前解题动作将所述初始条件和所述初始问题分别转化为中转条件和中转问题;将所述中转条件和所述中转问题分别作为下一次转化操作的初始条件和初始问题,返回执行下一次转化操作,直至转化得到的中转条件与中转问题满足预先设置的匹配条件;获取在各个转化操作过程中使用的各个当前解题动作,根据各个当前解题动作生成所述题干内容的解题路径。本公开实施例的技术方案能够实现准确的对初等数学习题的自动分析解题处理的效果。
上述公开内容仅是本公开技术方案的概述,为了能够更清楚了解本公开的技术手段,而可依照说明书的内容予以实施,并且为了让本公开的上述和其它目的、特征和优点能够更明显易懂,以下特举本公开的具体实施方式。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本公开的其它特征、目的和优点将会变得更明显。附图仅用于示出优选实施方式的目的,而并不认为是对本公开的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本公开实施例中提供的一种内容分析处理方法的流程示意图;
图2示出了本公开实施例中提供的题干内容和题干内容中包含的初始条件和初始问题的示意图;
图3示出了本公开实施例中提供的题干内容中包含的初始条件和初始问题转化为中转条件和中转问题的中转示意图;
图4示出了本公开实施例中提供的另一种内容分析处理方法的流程示意图;
图5示出了本公开实施例中提供的又一种内容分析处理方法的流程示意图;
图6示出了本公开实施例中提供的一种内容分析处理装置的结构示意图;
图7示出了本公开实施例中提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅用于解释本公开,而非对本公开的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本公开相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理,但是其中的许多操作可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
图1示出了本公开实施例中提供的一种内容分析处理方法的流程示意图,本实施例可应用于初等数学习题进行自动分析处理的情况。该方法可由内容分析处理装置来执行,该装置可以采用软件和/或硬件的方式实现,该装置可以集成在任何具有网络通信功能的电子设备中,该电子设备可以为终端设备或服务器,如用于完成对初等数学习题进行自动分析处理的终端设备或服务器中,也可以是移动终端,如手机、电脑等终端设备。如图1所示,本公开实施例中的内容分析处理方法可以包括:
S101、解析题干内容,获取题干内容中包含的初始条件和初始问题。
在本实施例中,题干内容可以由一系列的初始条件和一系列的初始问题组成,题干内容可以包括多个初始条件和一个初始问题,也可以包括多个初始条件和多个初始问题。题干内容可以理解为需要待解答的题目和问题。图2示出了本公开实施例中提供的题干内容和题干内容中包含的初始条件和初始问题的示意图。参见图2,本实施例中提供了一个初等数学题目作为本实施例的题干内容,初等数学题目是一个由一系列的初始条件和一系列初始问题组成的题目,从该初等数学题目中可以确定初等数学题目中包含的初始条件和初始问题。在本公开实施例中以图2中初等数学题目为题干内容为例,通过对图2中的初等数学题目的解析处理,从初等数学题目中可以确定初等数学题目包含的初始条件和初始问题,具体如下:
初始条件:
条件1,{an}的公差是正数;
条件2,{an}是等差数列;
条件3,a3,a9是方程x2-12x+27=0的两根;
条件4,bn=an2n。
初始问题:
问题1,求{bn}的前n项和Tn。
由上述可见,从题干内容中确定了包含的初始条件和初始问题,可以理解的是,上述题干内容仅仅是有一种示例。
S102、根据初始条件和初始问题从预先设置的解题动作集中确定当前解题动作,并基于当前解题动作将初始条件和初始问题分别转化为中转条件和中转问题。
在本实施例中,通过自然语言解析工具可以对初等数学领域内初等数学定义、定理、公理、公式、法则以及推导方式等进行解析,并根据对上述初等数学领域内初等数学定义、定理、公理、公式、法则以及推导方式的解析结果生成一系列的解题动作。在生成一系列的解题动作之后,可以将一系列的解题动作进行预先存储生成解题动作集。由于解题动作集是由通过初等数学领域内初等数学定义、定理、公理、公式、法则以及推导方式等进行解析生成的解题动作构成,可见,本实施例中的解题动作集中包含了初等数学所涉及到的初等数学定义、定理、公理、公式、法则以及推导方式。
在本公开实施例中,相应的,解题动作集中至少存在一个当前解题动作可以对题干内容中包含的初始条件和/或初始问题执行一次或多次推导,并根据当前的推导得到一个或多个新结论。其中,该推导获取的一个或多个新结论可以作为通过当前解题动作对题干内容中包含的初始条件和初始问题转化得到的中转条件和中转问题。可以理解的是,据初始条件和初始问题从预先设置的解题动作集中确定的当前解题动作可以包含一个或多个解题动作,具体解题动作的类型和数量根据初始条件和初始问题的类型和/或数量进行确定。
图3示出了本公开实施例中提供的题干内容中包含的初始条件和初始问题转化为中转条件和中转问题的中转示意图。参见图3,对题干内容中包含的初始条件和初始问题进行分类编号,具体题干内容中包括的初始条件和初始问题分别为:初始条件1:“{an}的公差是正数”、初始条件2:“{an}是等差数列”、初始条件3:“a3,a9是方程x2-12x+27=0的两根”、初始条件4:“bn=an2n”以及初始问题1:“求{bn}的前n项和Tn”。根据初始条件3“a3,a9是方程x2-12x+27=0的两根”,可以确定初始条件1的当前解题动作是通过对韦达定理解析生成解题动作3;通过解题动作3对初始条件3执行一次推导可以得到一个方程组此时方程组可以作为经过对初始条件3执行解题动作3的推导操作得到的一个中转条件。根据初始条件2“{an}是等差数列”,可以确定初始条件2的当前解题动作是通过对等差数列的基本量法进行解析生成的解题动作2;通过解题动作2对初始条件2执行推导操作可以得到一个等差数列公式an=a1+(n-1)d,此时等差数列公式an=a1+(n-1)d可以作为经过对初始条件2执行解题动作2的推导操作得到的一个中转条件。相应的,初始条件1“{an}的公差是正数”转化后得到的中转条件为d>0。由于初始条件4“bn=an2n”以及初始问题1“求{bn}的前n项和Tn”在预先设置的解题动作集中可能不存在符合条件的解题动作,为此可以直接输出由于初始条件4“bn=an2n”以及问题1“求{bn}的前n项和Tn”作为中转条件以便进行后续操作。可见,上述题干内容中包含的初始条件和初始问题通过各个初始条件和初始问题对应的解题动作进行转化后得到的中转条件和中转问题分别为:中转条件1“d>0”、中转条件2“等差数列公式an=a1+(n-1)d”、中转条件3“方程组中转条件4“bn=an2n”以及中转问题1“求{bn}的前n项和Tn”。
在本公开实施例中,在从预先设置的解题动作集中确定当前解题动作的过程中,不是直接将预先设置的解题动作集中的全部解题动作均作为当前解题动作均进行一次转化操作,可以是根据题干内容中包含的初始条件和初始问题与解题动作的匹配度进行筛选,从预先设置的解题动作集中筛选出符合题干内容中包含的初始条件和初始问题的解题动作作为当前解题动作。
S103、将中转条件和中转问题分别作为下一次转化操作的初始条件和初始问题,返回执行下一次转化操作,直至转化得到的中转条件与中转问题满足预先设置的匹配条件。
在本实施例中,经过步骤S102可以基于当前解题动作对初始条件和初始问题进行推导,以根据推导结果将初始条件和初始问题分别转化为一系列的中转条件和中转问题。示例性的,参见图3,经过步骤S102的一次转化操作可以得到的中转条件和中转问题分别为:中转条件1:“d>0”、中转条件2:“等差数列公式an=a1+(n-1)d”、中转条件3:“方程组中转条件4:“bn=an2n”以及中转问题1:“求{bn}的前n项和Tn”。在基于当前解题动作将初始条件和初始问题分别转化为一系列的中转条件和中转问题之后,可以将转化得到的中转条件和中转问题作为新的初始条件和新的初始问题。此时,需要进行解答的题目的题干内容可以被转换为包含新的初始条件和新的初始问题的新的题干内容。因此,可以将新的题干内容中所包含的初始条件和初始问题为基础,返回步骤S102继续执行推导转化操作,直至推导转化得到的中转条件与中转问题满足预先设置的匹配条件。其中,匹配条件可以是指推导转化得到的中转条件与推导转化得到的中转问题之间具有相同的语义结构,且当中转条件与中转问题满足预设的怕匹配条件时可以直接从中转条件得出中转问题所满足的条件。示例性的,参见图3,在经过多次转化操作之后,原始的题干内容中所包含的初始是条件和初始问题在经过多次的推导转换后,可以得到:中转条件5:“Tn=2+8+…+2nn”和中转问题2:“Tn=?”。可见,推导转化得到的中转条件与推导转化得到的中转问题之间具有相同的语义结构,中转条件1就是中转问题1的结论或答案,此时,可以表明中转条件与中转问题满足预先设置的匹配条件。
S104、获取在各个转化操作过程中使用的各个当前解题动作,根据各个当前解题动作生成题干内容的解题路径。
在本实施例中,当通过对题干内容进行多次推导转化得到的中转条件和中转问题满足中转条件与中转问题之间的预设匹配条件时,停止步骤S103的转化操作。获取步骤S102和步骤S103的各个转化操作过程中每一次转化操作所使用的各个当前解题动作以及通过每一个解题动作形成的对应的中转条件和中转问题。将获取的步骤S102和步骤S103中所使用的解题动作按照预设的顺序进行有序排列就可以得到待解答题目的题干内容的解题路径。
在本实施例中,由于在每一次推导转化操作过程中,根据初始条件和初始问题从预先设置的解题动作集中所确定的当前解题动作可以是不同类型的解题动作,例如,针对同一初始条件或初始问题可以采用不同的解题动作进行推导转化,因此,在步骤S104中针对同一初始条件或初始问题获取的在同一次转化操作过程中可以存在有不同的解题动作。如果针对同一初始条件或初始问题采用了不同解题动作进行推导转化,并且在一次或多次推导转换后得到的中转条件和中转问题均可以满足中转条件与中转问题之间的匹配条件,那么在在步骤S104中针对相同题干内容的待解答题目可以得到不同的解题路径。
在本实施例中,采用本实施例的上述方式,在对初等数学习题的进行解题的过程中,不需要依靠严格的形式逻辑进行推理,只需要根据题干内容中包括的初始条件和初始问题确定的解题动作进行推导转化,并对得到的中转条件和中转问题确定解题动作继续进行推导转化即可得到推导转化过程中使用的解题动作,而这些解题动作可以组成包含题干内容的待解答题目的解题路径。
本公开实施例中提供了一种内容分析处理方法,通过解析题干内容,获取所述题干内容中包含的初始条件和初始问题,根据所述初始条件和所述初始问题从预先设置的解题动作集中确定当前解题动作,并基于所述当前解题动作将所述初始条件和所述初始问题分别转化为中转条件和中转问题,将所述中转条件和所述中转问题分别作为下一次转化操作的初始条件和初始问题,返回执行下一次转化操作,直至转化得到的中转条件与中转问题满足预先设置的匹配条件,获取在各个转化操作过程中使用的各个当前解题动作,根据各个当前解题动作生成所述题干内容的解题路径。本公开实施例的技术方案能够实现准确的对初等数学习题进行自动分析处理,并根据分析处理结果得到解题路径,提高了对初等数学习题解题成功率。
图4示出了本公开实施例中提供的另一种内容分析处理方法的流程示意图,本公开实施例在上述实施例的基础上对解析题干内容,获取所述题干内容中包含的初始条件和初始问题的步骤进行进一步优化,本公开实施例可以与上述一个或者多个实施例中各个可选方案结合。如图4所示,本公开实施例中提供的内容分析处理方法可以包括:
S401、将题干内容拆分为一系列由自然语言构成的条件短句和问题短句。
在本实施例中,自然语言(Natural Language)是指人类讲的语言,比如汉语、英语和法语,这类语言不是人为设计形成,而是自然进化形成。一般情况下,参见图2,对于类似初等数学习题的题干内容,题干内容均可以是由自然语言组成,图2中的题干内容可以是由自然语言组成的初等数学习题的题目内容,在题干内容中,初始条件和初始问题采用自然语言的形式糅合在初等数学习题的题目中。如果想确定题干内容中包含的初始条件和初始问题,需要先对题干内容进行解析。为此,可以先对题干内容进行拆分处理,以将题干内容拆分为一系列由自然语言构成的条件短句和问题短句。
在本实施例中,可选的,在将题干内容拆分为一系列由自然语言构成的条件短句和问题短句的过程中,可以将由自然语言组成的题干内容进行拆解得到一系列的短句;在拆解得到一系列的短句之后,可以对拆分得到的一系列短句进行分类识别,识别一系列短句中的条件短句和问题短句。示例性的,可以采用预先训练的条件和问题分类器,将拆解得到的一系列短句输入至条件和问题分类器中,通过预先训练的条件和问题分类器可以输出哪些短句是条件短句,哪些短句是问题断句。可以理解的是,通过对题干内容进行拆分所得到条件短句和问题短句均由自然语言组成。
S402、将条件短句和问题短句转换为一系列由形式语言构成的初始条件和初始问题。
在本实施例中,形式语言(Formal Language)是指为了特定应用而人为设计的语言。例如,数学家用的数字和运算符号、化学家用的分子式等,编程语言也是一种形式语言,是专门设计用来表达计算过程的形式语言。由于内容分析处理装置可以采用软件和/或硬件的方式实现,为了保证内容分析处理装置可以读懂从题干内容中拆分得到的由自然语言组成的各个条件短句和问题短句,可以将由自然语言组成的各个条件短句和问题短句转换为一系列由形式语言构成的初始条件和初始问题。
在本实施例的一种可选方式中,将条件短句和问题短句转换为一系列由形式语言构成的初始条件和初始问题,可以包括以下S402a~S402c的步骤:
S402a、对条件短句和问题短句进行语义分析处理,并根据语义分析结果将条件短句和问题短句分别转换成第一条件和第一问题;其中,第一条件和第一问题为由形式语言的文本。
在本实施方式中,对由自然语言组成的条件短句和由自然语言组成的问题短句进行语义分析处理。可选的,通过自然语言处理(Natural Language Processing,NLP)的技术对拆分得到的一系列条件短句和问题短句进行分词处理、实体命名识别、公式解析、句法解析和指代消解,从而可以分别确定一系列的条件短句和问题短句的语法树。进而,可以根据各个条件短句和问题短句的语法树结构将各个条件短句和问题短句转化为相应的由一阶谓词构成的形式语言,比如将各个条件短句和问题短句转化为由主+谓+宾结构构成的形式语言。
S402b、通过端到端的神经网络模型将条件短句和问题短句分别转换成第二条件和第二问题;其中,第二条件和第二问题为由形式语言构成的文本。
在本实施方式中,预先通过对大量的条件短句和问题短句的样本进行训练,得到基于条件短句和问题短句的神经网络模型。将一系列的条件短句和问题短句输入至预先训练的神经网络模型中,通过端到端的神经网络模型直接输出由形式语言构成的第二条件和第二问题。可选的,可以采用预先设置的RNN+Attention神经网络模型将一系列的条件短句和问题短句直接翻译成由形式语言构成的第二条件和第二问题。
S402c、通过第一条件与第二条件的条件比对和第一问题与第二问题的问题比对得到初始条件和初始问题。
在本实施方式中,通过步骤S402a和步骤S402b可以分别得到第一条件和第一问题与第二条件和第二问题,第一条件和第一问题与第二条件和第二问题的某一文本或问题中可能会存在误差,通过两种方式获取由形式语言组成的条件和问题后,可以将第一条件和第二条件进行比对,以及将第一问题与第二问题进行比对,并从中确定最准确的条件和最准确的问题作为初始条件和初始问题,采用上述方式可以准确的获取题干内容的初始条件和初始问题,以便后续对获取题干内容中初始条件和初始问题的处理得到的结果更加准确,在一定程度上可以增加解题的准确率。
S403、根据初始条件和初始问题从预先设置的解题动作集中确定当前解题动作,并基于当前解题动作将初始条件和初始问题分别转化为中转条件和中转问题。
S404、将中转条件和中转问题分别作为下一次转化操作的初始条件和初始问题,返回执行下一次转化操作,直至转化得到的中转条件与中转问题满足预先设置的匹配条件。
S405、获取在各个转化操作过程中使用的各个当前解题动作,根据各个当前解题动作生成所述题干内容的解题路径。
本公开实施例中提供了一种内容分析处理方法,可以将题干内容拆分为一系列由自然语言构成的条件短句和问题短句,将所述条件短句和所述问题短句转换为一系列由形式语言构成的初始条件和初始问题;根据所述初始条件和所述初始问题从预先设置的解题动作集中确定当前解题动作,并基于所述当前解题动作将所述初始条件和所述初始问题分别转化为中转条件和中转问题,将所述中转条件和所述中转问题分别作为下一次转化操作的初始条件和初始问题,返回执行下一次转化操作,直至转化得到的中转条件与中转问题满足预先设置的匹配条件,获取在各个转化操作过程中使用的各个当前解题动作,根据各个当前解题动作生成所述题干内容的解题路径。本公开实施例的技术方案能够实现准确的对初等数学习题进行自动分析处理,并根据分析处理结果得到解题路径,提高了对初等数学习题解题成功率。
实施例三
图5示出了本公开实施例中提供的又一种内容分析处理方法的流程示意图,本公开实施例在上述实施例的基础上进行进一步优化,本公开实施例可以与上述一个或者多个实施例中各个可选方案结合。如图5所示,本公开实施例中提供的内容分析处理方法可以包括:
S501、解析题干内容,获取题干内容中包含的初始条件和初始问题。
在本实施例中,可选的,解析题干内容,获取题干内容中包含的初始条件和初始问题,可以包括:将题干内容拆分为一系列由自然语言构成的条件短句和问题短句;将条件短句和问题短句转换为一系列由形式语言构成的初始条件和初始问题。
在本实施例中,可选的,将条件短句和问题短句转换为一系列由形式语言构成的初始条件和初始问题,可以包括:对条件短句和问题短句进行语义分析处理,并根据语义分析结果将条件短句和问题短句分别转换成第一条件和第一问题;其中,第一条件和第一问题为由形式语言的文本;通过端到端的神经网络模型将条件短句和问题短句分别转换成第二条件和第二问题;其中,第二条件和第二问题为由形式语言构成的文本;通过第一条件与第二条件的条件比对和第一问题与第二问题的问题比对得到初始条件和初始问题。
S502、将初始条件和初始问题输入至预先设置的解题动作匹配模型;其中,解题动作匹配模型用于输出预先设置的解题动作集中各个解题动作分别与初始条件和初始问题之间的匹配度。
在本实施例中,可以采用强化学习模型对大量的初等数学习题的题干内容中的初始条件和初始问题进行训练,从而得到解题动作匹配模型。通过解题动作匹配模型可以准确的确定与初始条件和初始问题相匹配的解题动作。即通过解题动作匹配模型可以找到在当前的初始条件和初始问题下,该初始条件和初始问题所适合的解题动作。将初始条件和初始问题输入至预先设置的解题动作匹配模型之后,解题动作匹配模型可以输出预先设置的解题动作集中各个解题动作分别与初始条件和初始问题之间的匹配度。通过上述方式可以针对当前的初始条件和初始问题确定预先设置的解题动作集中各个解题动作的得分。
在本实施例中,可选的,在通过解题动作匹配模型确定预先设置的解题动作集中各个解题动作与初始条件和初始问题之间的匹配度之后,可以先进行筛选将匹配度小于预设阈值的解题动作忽略或直接剔除。其中,解题动作的匹配度越高,表明通过该解题动作越容易准确进行解题分析处理。
S503、根据解题动作匹配模型的输出结果从预先设置的解题动作集中确定当前解题动作。
在本实施例中,解题动作匹配模型输出各个解题动作与初始条件和初始问题之间的匹配度之后,可以根据匹配度大小对各个解题动作进行排序,并从中选取符合预设要求的解题动作,作为当前解题动作。此外,可以对选取的当前解题动作进行编号记录,方便后续生成解题路径。可选的,在确定当前解题动作时,可以从解题动作集中确定一个或多个解题动作,作为当前解题动作。
S504、采用定向搜索方式通过当前解题动作对初始条件和初始问题进行解题操作,以将初始条件和初始问题分别转化为中转条件和中转问题。
在本实施例中,在确定当前状态下的初始条件和初始问题对应的当前解题动作之后,可以采用确定的当前解题动作采用定向搜索的方式,使用初始条件和初始问题对应的当前解题动作分别对初始条件和初始问题进行推导,将初始条件和初始问题分别转化为中转条件和中转问题。
S505、将中转条件和中转问题分别作为下一次转化操作的初始条件和初始问题,返回执行下一次转化操作,直至转化得到的中转条件与中转问题满足预先设置的匹配条件。
在本实施例中,将步骤S504转化得到的中转条件和中转问题分别作为下一次转化操作的初始条件和初始问题,依次循环执行S502~S504的步骤,直至转化得到的中转条件与中转问题满足预先设置的匹配条件。
S506、获取在各个转化操作过程中使用的各个当前解题动作,根据各个当前解题动作生成题干内容的解题路径。
在本实施例的基础上,可选的,在根据当前解题动作生成题干内容的解题路径之后,还可以包括:
从解题路径中选择满足预设路径条件的解题路径作为最终的解题路径;其中,解题路径由形式语言构成;通过自然语言生成技术将最终的解题路径翻译成由自然语言构成的解题步骤。
在本实施方式中,由于同一个题干内容可能采用不同的解题步骤均可以得到最终的答案,相应的,由于通过解题动作匹配模型确定的初始条件和初始问题的当前解题动作可能包含多个类型解题动作,在同一次转化操作中可以分别通过不同的解题动作对同一初始条件或初始问题执行一次转化操作,那么必然后续会形成不同的解题路径。同时在解题过程中可能需要经过多次转化操作,那么就可能存在每一次转化操作可能存在多个解题动作,整个解题过程存在多次转化操作的情况,那么最后可能各个解题动作之间可以形成不同的解题路径。为此,需要从各个解题路径中选择满足预设路径条件的解题路径作为最终的解题路径,然后通过自然语言生成技术将最终的解题路径翻译成由自然语言构成的解题步骤
本公开实施例中提供了的一种内容分析处理方法,通过解析题干内容,获取所述题干内容中包含的初始条件和初始问题;将所述初始条件和所述初始问题输入至预先设置的解题动作匹配模型;其中,所述解题动作匹配模型用于输出预先设置的解题动作集中各个解题动作分别与初始条件和初始问题之间的匹配度;根据所述解题动作匹配模型的输出结果从预先设置的解题动作集中确定所述当前解题动作;采用定向搜索方式通过所述当前解题动作对所述初始条件和所述初始问题进行解题操作,以将所述初始条件和所述初始问题分别转化为所述中转条件和所述中转问题;将中转条件和中转问题分别作为下一次转化操作的初始条件和初始问题,返回执行下一次转化操作,直至转化得到的中转条件与中转问题满足预先设置的匹配条件,获取在各个转化操作过程中使用的各个当前解题动作,根据各个当前解题动作生成所述题干内容的解题路径。本公开实施例的技术方案能够实现准确的对初等数学习题进行自动分析处理,并根据分析处理结果得到解题路径,提高了对初等数学习题解题成功率。
图6示出了本公开实施例中提供的一种内容分析处理装置的结构示意图,本实施例可应用于初等数学习题进行自动分析处理的情况。该装置可以采用软件和/或硬件的方式实现,该装置可以集成在任何具有网络通信功能的电子设备中,该电子设备可以为终端设备或服务器。如图6所示,本公开实施例中提供的内容分析处理装置可以包括:初始确定模块601、转化模块602、循环执行模块603和解题路径生成模块604。其中:
初始确定模块601,用于解析题干内容,获取所述题干内容中包含的初始条件和初始问题;
转化模块602,用于根据所述初始条件和所述初始问题从预先设置的解题动作集中确定当前解题动作,并基于所述当前解题动作将所述初始条件和所述初始问题分别转化为中转条件和中转问题;
循环执行模块603,用于将所述中转条件和所述中转问题分别作为下一次转化操作的初始条件和初始问题,返回执行下一次转化操作,直至转化得到的中转条件与中转问题满足预先设置的匹配条件;
解题路径生成模块604,用于获取在各个转化操作过程中使用的各个当前解题动作,根据各个当前解题动作生成所述题干内容的解题路径。
在上述实施例的基础上,可选的,所述初始确定模块601可以包括:
拆分单元,用于将题干内容拆分为一系列由自然语言构成的条件短句和问题短句;
初始确定单元,用于将所述条件短句和所述问题短句转换为一系列由形式语言构成的初始条件和初始问题。
在上述实施例的基础上,可选的,所述初始确定单元可以包括:
第一确定子单元,用于第一对所述条件短句和所述问题短句进行语义分析处理,并根据语义分析结果将所述条件短句和所述问题短句分别转换成第一条件和第一问题;其中,所述第一条件和所述第一问题为由形式语言的文本;
第二确定子单元,用于通过端到端的神经网络模型将所述条件短句和所述问题短句分别转换成第二条件和第二问题;其中,所述第二条件和所述第二问题为由形式语言构成的文本;
初始确定子单元,用于通过所述第一条件与所述第二条件的条件比对和所述第一问题与所述第二问题的问题比对得到所述初始条件和所述初始问题。
在上述实施例的基础上,可选的,所述转化模块602可以包括:
输入单元,用于将所述初始条件和所述初始问题输入至预先设置的解题动作匹配模型;其中,所述解题动作匹配模型用于输出预先设置的解题动作集中各个解题动作分别与初始条件和初始问题之间的匹配度。
解题动作确定单元,用于根据所述解题动作匹配模型的输出结果从预先设置的解题动作集中确定所述当前解题动作;
转化单元,用于采用定向搜索方式通过所述当前解题动作对所述初始条件和所述初始问题进行解题操作,以将所述初始条件和所述初始问题分别转化为所述中转条件和所述中转问题。
在上述实施例的基础上,可选的,所述装置还可以包括:
解题路径筛选模块605,用于从所述解题路径中选择满足预设路径条件的解题路径作为最终的解题路径;所述解题路径由形式语言构成;
解题步骤生成模块606,用于通过自然语言生成技术将所述最终的解题路径翻译成由自然语言构成的解题步骤。
本公开实施例中所提供的内容分析处理装置可执行上述本公开任意实施例中所提供的内容分析处理方法,具备执行该内容分析处理方法相应的功能和有益效果。
图7示出了本公开实施例中提供的一种电子设备的结构示意图。参考图7,其示出了适于用来实现本公开实施例的电子设备(例如终端设备或服务器)700的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图7示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图7所示,电子设备700可以包括处理装置(例如中央处理器、图形处理器等)701,其可以根据存储在只读存储器(ROM)702中的程序或者从存储装置708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中,还存储有电子设备700操作所需的各种程序和数据。处理装置701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
通常,以下装置可以连接至I/O接口705:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置706;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置707;包括例如磁带、硬盘等的存储装置708;以及通信装置709。通信装置709可以允许电子设备700与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备700,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置709从网络上被下载和安装,或者从存储装置708被安装,或者从ROM 702被安装。在该计算机程序被处理装置701执行时,执行本公开实施例的内容分析处理方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:
解析题干内容,获取所述题干内容中包含的初始条件和初始问题;
根据所述初始条件和所述初始问题从预先设置的解题动作集中确定当前解题动作,并基于所述当前解题动作将所述初始条件和所述初始问题分别转化为中转条件和中转问题;
将所述中转条件和所述中转问题分别作为下一次转化操作的初始条件和初始问题,返回执行下一次转化操作,直至转化得到的中转条件与中转问题满足预先设置的匹配条件;
获取在各个转化操作过程中使用的各个当前解题动作,根据各个当前解题动作生成所述题干内容的解题路径。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定,例如,第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种内容分析处理方法,其特征在于,所述方法包括:
解析题干内容,获取所述题干内容中包含的初始条件和初始问题;
根据所述初始条件和所述初始问题从预先设置的解题动作集中确定当前解题动作,并基于所述当前解题动作将所述初始条件和所述初始问题分别转化为中转条件和中转问题;
将所述中转条件和所述中转问题分别作为下一次转化操作的初始条件和初始问题,返回执行下一次转化操作,直至转化得到的中转条件与中转问题满足预先设置的匹配条件;
获取在各个转化操作过程中使用的各个当前解题动作,根据各个当前解题动作生成所述题干内容的解题路径。
2.根据权利要求1所述的方法,其特征在于,解析题干内容,获取所述题干内容中包含的初始条件和初始问题,包括:
将题干内容拆分为一系列由自然语言构成的条件短句和问题短句;
将所述条件短句和所述问题短句转换为一系列由形式语言构成的初始条件和初始问题。
3.根据权利要求2所述的方法,其特征在于,将所述条件短句和所述问题短句转换为一系列由形式语言构成的初始条件和初始问题,包括:
对所述条件短句和所述问题短句进行语义分析处理,并根据语义分析结果将所述条件短句和所述问题短句分别转换成第一条件和第一问题;其中,所述第一条件和所述第一问题为由形式语言的文本;
通过端到端的神经网络模型将所述条件短句和所述问题短句分别转换成第二条件和第二问题;其中,所述第二条件和所述第二问题为由形式语言构成的文本;
通过所述第一条件与所述第二条件的条件比对和所述第一问题与所述第二问题的问题比对得到所述初始条件和所述初始问题。
4.根据权利要求1所述的方法,其特征在于,根据所述初始条件和所述初始问题从预先设置的解题动作集中确定当前解题动作,并基于所述当前解题动作将所述初始条件和所述初始问题分别转化为中转条件和中转问题,包括:
将所述初始条件和所述初始问题输入至预先设置的解题动作匹配模型;其中,所述解题动作匹配模型用于输出预先设置的解题动作集中各个解题动作分别与初始条件和初始问题之间的匹配度;
根据所述解题动作匹配模型的输出结果从预先设置的解题动作集中确定所述当前解题动作;
采用定向搜索方式通过所述当前解题动作对所述初始条件和所述初始问题进行解题操作,以将所述初始条件和所述初始问题分别转化为所述中转条件和所述中转问题。
5.根据权利要求1所述的方法,其特征在于,在根据各个当前解题动作生成所述题干内容的解题路径之后,还包括:
从所述解题路径中选择满足预设路径条件的解题路径作为最终的解题路径;所述解题路径由形式语言构成;
通过自然语言生成技术将所述最终的解题路径翻译成由自然语言构成的解题步骤。
6.一种内容分析处理装置,其特征在于,所述装置包括:
初始确定模块,用于解析题干内容,获取所述题干内容中包含的初始条件和初始问题;
转化模块,用于根据所述初始条件和所述初始问题从预先设置的解题动作集中确定当前解题动作,并基于所述当前解题动作将所述初始条件和所述初始问题分别转化为中转条件和中转问题;
循环执行模块,用于将所述中转条件和所述中转问题分别作为下一次转化操作的初始条件和初始问题,返回执行下一次转化操作,直至转化得到的中转条件与中转问题满足预先设置的匹配条件;
解题路径生成模块,用于获取在各个转化操作过程中使用的各个当前解题动作,根据各个当前解题动作生成所述题干内容的解题路径。
7.根据权利要求6所述的装置,其特征在于,所述转化模块包括:
输入单元,用于将所述初始条件和所述初始问题输入至预先设置的解题动作匹配模型;其中,所述解题动作匹配模型用于输出预先设置的解题动作集中各个解题动作分别与初始条件和初始问题之间的匹配度;
解题动作确定单元,用于根据所述解题动作匹配模型的输出结果从预先设置的解题动作集中确定所述当前解题动作;
转化单元,用于采用定向搜索方式通过所述当前解题动作对所述初始条件和所述初始问题进行解题操作,以将所述初始条件和所述初始问题分别转化为所述中转条件和所述中转问题。
8.根据权利要求6所述的装置,其特征在于,所述装置还包括:
解题路径筛选模块,用于从所述解题路径中选择满足预设路径条件的解题路径作为最终的解题路径;所述解题路径由形式语言构成;
解题步骤生成模块,用于通过自然语言生成技术将所述最终的解题路径翻译成由自然语言构成的解题步骤。
9.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-5中任一项所述的内容分析处理方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-5中任一项所述的内容分析处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811582575.3A CN109657046B (zh) | 2018-12-24 | 2018-12-24 | 内容分析处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811582575.3A CN109657046B (zh) | 2018-12-24 | 2018-12-24 | 内容分析处理方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109657046A true CN109657046A (zh) | 2019-04-19 |
CN109657046B CN109657046B (zh) | 2021-11-16 |
Family
ID=66115032
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811582575.3A Active CN109657046B (zh) | 2018-12-24 | 2018-12-24 | 内容分析处理方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109657046B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111666924A (zh) * | 2020-07-02 | 2020-09-15 | 暗物智能科技(广州)有限公司 | 一种平面几何自动解题方法及系统 |
WO2024098282A1 (zh) * | 2022-11-09 | 2024-05-16 | 广州视源电子科技股份有限公司 | 一种几何解题方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107038146A (zh) * | 2017-05-04 | 2017-08-11 | 电子科技大学 | 函数分支处理方法及装置 |
CN107423286A (zh) * | 2017-07-05 | 2017-12-01 | 华中师范大学 | 初等数学代数型题自动解答的方法与系统 |
CN108388638A (zh) * | 2018-02-26 | 2018-08-10 | 出门问问信息科技有限公司 | 语义解析方法、装置、设备及存储介质 |
-
2018
- 2018-12-24 CN CN201811582575.3A patent/CN109657046B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107038146A (zh) * | 2017-05-04 | 2017-08-11 | 电子科技大学 | 函数分支处理方法及装置 |
CN107423286A (zh) * | 2017-07-05 | 2017-12-01 | 华中师范大学 | 初等数学代数型题自动解答的方法与系统 |
CN108388638A (zh) * | 2018-02-26 | 2018-08-10 | 出门问问信息科技有限公司 | 语义解析方法、装置、设备及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111666924A (zh) * | 2020-07-02 | 2020-09-15 | 暗物智能科技(广州)有限公司 | 一种平面几何自动解题方法及系统 |
WO2024098282A1 (zh) * | 2022-11-09 | 2024-05-16 | 广州视源电子科技股份有限公司 | 一种几何解题方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109657046B (zh) | 2021-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107491534B (zh) | 信息处理方法和装置 | |
JP2021089705A (ja) | 翻訳品質を評価するための方法と装置 | |
CN109086303A (zh) | 基于机器阅读理解的智能对话方法、装置、终端 | |
CN109614111A (zh) | 用于生成代码的方法和装置 | |
CN107133303A (zh) | 用于输出信息的方法和装置 | |
Bani et al. | College enquiry Chatbot using ALICE | |
CN111563390B (zh) | 文本生成方法、装置和电子设备 | |
US11080073B2 (en) | Computerized task guidance across devices and applications | |
US20220358292A1 (en) | Method and apparatus for recognizing entity, electronic device and storage medium | |
CN107004163A (zh) | 机器学习中的错误驱动的特征构思 | |
CN107943940A (zh) | 数据处理方法、介质、系统和电子设备 | |
WO2023273598A1 (zh) | 文本搜索方法、装置、可读介质及电子设备 | |
CN116596347B (zh) | 基于云平台的多学科交互教学系统及教学方法 | |
CN111159220A (zh) | 用于输出结构化查询语句的方法和装置 | |
CN116523031B (zh) | 语言生成模型的训练方法、语言生成方法及电子设备 | |
CN110543633A (zh) | 语句意图识别方法、装置 | |
CN113392197A (zh) | 问答推理方法、装置、存储介质及电子设备 | |
CN115270717A (zh) | 一种立场检测方法、装置、设备及介质 | |
CN109657046A (zh) | 内容分析处理方法、装置、电子设备及存储介质 | |
CN112036186A (zh) | 语料标注方法、装置、计算机存储介质及电子设备 | |
CN110210035B (zh) | 序列标注方法、装置及序列标注模型的训练方法 | |
WO2022188742A1 (zh) | 信息处理方法、装置、介质及电子设备 | |
Boza-Quispe et al. | A friendly speech user interface based on Google cloud platform to access a tourism semantic website | |
CN110245331A (zh) | 一种语句转换方法、装置、服务器及计算机存储介质 | |
CN112925889B (zh) | 自然语言处理方法、装置、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |