CN110134945B - 习题考点识别方法、装置、设备和存储介质 - Google Patents

习题考点识别方法、装置、设备和存储介质 Download PDF

Info

Publication number
CN110134945B
CN110134945B CN201910298206.XA CN201910298206A CN110134945B CN 110134945 B CN110134945 B CN 110134945B CN 201910298206 A CN201910298206 A CN 201910298206A CN 110134945 B CN110134945 B CN 110134945B
Authority
CN
China
Prior art keywords
examination
points
word
point
words
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.)
Active
Application number
CN201910298206.XA
Other languages
English (en)
Other versions
CN110134945A (zh
Inventor
郑立颖
阮晓雯
徐亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN201910298206.XA priority Critical patent/CN110134945B/zh
Publication of CN110134945A publication Critical patent/CN110134945A/zh
Application granted granted Critical
Publication of CN110134945B publication Critical patent/CN110134945B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B19/00—Teaching not covered by other main groups of this subclass

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

本申请涉及大数据技术领域，提供了习题考点识别方法、装置、设备和存储介质，方法包括：获取习题集合中的第一习题的文本；第一习题为习题集合中的任一习题；对第一习题的文本进行分词，得到若干个单词；识别单词的词性，根据词性从各单词中筛选出候选词；将候选词与知识图谱中各知识点对应的关键词进行匹配，若匹配到与候选词相对应的关键词，则将关键词所对应的知识点确定为第一习题的考点；以得到习题集合中每个习题的各考点。对习题的文本进行分词处理，得到若干单词；并选取单词中的名词，作为候选词；根据各候选词识别出习题中所涵盖的考点，便于学习者对习题的考点的把握。

Description

习题考点识别方法、装置、设备和存储介质
技术领域
本申请涉及计算机技术领域，尤其涉及习题考点识别方法、装置、设备和存储介质。
背景技术
如今，很多学习者利用习题训练平台等工具进行习题训练，习题训练平台为学习者自主学习提供了方便。习题训练平台将习题收录到习题库中，习题训练平台为学习者推送习题，供学习者解答。
然而，现有的习题训练平台只是简单的收录了各习题以及答案解析，无法分析习题所涵盖的考点(考点是习题所涵盖的知识点)，学习者对习题中的考点难以准确把握。
发明内容
针对目前考点解析方法无法分析习题所涵盖的考点，学习者对习题中的考点难以准确把握的问题，本申请提供了一种习题考点识别方法、装置、设备和存储介质，对习题的文本进行分词处理，得到若干单词；并选取单词中的名词，作为候选词；根据各候选词识别出习题中所涵盖的考点，便于学习者对习题的考点的把握。
一种习题考点识别方法，包括：获取习题集合中的第一习题的文本；所述第一习题为所述习题集合中的任一习题；对所述第一习题的文本进行分词，得到若干个单词；识别各单词的词性，根据各单词的词性从所述若干个单词中筛选出候选词；将所述候选词与知识图谱中各知识点对应的关键词进行匹配，若匹配到与所述候选词相对应的所述关键词，则将所述关键词所对应的知识点确定为所述第一习题的考点；以得到所述习题集合中每个习题的各考点。
可选地，在所述以得到所述习题集合中每个习题的各考点之后，所述方法还包括：
获取每个习题中的各考点对应的权重值；所述权重值用于衡量考点的重要程度；分别计算每个习题中的各考点的所述权重值的平均值；按照所述平均值从大到小的顺序对各习题进行排序，得到第一排序表；按照所述第一排序表依次调取所述考点集合中的习题，并将调取的习题依次显示在答题界面上。
可选地，在所述获取每个习题中的各考点对应的权重值之后，所述方法还包括：
按照所述第一习题中的各考点对应的所述权重值从大到小的顺序，对所述第一习题中的各考点进行排序，得到第二排序表；所述第二排序表用于记录所述第一习题中的各考点以及各考点对应的所述权重值；将所述第二排序表与所述第一习题进行关联存储；当所述答题界面显示所述第一习题的答案时，调取所述第二排序表，以及在所述答题界面的考点显示栏中显示所述第二排序表。
可选地，在所述以得到所述习题集合中每个习题的各考点之后，所述方法还包括：
将所述习题集合中与所述第一习题具有相同考点的习题标记为所述第一习题的关联习题；分别统计所述第一习题与各关联习题之间的相同考点的数量；按照所述相同考点的数量从多到少的顺序对所述第一习题的各关联习题进行排序，得到第三排序表；根据所述第三排序表对所述第一习题的各关联习题进行顺序存储或顺序推荐。
可选地，在所述以得到所述习题集合中每个习题的各考点之后，所述方法还包括：
统计每个习题中的考点的数量；按照所述考点的数量从多到少的顺序对各习题进行排序，得到第四排序表；根据所述第四排序表对各习题进行顺序存储或顺序推荐。
可选地，所述通过词性识别器识别各单词的词性，根据各单词的词性从所述若干个单词中筛选出候选词，包括：
通过词性识别器识别所述单词是否为名词，若为所述单词为名词，则将所述单词标记为所述候选词。
可选地，所述将所述第二排序表与所述第一习题进行关联存储，包括：
通过键将所述第二排序表与所述第一习题进行关联存储。
基于相同的技术构思，本申请还提供了一种习题考点识别装置，包括：
获取模块，用于获取习题集合中的第一习题的文本；所述第一习题为所述习题集合中的任一习题。
处理模块，用于对所述获取模块所获取的所述第一习题的文本进行分词，得到若干个单词；识别各单词的词性，根据各单词的词性从所述若干个单词中筛选出候选词；将所述候选词与知识图谱中各知识点对应的关键词进行匹配，若匹配到与所述候选词相对应的所述关键词，则将所述关键词所对应的知识点确定为所述第一习题的考点；以得到所述习题集合中每个习题的各考点。
可选地，所述处理模块还用于获取每个习题中的各考点对应的权重值；所述权重值用于衡量考点的重要程度；分别计算每个习题中的各考点的所述权重值的平均值；按照所述平均值从大到小的顺序对各习题进行排序，得到第一排序表；按照所述第一排序表依次调取所述考点集合中的习题，并将调取的习题依次显示在答题界面上。
可选地，所述处理模块还用于按照所述第一习题中的各考点对应的所述权重值从大到小的顺序，对所述第一习题中的各考点进行排序，得到第二排序表；所述第二排序表用于记录所述第一习题中的各考点以及各考点对应的所述权重值；将所述第二排序表与所述第一习题进行关联存储；当所述答题界面显示所述第一习题的答案时，调取所述第二排序表，以及在所述答题界面的考点显示栏中显示所述第二排序表。
可选地，所述处理模块还用于将所述习题集合中与所述第一习题具有相同考点的习题标记为所述第一习题的关联习题；分别统计所述第一习题与各关联习题之间的相同考点的数量；按照所述相同考点的数量从多到少的顺序对所述第一习题的各关联习题进行排序，得到第三排序表；根据所述第三排序表对所述第一习题的各关联习题进行顺序存储或顺序推荐。
可选地，所述处理模块还用于统计每个习题中的考点的数量；按照所述考点的数量从多到少的顺序对各习题进行排序，得到第四排序表；根据所述第四排序表对各习题进行顺序存储或顺序推荐。
可选地，所述处理模块具体用于通过词性识别器识别所述单词是否为名词，若为所述单词为名词，则将所述单词标记为所述候选词。
可选地，所述处理模块具体用于通过键将所述第二排序表与所述第一习题进行关联存储。
基于相同的技术构思，本申请还提供了一种计算机设备，包括收发器、存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如上述的习题考点识别方法中的步骤。
基于相同的技术构思，本申请还提供了一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如上述的习题考点识别方法中的步骤。
本申请的有益效果：(1)对习题的文本进行分词处理，得到若干单词；并选取单词中的名词，作为候选词；根据各候选词识别出习题中所涵盖的考点，便于学习者对习题的考点的把握。(2)根据习题的考点的权重值的总和，对各习题进行排序，便于对各习题进行按序存储和搜索，而且利于学习者把握各习题的重要程度，提高了学习者的学习针对性和学习效率。(3)将具有相同考点的各习题进行关联存储，便于对关联习题分类和搜索，而且便于为学习者推荐习题的其它关联习题，为学习者的拓展学习提供根据。
附图说明
图1为本申请实施例中习题考点识别方法的流程示意图。
图2为本申请实施例中习题考点识别装置的结构示意图。
图3为本申请实施例中计算机设备的结构示意图。
具体实施方式
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。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可以包括复数形式。应该进一步理解的是，本申请的说明书中使用的措辞“包括”是指存在所述特征、程序、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、程序、步骤、操作、元件、组件和/或它们的组。
图1为本申请一些实施方式中一种习题考点识别方法的流程图，该习题考点识别方法由习题考点识别设备执行，习题考点识别设备可以电脑或手机等智能设备，如图1所示，可以包括以下步骤S1-S4：
S1、获取习题集合中的第一习题的文本。
所述第一习题为所述习题集合中的任一习题。
文本是指书面语言的表现形式，通常是具有完整、系统含义(Message)的一个句子或多个句子的组合。
S2、对所述第一习题的文本进行分词，得到若干个单词。
通过分词器对所述第一习题的文本进行分词，分词是将连续的字序列按照一定的规范重新组合成词序列的过程。
S3、识别各单词的词性，根据各单词的词性从所述若干个单词中筛选出候选词。
词性指以词的特点作为划分词类的根据。文本分词后得到的单词可能有名词、动词、形容词、代词、量词和介词等。不同词性的单词所含的信息不同，如代词、量词和介词一般不含有习题的考点信息，对解析习题的考点无作用，而习题的考点信息多包含在名词和动词等中。因此，本申请根据词性从所述若干个单词中筛选出容易含有习题的考点信息的单词，作为候选词。
一些实施方式中，步骤S3包括以下步骤：通过词性识别器识别所述单词是否为名词，若为所述单词为名词，则将所述单词标记为所述候选词。
一般地，习题的考点多以名词的形式出现，比如光合作用、文艺复兴、电磁感应等，这些名词多为专有名词，具有较高的识别度，能准确映射到相应的知识点。因此，本申请通过识别习题文本中的名词，将名词确定为所述候选词，缩小识别目标，减小了对所述候选词匹配工作的运算量。
S4、将所述候选词与知识图谱中各知识点对应的关键词进行匹配，若匹配到与所述候选词相对应的所述关键词，则将所述关键词所对应的知识点确定为所述第一习题的考点，以得到所述习题集合中每个习题的各考点。
所述知识图谱以知识点为节点，每个知识点分配有若干个所述关键词；所述关键词用于将习题中的候选词与知识点进行匹配。如果能匹配到与候选词相对应的关键词，则认为该候选词与该关键词所对应的知识点相关，将该关键词所对应的知识点确定为习题的考点；如果匹配不到与所述候选词相对应的所述关键词，则认为所述候选词不是习题的考点。
上述实施例中，对习题的文本进行分词处理，得到若干单词；并选取单词中的名词，作为候选词；根据各候选词识别出习题中所涵盖的考点，便于对习题的考点进行统计和梳理。
一些实施方式中，在步骤S4之后，包括以下步骤S401-S402：
S401、以所述知识图谱中各知识点为元素，建立词向量。
所述词向量用于记录任一习题中的考点。
S402、依据所述第一习题中的各考点，得到所述第一习题所对应的词向量。
将词向量中与所述第一习题中的各考点相对应的元素标记为逻辑1，其它元素标记为逻辑0。
例如，所述知识图谱中共有5个知识点，其中，第1、第3和第4个知识点为所述第一习题的考点，那么所述第一习题的词向量表示为(1，0，1，1，0)。
采用上述步骤，得到习题集合中各习题所对应的词向量，并存储各习题所对应的词向量。
一些实施方式中，在步骤S4之后，所述方法还包括以下步骤S51-S54：
S51、获取每个习题中的各考点对应的权重值。
所述权重值用于衡量考点的重要程度。所述权重值可根据考点在历年考试中出现的次数、所占分数比重等参数设置。考点在历年考试中出现的次数越多、所占分数比重越大，则对应的权重值就越大。
S52、分别计算每个习题中的各考点的所述权重值的平均值。
统计习题中的各考点的所述权重值之和，对所述权重值之和求平均，得到所述平均值。
S53、按照所述平均值从大到小的顺序对各习题进行排序，得到习题的第一排序表。
所述第一排序表用于对各习题进行排序。
S54、按照所述第一排序表依次调取所述考点集合中的习题，将调取的习题依次显示在答题界面上。
通过所述权重值的平均值衡量习题的重要程度，按照习题的重要程度对习题进行排序，并将重要程度高的习题优先推荐给学习者。
上述实施例中，根据习题中的各考点的权重值的平均值，衡量习题的重要程度，对各习题进行排序，便于对各习题进行按序存储和搜索，而且方便学习者把握各习题的重要程度，提高了学习者的学习针对性和学习效率。
一些实施方式中，在步骤S51之后，所述方法还包括：
按照所述第一习题中的各考点对应的所述权重值从大到小的顺序，对所述第一习题中的各考点进行排序，得到第二排序表；将所述第二排序表与所述第一习题进行关联存储。
所述第二排序表用于记录所述第一习题中的各考点以及各考点对应的所述权重值；所述第二排序表按所述权重值的大小顺序记录所述第一习题中的各考点以及各考点对应的所述权重值。
可选地，通过键将所述第二排序表与所述第一习题进行关联存储。
当所述答题界面显示所述第一习题的答案时，调取所述第二排序表，以及在所述答题界面的考点显示栏中显示所述第二排序表。
上述实施例中，根据习题的各考点的权重值的大小，对习题的各考点进行排序，便于对习题的各考点进行按序存储和搜索，而且在学习者参考习题答案时，方便查看习题的各考点的重要程度，提高了学习者的学习针对性和学习效率。
一些实施方式中，在步骤S4之后，所述方法还包括步骤S611：将所述习题集合中的具有相同考点的各习题标记为关联习题，将关联习题进行关联存储。
所述习题集合中的具有相同考点的习题通过键(Key)进行关联存储，便于对关联考点的搜索。
一些实施方式中，在步骤S4之后，还包括以下步骤S621-S624：
S621、将所述习题集合中与所述第一习题具有相同考点的习题标记为所述第一习题的关联习题。
具体地，比对第二习题的词向量与所述第一考题的词向量中的各元素。若所述第二习题的词向量与所述第一考题的词向量中同一个元素均标记为逻辑1，说明该元素所对应的知识点是所述第二习题与所述第一考题的共同考点；将所述第二习题与所述第一考题标记为相互关联的习题，并进行关联存储。
上述实施例中，将具有相同考点的各习题进行关联存储，便于对关联习题进行分类和搜索，而且便于为学习者推荐习题的其它关联习题，为学习者的拓展学习提供根据。
S622、分别统计所述第一习题与各关联习题之间的相同考点的数量。
S623、按照所述相同考点的数量从多到少的顺序对所述第一习题的各关联习题进行排序，得到第三排序表。
所述第三排序表用于对所述第一习题的各关联习题进行排序。
关联考题之间至少含有一个相同的考点，也可能有多个相同的考点。对关联考题之间的相同考点的数量进行统计，根据相同考点的数量对所述第一习题的各关联习题进行排序，得到第三排序表。
S624、根据所述第三排序表对所述第一习题的各关联习题进行顺序存储或顺序推荐。
上述实施例中，按照相同考点的数量对习题的关联习题进行排序，便于对习题的关联习题进行有序存储，而且便于有序为学习者推荐习题的其它关联习题，方便学习者的拓展学习。
一些实施方式中，在步骤S4之后，还包括以下步骤S71-S73：
S71、统计每个习题中的考点的数量。
统计习题对应的词向量中逻辑1的数量，词向量中逻辑1的数量即为习题中的考点的数量。
S72、按照所述考点的数量从多到少的顺序对各习题进行排序，得到第四排序表。
所述第四排序表用于对各习题进行排序。
S73、根据所述第四排序表对各习题进行顺序存储或顺序推荐。
上述实施例中，根据习题的考点的数量，对各习题进行排序，便于对各习题进行按序存储和搜索，而且利于学习者把握习题所涵盖的考点数量，提高了学习者的学习针对性和学习效率。
基于相同的技术构思，本申请还提供了一种习题考点识别装置，如图2所示，该装置包括获取模块1和处理模块2。所述处理模块2用于控制所述获取模块1的收发操作。
所述获取模块1，用于获取习题集合中的第一习题的文本。所述第一习题为所述习题集合中的任一习题。
所述处理模块2，用于对所述获取模块1所获取的所述第一习题的文本进行分词，得到若干个单词；识别各单词的词性，根据各单词的词性从所述若干个单词中筛选出候选词；将所述候选词与知识图谱中各知识点对应的关键词进行匹配，若匹配到与所述候选词相对应的所述关键词，则将所述关键词所对应的知识点确定为所述第一习题的考点；以得到所述习题集合中每个习题的各考点。
一些实施方式中，所述处理模块2还用于获取每个习题中的各考点对应的权重值；所述权重值用于衡量考点的重要程度；分别计算每个习题中的各考点的所述权重值的平均值；按照所述平均值从大到小的顺序对各习题进行排序，得到第一排序表；按照所述第一排序表依次调取所述考点集合中的习题，并将调取的习题依次显示在答题界面上。
一些实施方式中，所述处理模块2还用于按照所述第一习题中的各考点对应的所述权重值从大到小的顺序，对所述第一习题中的各考点进行排序，得到第二排序表；所述第二排序表用于记录所述第一习题中的各考点以及各考点对应的所述权重值；将所述第二排序表与所述第一习题进行关联存储；当所述答题界面显示所述第一习题的答案时，调取所述第二排序表，以及在所述答题界面的考点显示栏中显示所述第二排序表。
一些实施方式中，所述处理模块2还用于将所述习题集合中与所述第一习题具有相同考点的习题标记为所述第一习题的关联习题；分别统计所述第一习题与各关联习题之间的相同考点的数量；按照所述相同考点的数量从多到少的顺序对所述第一习题的各关联习题进行排序，得到第三排序表；根据所述第三排序表对所述第一习题的各关联习题进行顺序存储或顺序推荐。
一些实施方式中，所述处理模块2还用于统计每个习题中的考点的数量；按照所述考点的数量从多到少的顺序对各习题进行排序，得到第四排序表；根据所述第四排序表对各习题进行顺序存储或顺序推荐。
一些实施方式中，所述处理模块2具体用于通过词性识别器识别所述单词是否为名词，若为所述单词为名词，则将所述单词标记为所述候选词。
一些实施方式中，所述处理模块2具体用于通过键将所述第二排序表与所述第一习题进行关联存储。
上述实施例中，对习题的文本进行分词处理，得到若干单词；并选取单词中的名词，作为候选词；根据各候选词识别出习题中所涵盖的考点，便于对习题的考点进行统计和梳理。
基于相同的技术构思，本申请还提供了一种计算机设备，如图3所示，该计算机设备包括收发器31、处理器32和存储器33，所述存储器33中存储有计算机可读指令，所述计算机可读指令被所述处理器32执行时，使得所述处理器执行上述各实施方式中的所述的习题考点识别方法的步骤。
图2中所示的获取模块1对应的实体设备为图3所示的收发器31，该收发器31能够实现获取模块1部分或全部，且相同或相似的功能。
图2中所示的处理模块2对应的实体设备为图3所示的处理器32，该处理器32能够实现处理模块2部分或全部，且相同或相似的功能。
基于相同的技术构思，本申请还提供了一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述各实施方式中的所述的习题考点识别方法的步骤。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述，但是本申请并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本申请的启示下，在不脱离本申请宗旨和权利要求所保护的范围情况下，还可做出很多形式，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，这些均属于本申请的保护之内。

Claims (6)

1.一种习题考点识别方法，其特征在于，包括：
获取习题集合中的第一习题的文本；所述第一习题为所述习题集合中的任一习题；
对所述第一习题的文本进行分词，得到若干个单词；
识别各单词的词性，根据各单词的词性从所述若干个单词中筛选出候选词；
将所述候选词与知识图谱中各知识点对应的关键词进行匹配，若匹配到与所述候选词相对应的所述关键词，则将所述关键词所对应的知识点确定为所述第一习题的考点；以得到所述习题集合中每个习题的各考点；
所述识别各单词的词性，根据各单词的词性从所述若干个单词中筛选出候选词包括：通过词性识别器识别所述单词是否为名词，若所述单词为名词，则将所述单词标记为所述候选词；
在所述以得到所述习题集合中每个习题的各考点之后，所述方法还包括：以所述知识图谱中各知识点为元素，建立词向量；依据所述第一习题中的各考点，得到所述第一习题所对应的词向量；
在所述以得到所述习题集合中每个习题的各考点之后，所述方法还包括：获取每个习题中的各考点对应的权重值；所述权重值用于衡量考点的重要程度；分别计算每个习题中的各考点的所述权重值的平均值；按照所述平均值从大到小的顺序对各习题进行排序，得到第一排序表；按照所述第一排序表依次调取所述考点集合中的习题，并将调取的习题依次显示在答题界面上；
在所述获取每个习题中的各考点对应的权重值之后，所述方法还包括：按照所述第一习题中的各考点对应的所述权重值从大到小的顺序，对所述第一习题中的各考点进行排序，得到第二排序表；所述第二排序表用于记录所述第一习题中的各考点以及各考点对应的所述权重值；将所述第二排序表与所述第一习题进行关联存储；当所述答题界面显示所述第一习题的答案时，调取所述第二排序表，以及在所述答题界面的考点显示栏中显示所述第二排序表；
在所述以得到所述习题集合中每个习题的各考点之后，所述方法还包括：将所述习题集合中与所述第一习题具有相同考点的习题标记为所述第一习题的关联习题；分别统计所述第一习题与各关联习题之间的相同考点的数量；按照所述相同考点的数量从多到少的顺序对所述第一习题的各关联习题进行排序，得到第三排序表；根据所述第三排序表对所述第一习题的各关联习题进行顺序存储或顺序推荐。
2.根据权利要求1所述的习题考点识别方法，其特征在于，
在所述以得到所述习题集合中每个习题的各考点之后，所述方法还包括：
统计每个习题中的考点的数量；
按照所述考点的数量从多到少的顺序对各习题进行排序，得到第四排序表；根据所述第四排序表对各习题进行顺序存储或顺序推荐。
3.根据权利要求1所述的习题考点识别方法，其特征在于，
所述将所述第二排序表与所述第一习题进行关联存储，包括：
通过键将所述第二排序表与所述第一习题进行关联存储。
4.一种习题考点识别装置，其特征在于，包括：
获取模块，用于获取习题集合中的第一习题的文本；所述第一习题为所述习题集合中的任一习题；
处理模块，用于对所述获取模块所获取的所述第一习题的文本进行分词，得到若干个单词；识别各单词的词性，根据各单词的词性从所述若干个单词中筛选出候选词；将所述候选词与知识图谱中各知识点对应的关键词进行匹配，若匹配到与所述候选词相对应的所述关键词，则将所述关键词所对应的知识点确定为所述第一习题的考点；以得到所述习题集合中每个习题的各考点；
所述处理模块，还用于通过词性识别器识别所述单词是否为名词，若所述单词为名词，则将所述单词标记为所述候选词；
所述装置还包括第二处理模块，用于以所述知识图谱中各知识点为元素，建立词向量；依据所述第一习题中的各考点，得到所述第一习题所对应的词向量；
所述装置还包括第一排序模块，用于获取每个习题中的各考点对应的权重值；所述权重值用于衡量考点的重要程度；分别计算每个习题中的各考点的所述权重值的平均值；按照所述平均值从大到小的顺序对各习题进行排序，得到第一排序表；按照所述第一排序表依次调取所述考点集合中的习题，并将调取的习题依次显示在答题界面上；
所述装置还包括第二排序模块，用于按照所述第一习题中的各考点对应的所述权重值从大到小的顺序，对所述第一习题中的各考点进行排序，得到第二排序表；所述第二排序表用于记录所述第一习题中的各考点以及各考点对应的所述权重值；将所述第二排序表与所述第一习题进行关联存储；当所述答题界面显示所述第一习题的答案时，调取所述第二排序表，以及在所述答题界面的考点显示栏中显示所述第二排序表；
所述装置还包括第三排序模块，用于将所述习题集合中与所述第一习题具有相同考点的习题标记为所述第一习题的关联习题；分别统计所述第一习题与各关联习题之间的相同考点的数量；按照所述相同考点的数量从多到少的顺序对所述第一习题的各关联习题进行排序，得到第三排序表；根据所述第三排序表对所述第一习题的各关联习题进行顺序存储或顺序推荐。
5.一种计算机设备，其特征在于，包括收发器、存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如权利要求1至3中的任一所述的习题考点识别方法中的步骤。
6.一种存储有计算机可读指令的存储介质，其特征在于，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如权利要求1至3中的任一所述的习题考点识别方法中的步骤。
CN201910298206.XA 2019-04-15 2019-04-15 习题考点识别方法、装置、设备和存储介质 Active CN110134945B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910298206.XA CN110134945B (zh) 2019-04-15 2019-04-15 习题考点识别方法、装置、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910298206.XA CN110134945B (zh) 2019-04-15 2019-04-15 习题考点识别方法、装置、设备和存储介质

Publications (2)

Publication Number Publication Date
CN110134945A CN110134945A (zh) 2019-08-16
CN110134945B true CN110134945B (zh) 2024-04-23

Family

ID=67569912

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910298206.XA Active CN110134945B (zh) 2019-04-15 2019-04-15 习题考点识别方法、装置、设备和存储介质

Country Status (1)

Country Link
CN (1) CN110134945B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112669181B (zh) * 2020-12-29 2023-06-30 吉林工商学院 一种教育实践培训的考核方法
CN113486196B (zh) * 2021-09-08 2022-01-28 江西风向标教育科技有限公司 一种基于教学思维的物理知识点智能识别方法及装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103136300A (zh) * 2011-12-05 2013-06-05 北京百度网讯科技有限公司 一种文本相关主题的推荐方法和装置
CN104462554A (zh) * 2014-12-25 2015-03-25 北京奇虎科技有限公司 问答页面相关问题推荐方法和装置
CN107273490A (zh) * 2017-06-14 2017-10-20 北京工业大学 一种基于知识图谱的组合错题推荐方法
CN107292785A (zh) * 2017-06-27 2017-10-24 北京粉笔蓝天科技有限公司 一种出题方法及系统
CN107562918A (zh) * 2017-09-12 2018-01-09 北京点易通科技有限公司 一种数学题知识点发现与批量标签获取方法
CN109344406A (zh) * 2018-09-30 2019-02-15 阿里巴巴集团控股有限公司 词性标注方法、装置和电子设备
CN109359290A (zh) * 2018-08-20 2019-02-19 国政通科技有限公司 试题文本的知识点确定方法、电子设备及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103136300A (zh) * 2011-12-05 2013-06-05 北京百度网讯科技有限公司 一种文本相关主题的推荐方法和装置
CN104462554A (zh) * 2014-12-25 2015-03-25 北京奇虎科技有限公司 问答页面相关问题推荐方法和装置
CN107273490A (zh) * 2017-06-14 2017-10-20 北京工业大学 一种基于知识图谱的组合错题推荐方法
CN107292785A (zh) * 2017-06-27 2017-10-24 北京粉笔蓝天科技有限公司 一种出题方法及系统
CN107562918A (zh) * 2017-09-12 2018-01-09 北京点易通科技有限公司 一种数学题知识点发现与批量标签获取方法
CN109359290A (zh) * 2018-08-20 2019-02-19 国政通科技有限公司 试题文本的知识点确定方法、电子设备及存储介质
CN109344406A (zh) * 2018-09-30 2019-02-15 阿里巴巴集团控股有限公司 词性标注方法、装置和电子设备

Also Published As

Publication number Publication date
CN110134945A (zh) 2019-08-16

Similar Documents

Publication Publication Date Title
JP4925778B2 (ja) 学習管理プログラム及び学習管理装置
CN110413728B (zh) 练习题推荐方法、装置、设备和存储介质
CN107748784B (zh) 一种通过自然语言实现结构化数据搜索的方法
CN111090809A (zh) 题目推荐方法、装置、计算机设备和存储介质
CN111651676B (zh) 基于能力模型进行职业推荐的方法、装置、设备和介质
CN111475627B (zh) 解答推导题目的检查方法、装置、电子设备及存储介质
CN110134945B (zh) 习题考点识别方法、装置、设备和存储介质
US20190065455A1 (en) Intelligent form creation
Ziemba et al. Method of criteria selection and weights calculation in the process of web projects evaluation
CN112347352A (zh) 一种课程推荐方法、装置及存储介质
EP3709183A1 (en) Similarity index computation device, similarity search device, and similarity index computation program
US20130179183A1 (en) Computer based standardized method and apparatus for guiding decision support for surgical anatomic pathology operations
Cunningham-Nelson et al. Text analysis in education: a review of selected software packages with an application for analysing students’ conceptual understanding
CN112907155A (zh) 评价学生作业产品的方法
CN113220854A (zh) 机器阅读理解的智能对话方法及装置
Costa et al. Automatic classification of computational thinking skills in elementary school math questions
CN112559711A (zh) 一种同义文本提示方法、装置及电子设备
CN110413749B (zh) 确定标准问题的方法及装置
JP7303243B2 (ja) 試験問題予測システム及び試験問題予測方法
CN112598202B (zh) 试题难度评估方法、装置及存储介质、计算设备
CN110427330B (zh) 一种代码分析的方法以及相关装置
KR20220138713A (ko) Ai학습장치 및 ai학습계획을 제공하는 방법
CN112507082A (zh) 一种智能识别不当文本交互的方法、装置和电子设备
CN112766647A (zh) 一种初高中生生涯规划测评方法及设备
CN111311201A (zh) 一种智能化项目匹配分析工具及其实现方法

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