CN110399495A - 一种自动出题方法、系统以及计算机存储介质 - Google Patents
一种自动出题方法、系统以及计算机存储介质 Download PDFInfo
- Publication number
- CN110399495A CN110399495A CN201810375203.7A CN201810375203A CN110399495A CN 110399495 A CN110399495 A CN 110399495A CN 201810375203 A CN201810375203 A CN 201810375203A CN 110399495 A CN110399495 A CN 110399495A
- Authority
- CN
- China
- Prior art keywords
- topic
- node
- semantic network
- semantic
- network
- 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
Classifications
-
- 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
- G09B7/00—Electrically-operated teaching apparatus or devices working with questions and answers
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- General Physics & Mathematics (AREA)
- Machine Translation (AREA)
Abstract
本发明公开了一种自动出题方法、系统以及计算机存储介质,通过接收由终端发送的语义网络,其中,所述语义网络包括:两个以上结点和结点之间的有向弧;根据所述结点之间的有向弧,并基于预设的所述语义网络的处理策略,获取拟生成题目的所述结点对应的语义关系;按照自然语言模板对所述拟生成题目的所述语义关系进行转化,获取以自然语言形式表达的题目;建立并存储所述结点和所述题目的对应关系;从而实现了自动化出题,大大节省了出题时间;而且还可以依据具体知识点定制化地生成题目,具有针对性和差异性,使得所生成的题目自动和具体知识点建立联系,有利于巩固和完善用户自身的知识储备。
Description
技术领域
本发明涉及计算机辅助教学领域,尤其涉及一种自动出题方法、系统以及计算机存储介质。
背景技术
在计算机辅助教学领域,目前存在一些学习网站,比如菁优网(http://www.jyeoo.com/)、学科网(http://www.zxxk.com/)等,这类网站具有海量题库,学生可以通过完成海量题库中的题目来满足考试和日常练习的要求。一方面,通过练习题目可以巩固学生目前所学到的知识,正所谓“眼过千遍不如手过一遍”;另一方面,通过练习题目还可以提升学生自身的薄弱知识点,不断完善自身的知识储备。值得一提的是,菁优网和学科网等这类网站的海量题库中都只是单纯收集已有题目,并没有实现依据知识点进行量身定制的出题;而且题库中存储的题目是按学科及年级类别进行分类,建立的是题目与粗略知识点之间的联系,由于缺少题目与具体知识点之间的联系,导致学生通过练习题目无法精确发现自身的不足,不利于完善自身的知识储备。另外,现有的出题系统是根据老师的主观设置以及试题标签来组卷,导致所生成的题目缺乏针对性,也不符合学生个体的差异化特征;同时部分出题系统还需要老师或者学生去海量题库中寻找符合自身要求的题目,进而导致差异化出题会非常耗费时间和精力。
发明内容
有鉴于此,本发明的主要目的在于提出一种自动出题方法、系统以及计算机存储介质,这种自动出题系统既绿色环保,又操作简单,大大节省了出题时间;而且还可以依据具体知识点定制化地生成题目,具有针对性和差异性,使得所生成的题目自动和具体知识点建立联系,有利于巩固和完善用户自身的知识储备。
为达到上述目的,本发明的技术方案是这样实现的:
第一方面,本发明实施例提供了一种自动出题方法,所述方法应用于服务器,所述方法包括:
接收由终端发送的语义网络;其中,所述语义网络包括:两个以上结点和结点之间的有向弧;
根据所述结点之间的有向弧,并基于预设的所述语义网络的处理策略,获取拟生成题目的所述结点对应的语义关系;
按照题目生成模板对所述拟生成题目的所述语义关系进行转化,获取以自然语言形式表达的题目;
建立并存储所述结点和所述题目的对应关系。
在上述方案中,所述根据所述结点之间的有向弧,并基于预设的所述语义网络的处理策略,获取拟生成题目的所述结点之间的语义关系,具体包括:
根据所述结点之间的有向弧,按照SPARQL语言获取所述语义网络中所有父结点以及子结点;
根据递归调用规则,按照预设的递归条件,查询所述子结点的输入和输出;
根据所述子结点的输入和输出,经过预设的语义消除规则之后,生成所述子结点对应父结点的输入和输出;
根据所述输入和输出,获取拟生成题目的所述结点对应的语义关系。
在上述方案中,所述在按照SPARQL语言获取所述语义网络中父结点以及子结点之前,所述方法还包括:
调用Jena API程序接口;
读取以网络本体语言描述的所述语义网络。
在上述方案中,所述预设的递归条件,具体包括:
当所述结点为父结点时,获取所述父结点的子结点集合,依次查询所述子结点的输入和输出;
当所述子结点为空时,则所述子结点终止递归,返回至所述父结点的输入和输出;
当所述子结点不为空时,则所述子结点作为新的父结点,继续获取所述父结点的子结点集合,依次查询所述子结点的输入和输出。
在上述方案中,所述预设的语义消除规则,具体包括:
同属一个父结点的所有子结点,如果一个子结点的输出作为另一个子结点的输入,则将所述输入和所述输出同时消除。
在上述方案中,所述在按照题目生成模板对所述拟生成题目的所述语义关系进行转化之前,所述方法还包括:
获取自然语言模板;其中,所述模板至少包括:题目生成模板、题目解析生成模板以及题目评分标准生成模板。
在上述方案中,所述在获取以自然语言形式表达的题目之后,所述方法还包括:
按照题目解析生成模板对所述语义网络进行转化,获取以自然语言形式表达的题目解析;
按照题目评分标准生成模板对所述语义网络进行转化,,获取以自然语言形式表达的题目评分标准。
在上述方案中,所述在建立并存储所述结点和所述题目的对应关系之后,所述方法还包括:
建立并存储所述题目与所述题目解析以及所述题目评分标准的对应关系。
在上述方案中,所述在建立并存储所述结点和所述题目的对应关系之后,所述方法还包括:
接收终端发送的被选择结点,生成与所述被选择结点对应的题目;
将所述题目发送至终端界面。
第二方面,本发明实施例提供了一种自动出题方法,所述方法应用于终端,所述方法包括:
基于预先定义的语义网络规则,将所接收的知识构建语义网络;其中,所述语义网络包括:两个以上结点和结点之间的有向弧;
将所述语义网络发送至服务器;
接收被选择结点的选择指令,并将所述被选择结点发送到服务器;
接收服务器返回的题目并在终端界面呈现;其中,所述题目与所述被选择结点相对应。
在上述方案中,所述在将所接收的知识构建语义网络之前,所述方法还包括:
接收由终端界面输入的知识;其中,所述终端为安装有第三方应用客户端的电子设备。
在上述方案中,所述基于预先定义的语义网络规则,将所接收的知识构建语义网络,具体包括:
利用Protégé工具对所接收的知识进行构建,形成语义网络;
对所述语义网络按照所述语义网络规则进行符合检验;
当所述语义网络不符合所述语义网络规则时,则返回Protégé工具继续编辑;
当所述语义网络符合所述语义网络规则时,则完成所述语义网络的构建。
第三方面,本发明实施例提供了一种服务器,所述服务器包括:第一网络接口,第一存储器和第一处理器;其中,
所述第一网络接口,用于在与其他外部网元之间进行收发信息过程中,信号的接收和发送;
所述第一存储器,用于存储能够在所述处理器上运行的计算机程序;
所述第一处理器,用于在运行所述计算机程序时,执行第一方面中任一项所述自动出题的方法的步骤。
第四方面,本发明实施例提供了一种终端,所述终端包括:第二网络接口,第二存储器和第二处理器;其中,
所述第二网络接口,用于在与其他外部网元之间进行收发信息过程中,信号的接收和发送;
所述第二存储器,用于存储能够在所述处理器上运行的计算机程序;
所述第二处理器,用于在运行所述计算机程序时,执行第二方面中任一项所述自动出题的方法的步骤。
第五方面,本发明实施例提供了一种计算机存储介质,所述计算机存储介质存储有自动出题程序,所述自动出题程序被至少一个处理器执行时实现第一方面任一项或者第二方面任一项所述自动出题的方法的步骤。
第六方面,本发明实施例提供了一种自动出题系统,所述自动出题系统至少包括:如第三方面所述的服务器和如第四方面所述的终端。
本发明实施例所提供的一种自动出题方法、系统以及计算机存储介质,通过接收由终端发送的语义网络,其中,所述语义网络包括:两个以上结点和结点之间的有向弧;根据所述结点之间的有向弧,并基于预设的所述语义网络的处理策略,获取拟生成题目的所述结点对应的语义关系;按照自然语言模板对所述拟生成题目的所述语义关系进行转化,获取以自然语言形式表达的题目;建立并存储所述结点和所述题目的对应关系;从而实现了自动化出题,大大节省了出题时间,而且还可以依据具体知识结点进行定制化地生成题目,具有针对性和差异性,有利于巩固和完善用户自身的知识储备;另外,所生成的题目是以自然语言形式表示,有利于用户理解和接受,同时所生成的题目通过终端以Web网页形式呈现,又可以达到绿色环保、节省纸张的目的。
附图说明
图1为本发明实施例提供的一种自动出题方法的流程示意图;
图2为本发明实施例提供的一种语义网络规则的组成结构示意图;
图3为本发明实施例提供的一种语义网络的组成结构示意图;
图4为本发明实施例提供的一种语义网络片段的组成结构示意图;
图5为本发明实施例提供的另一种自动出题方法的流程示意图;
图6为本发明实施例提供的一种自动出题方法的详细流程示意图;
图7为本发明实施例提供的一种服务器的结构示意图;
图8为本发明实施例提供的另一种服务器的结构示意图;
图9为本发明实施例提供的又一种服务器的结构示意图;
图10为本发明实施例提供的再一种服务器的结构示意图;
图11为本发明实施例提供的再一种服务器的结构示意图;
图12为本发明实施例提供的再一种服务器的结构示意图;
图13为本发明实施例提供的一种服务器的具体硬件结构示意图;
图14为本发明实施例提供的一种终端的结构示意图;
图15为本发明实施例提供的另一种终端的结构示意图;
图16为本发明实施例提供的一种终端的具体硬件结构示意图;
图17为本发明实施例提供的一种自动出题系统的组成结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
实施例一
参见图1,其示出了本发明实施例提供的一种自动出题方法,该方法应用于服务器,该方法可以包括:
S101:接收由终端发送的语义网络;其中,所述语义网络包括:两个以上结点和结点之间的有向弧;
S102:根据所述结点之间的有向弧,并基于预设的所述语义网络的处理策略,获取拟生成题目的所述结点对应的语义关系;
S103:按照题目生成模板对所述拟生成题目的所述语义关系进行转化,获取以自然语言形式表达的题目;
S104:建立并存储所述结点和所述题目的对应关系。
如图1所示的技术方案,可以实现自动化出题,大大节省了出题时间;首先通过接收终端所发送的语义网络,然后基于预设的所述语义网络的处理策略来获取拟生成题目的所述结点对应的语义关系,可以方便后续实现根据用户所选择的具体知识点来定制化地生成题目,有利于巩固和完善学生自身的知识储备;另外,将拟生成题目的语义关系转化为以自然语言形式表达的题目,并将生成的题目和所述结点建立对应关系,可以实现将所生成的题目和具体知识点自动产生联系,而且所生成的题目是以自然语言形式表示,有利于用户理解和接受,同时所生成的题目存储于服务器中,又可以达到绿色环保、节省纸张的目的。
本发明实施例中,根据终端所接收的知识来自动生成题目,首先需要将知识用计算机可理解的方式来表示,也就是进行知识表示。可以理解地,知识是由特定领域的描述、关系和过程组成的,知识表示则是对知识的一种描述,即用一些约定的符号把知识编码成一组计算机可以接受的数据结构;常见的知识表示方法为语义网络。顾名思义,语义网络是一种用图来表示知识的结构化方式,是人工智能程序运用的表示方式之一。也可以说,语义网络是通过概念及其语义关系来表示知识的一种网络图,是一个“带标识的有向图”;其中,语义网络由结点和结点之间的有向弧组成,结点表示各种事物、概念、情况、属性、动作、状况等,弧表示它所连接的两个结点之间的语义联系;结点和弧都必须带有标识,这些标识用来说明它所代表的结点或者语义联系;有向弧表示连接的两个结点具有上位和下位关系,在语义网络中称之为属性继承;所谓“属性继承”指的是凡上位概念具有的属性均可由下位概念继承,在属性继承的基础上可以方便地进行推理也是语义网络的优点之一。也就是说,当终端将接收的知识转化为计算机可以理解的语义网络后,终端将所述语义网络发送至服务器,便于后续服务器的读取和处理。举例来说,以光合作用相关知识为例,假定预先定义的语义网络规则如图2所示,基于图2,服务器所接收到的语义网络如图3所示。
一般来说,语义网络构建完成后,为了便于计算机的可理解和可调用,语义网络需要用网络本体语言的文件格式进行描述及发送给服务器。
可以理解地,为了更好地描述语义化本体模型和进行知识表示,W3C首先提出用来描述资源及其之间关系的语言规范:资源描述框架(全称为Resource DescriptionFramework,简称为RDF),在此基础上,欧洲开发了OIL(全称为Ontology InterchangeLanguage,语义交互语言),美国开发了DAML(全称为DARPA Agent Markup Language),这两种网络本体语言都是对RDF类似的扩展,后来合并为DAML+OIL,随后W3C将其规范为理解能力更强的网络本体语言(全称为Web Ontology Language,简称为OWL);因此,在语义网络描述中,最常用的语言就是OWL,它是W3C开发的一种网络本体语言,用于对本体进行语义描述。OWL拥有更多的机制来表达语义,使之在Web内容的机器可理解性方面要强于XML、RDF和RDF Schema(RDF-S),从而OWL超越了XML、RDF和RDF-S仅仅能够表达网上及其可读的文档内容的能力。本发明实施例中,当语义网络构建完成后,终端利用第三方应用客户端将所述语义网络以OWL的文件格式发送给服务器,便于后续步骤的读取和处理。
对于步骤S102来说,所述根据所述结点之间的有向弧,并基于预设的所述语义网络的处理策略,获取拟生成题目的所述结点之间的语义关系,具体包括:
根据所述结点之间的有向弧,按照SPARQL语言获取所述语义网络中所有父结点以及子结点;
根据递归调用规则,按照预设的递归条件,查询所述子结点的输入和输出;
根据所述子结点的输入和输出,经过预设的语义消除规则之后,生成所述子结点对应父结点的输入和输出;
根据所述输入和输出,获取拟生成题目的所述结点对应的语义关系。
对于步骤S102来说,在所述按照SPARQL语言获取所述语义网络中父结点以及子结点之前,所述方法还包括:
调用Jena API程序接口;
读取以网络本体语言描述的所述语义网络。
需要说明的是,Jena是由HP Labs开发的Java开发工具包,Jena框架包含一个本体子系统,它提供的API允许处理基于RDF的本体数据,也就是说,它支持OWL、DAML+OIL和RDFS,允许OWL文件的读取和导入。同时,Jena还提供了ARQ查询引擎,它实现了SPARQL查询语言,支持对读取的OWL文件的查询;其中,所述SPARQL(全称为Protocol and RDF QueryLanguage),是一种查询语言和数据获取协议,可以用于任何可以用RDF来表示的信息资源。也就是说,当接收到所述语义网络后,需要调用Jena API程序接口来读入所述语义网络,后续根据SPARQL语言来获取所述语义网络中父结点以及子结点。
对于上述步骤来说,所述预设的递归条件,具体包括:
当所述结点为父结点时,获取所述父结点的子结点集合,依次查询所述子结点的输入和输出;
当所述子结点为空时,则所述子结点终止递归,返回至所述父结点的输入和输出;
当所述子结点不为空时,则所述子结点作为新的父结点,继续获取所述父结点的子结点集合,依次查询所述子结点的输入和输出。
可以理解地,所述递归调用规则,是指采用递归调用算法,遍历所述语义网络中的所有结点;也就是说,当父结点存在任何子结点时,则依次查询其所有子结点;若子结点为空时,则直接返回至父结点;如果子结点不为空时,则子结点作为新的父结点,继续遍历查询其所有子结点;依次循环,直到所述子结点为空时,终止该结点的递归。举例来说,参考图4所示的光合作用的语义网络片段,当光合作用作为父结点时,对应的子结点为光反应和暗反应,依次遍历查询其各个子结点;由于暗反应的子结点为空,则暗反应终止递归;光反应的子结点不为空,则光反应作为新的父结点,对应的子结点为水的光解和APT的合成;由于APT的合成的子结点为空,则APT的合成终止递归;将水的光解作为父结点,对应的子结点为氧气、水和还原氢;由于氧气、水和还原氢的子结点均为空,则终止所有结点的递归;依次循环,遍历所述语义网络片段中的所有结点。
对于上述步骤来说,所述预设的语义消除规则,具体包括:
同属一个父结点的所有子结点,如果一个子结点的输出作为另一个子结点的输入,则将所述输入和所述输出同时消除。
举例来说,参考图3所示的光合作用的语义网络,按照SPARQL语言获取暗反应的一系列子结点,比如暗反应的子结点包括三碳化合物的还原和二氧化碳的固定;当子结点为三碳化合物的还原时,对应的产物为含碳的有机物、ADP、Pi和五碳化合物,原料为ATP、还原氢和三碳化合物;当子结点为二氧化碳的固定时,对应的产物为三碳化合物,原料为五碳化合物和二氧化碳;由于五碳化合物既作为一个子结点(即:三碳化合物的还原)的产物(即:输出),又作为另一个子结点(即:二氧化碳的固定)的原料(即:输入),因此,根据语义消除规则,五碳化合物可以消除;同理,由于三碳化合物既作为一个子结点(即:二氧化碳的固定)的产物(即:输出),又作为另一个子结点(即:三碳化合物的还原)的原料(即:输入),因此,根据语义消除规则,三碳化合物也可以消除;可见,经过语义消除规则之后,暗反应及其产物为:暗反应、含碳的有机物、ADP和Pi;暗反应及其原料为:暗反应、ATP、还原氢和二氧化碳。
对于图3所示的光合作用的语义网络,以获取所述结点及其产物为例,经过语义消除规则和递归调用规则之后,可以获取的所述结点及对应的语义关系如下,(1)光合作用及其产物为:光合作用、氧气、含碳有机物;(2)光反应以及产物为:光反应、ATP、还原氢、氧气;(3)暗反应及其产物为:暗反应、含碳的有机物、ADP、Pi;(4)水的光解及其产物为:水的光解、氧气、还原氢;(5)APT的合成及其产物为:APT的合成、ATP;(6)三碳化合物的还原及其产物为:三碳化合物的还原、ADP、Pi、含碳的有机物、五碳化合物;(7)二氧化碳的固定及其产物为:二氧化碳的固定、三碳化合物。
由于OWL是专为计算机理解所设计的语言,并不被普通用户所理解;需要将计算机可理解的OWL语言转化为普通用户可以理解的自然语言;因此,在步骤S103之前,所述方法还包括:
获取自然语言模板;其中,所述模板至少包括:题目生成模板、题目解析生成模板以及题目评分标准生成模板。
也就是说,当上述模板获取后,可以通过题目生成模板将拟生成题目的语义关系转化为以自然语言形式表达的题目。对于步骤103来说,假设题目生成模板为“问题:x的生成物有哪些?”,参考图3所示的光合作用的语义网络,以其中的暗反应及其产物为例,则生成的以自然语言形式表达的题目为“问题:暗反应的生成物有哪些?”。
获取以自然语言形式表达的题目后,用户在使用该自动出题系统时,对于所生成的题目,用户往往还期望有该题目所配套的题目解析以及题目评分标准;因此,在步骤S103之后,所述方法还包括:
按照题目解析生成模板对所述语义网络进行转化,获取以自然语言形式表达的题目解析;
按照题目评分标准生成模板对所述语义网络进行转化,,获取以自然语言形式表达的题目评分标准。
也就是说,当上述模板获取后,可以通过题目解析生成模板以及题目评分标准生成模板将所述语义网络转化为以自然语言形式表达的题目解析以及题目评分标准。举例来说,结合上述实例,假设题目解析生成模板为“答案:x的生成物有y。”;题目评分标准生成模板为“评分标准:x的生成物有多个时,答对其中一个为z分;否则不得分。”。参考图3所示的光合作用的语义网络,(1)若以其中的暗反应及其产物为例,则生成的以自然语言形式表达的题目、题目解析及题目评分标准为“问题:暗反应的生成物有哪些?答案:暗反应的生成物有含碳的有机物、ADP、Pi。评分标准:暗反应的生成物有多个时,答对其中一个为1分;否则不得分。”;(2)若以其中的光反应及其产物为例,则生成的以自然语言形式表达的题目、题目解析及题目评分标准为“问题:光反应的生成物有哪些?答案:光反应的生成物有ATP、还原氢、氧气。评分标准:光反应的生成物有多个时,答对其中一个为1分;否则不得分。”。
对于步骤S104来说,将所述结点和所述题目建立对应关系,具体来说,是将所述语义网络中的具体知识点和所述题目建立对应关系;比如,知识点为“暗反应”时,与之建立对应关系的题目为“问题:暗反应的生成物有哪些?”;当知识点为“光反应”时,与之建立对应关系的题目为“问题:光反应的生成物有哪些?”;这样就可以实现根据学生自身选择的知识点进行定制化地生成题目,有利于巩固和完善学生自身的知识储备。
需要说明的是,在步骤S104之后,所述方法还包括:
建立并存储所述题目与所述题目解析以及所述题目评分标准的对应关系。
可以理解地,当语义网络中的具体知识点和题目建立对应关系后,为了方便用户查看自己针对该题目的答案是否正确,还可以将所出的题目与所对应的题目解析以及评分标准也建立对应关系并存储于服务器中,便于用户调用与查看。举例来说,参考图3所示的光合作用的语义网络,题目为“问题:暗反应的生成物有哪些?”时,与之建立对应关系的题目解析以及所述题目评分标准为“答案:暗反应的生成物有含碳的有机物、ADP、Pi。评分标准:暗反应的生成物有多个时,答对其中一个为1分;否则不得分。”;题目为“问题:光反应的生成物有哪些?”时,与之建立对应关系的题目解析以及所述题目评分标准为“答案:光反应的生成物有ATP、还原氢、氧气。评分标准:光反应的生成物有多个时,答对其中一个为1分;否则不得分。”;由于将题目与针对该题目所对应的答案和评分标准也建立对应关系并存于服务器中,从而方便用户一方面做题,另一方面查看答案是否正确及如何得分,可以更好地巩固和完善用户自身的知识储备。
在步骤S104之后,所述方法还包括:
接收终端发送的被选择结点,生成与所述被选择结点对应的题目;
将所述题目发送至终端界面。
举例来说,参考图3所示的光合作用的语义网络,结合上述实例,当题目生成后,由于题目和知识点建立了对应关系,当用户通过终端选择知识点时,与其对应的题目被选择并发送至终端界面呈现。假定被选择知识点为暗反应,当服务器接收到暗反应被选择时,服务器会生成与暗反应有关的题目,比如“问题:暗反应的生成物有哪些?”,同时所生成的题目被发送至终端界面以Web网页形式呈现;从而可以实现根据用户所选择的具体知识点进行定制化地生成题目,具有针对性和差异性,有利于观测用户对不同知识点掌握情况的变化。
本发明实施例提供了一种自动出题方法,通过接收由终端发送的语义网络,其中,所述语义网络包括:两个以上结点和结点之间的有向弧;根据所述结点之间的有向弧,并基于预设的所述语义网络的处理策略,获取拟生成题目的所述结点对应的语义关系;按照自然语言模板对所述拟生成题目的所述语义关系进行转化,获取以自然语言形式表达的题目;建立并存储所述结点和所述题目的对应关系;从而实现了自动化出题,大大节省了出题时间,而且还可以依据具体知识结点进行定制化地生成题目,具有针对性和差异性,有利于巩固和完善用户自身的知识储备;另外,所生成的题目是以自然语言形式表示,有利于用户理解和接受,同时所生成的题目通过终端以Web网页形式呈现,又可以达到绿色环保、节省纸张的目的。
实施例二
参见图5,其示出了本发明实施例提供的另一种自动出题方法,该方法应用于终端,该方法可以包括:
S501:基于预先定义的语义网络规则,将所接收的知识构建语义网络;其中,所述语义网络包括:两个以上结点和结点之间的有向弧;
需要说明的是,在步骤S501之前,所述方法还包括:
接收由终端界面输入的知识;其中,所述终端为安装有第三方应用客户端的电子设备。
可以理解地,终端可以以各种形式来实施,比如可以为诸如手机、平板电脑、笔记本电脑、掌上电脑、个人数字助理、可穿戴设备等移动终端,以及诸如数字TV、台式计算机等固定终端。其中,所述终端界面为人机交互界面,可以实现用户与第三方应用之间的交流;也就是说,终端界面一方面可以用于接收用户输入的知识,另一方面还可以用于显示针对该知识通过第三方应用所生成的语义网络。本发明实施例中,第三方应用为本体编辑工具,比如Protégé工具、OntoEdit工具、WebODE工具、OILEd工具和DUET工具等等。举例来说,以光合作用为例,所输入的相关知识包括:光合作用的子过程包括光反应和暗反应,光反应的子过程包括水的光解和APT的合成,暗反应的子过程包括三碳化合物的还原和二氧化碳的固定;“水的光解”的原料是水,产物是氧气和还原氢;“APT的合成”的原料是ADP和Pi,产物是ATP;“三碳化合物的还原”的原料是ATP、还原氢和三碳化合物,产物是ADP、Pi、含碳的有机物和五碳化合物;“二氧化碳的固定”的原料是五碳化合物和二氧化碳,产物是三碳化合物。
对于步骤S501来说,所述基于预先定义的语义网络规则,将所接收的知识构建语义网络,具体包括:
利用Protégé工具对所接收的知识进行构建,形成语义网络;
对所述语义网络按照所述语义网络规则进行符合检验;
当所述语义网络不符合所述语义网络规则时,则返回Protégé工具继续编辑;
当所述语义网络符合所述语义网络规则时,则完成所述语义网络的构建。
可以理解地,所述语义网络规则,是针对该知识预先定义的规则,语义网络的构建需要符合该语义网络规则;其中,语义网络规则可以包括知识内容处理、语境处理、词法分析、句法分析以及语义分析等规则,还可以包括用户个性化处理规则,以实现个性化的用户需求。Protégé工具为终端所安装的一种本体编辑工具,该工具是斯坦福大学医学院生物信息研究中心基于Java语言开发的本体编辑和知识获取软件,或者说是本体开发工具。Protégé是一个基于Web的本体开发环境,具有图形化的用户界面,操作简单便捷,可以方便地创建、上传、修改和分享本体,支持协作查看和编辑。举例来说,仍以光合作用为例,假设用户预先定义的语义网络规则如图2所示,利用Protégé工具对光合作用的相关知识进行编辑,进而构建出语义网络;对于所构建的语义网络按照图2所示的语义网络规则进行检验,当该语义网络不符合图2所示的语义网络规则时,则返回Protégé工具继续编辑,直至所述语义网络符合图2所示的语义网络规则,最终构建出光合作用的语义网络如图3所示;从图3中可以看出,光合作用、光反应、暗反应、水的光解、APT的合成、三碳化合物的还原、二氧化碳的固定、水、氧气、还原氢、ADP、Pi、ATP、三碳化合物、含碳的有机物、五碳化合物和二氧化碳等全部是语义网络的结点,也即是光合作用的知识点;其中,结点与结点之间连接的有向弧表示了两个结点之间的语义联系,比如“光合作用”和“光反应”之间的有向弧表示了“光合作用”的子过程有“光反应”,“水的光解”和“氧气”之间的有向弧表示了“水的光解”的产物有“氧气”,“水的光解”和“水”之间的有向弧表示了“水的光解”的原料有“水”,等等。
S502:将所述语义网络发送至服务器;
也就是说,上述语义网络构建完成后,终端利用第三方应用客户端将所述语义网络以OWL的文件格式发送给服务器,便于后续服务器基于所述语义网络来自动化生成题目,大大节省了出题时间。
S503:接收被选择结点的选择指令,并将所述被选择结点发送到服务器;
S504:接收服务器返回的题目并在终端界面呈现;其中,所述题目与所述被选择结点相对应。
举例来说,参考图3所示的光合作用的语义网络,当服务器自动化生成题目并存储后,此时用户通过终端选择知识点,比如,当用户通过终端所选择的知识点为“暗反应”时,则和暗反应建立对应关系的题目“问题:暗反应的生成物有哪些?”被服务器发送到终端,然后由终端以Web网页形式呈现在终端界面中;从而可以实现根据用户所选择的具体知识点来定制化地生成题目,具有针对性和差异性,有利于观测用户对不同知识点掌握情况的变化。
本实施例提供了一种自动出题方法,该方法应用于终端,通过基于预先定义的语义网络规则,将所接收的知识构建语义网络;将所述语义网络发送至服务器;接收被选择结点的选择指令,并将所述被选择结点发送到服务器;同时接收服务器返回的题目并在终端界面呈现;从而可以实现自动化出题,大大节省了出题时间,而且还可以根据用户所选择的具体知识点来定制化地生成题目;另外,所生成的题目通过终端界面以Web网页形式呈现,又可以达到绿色环保、节省纸张的目的。
实施例三
基于前述实施例相同的发明构思,参见图6,其示出了本发明实施例提供的一种信息处理方法的详细流程,以图3的语义网络为例,基于图3所示的光合作用的语义网络,该详细流程可以包括:
S601:终端接收由终端界面输入的知识;其中,所述终端为安装有第三方应用客户端的电子设备;
S602:基于预先设定的语义网络规则,终端利用Protégé工具对所接收的知识进行构建,形成语义网络;其中,所述语义网络包括:两个以上结点和结点之间的有向弧;
S603:终端对所述语义网络按照所述语义网络规则进行符合检验;
对于步骤S603来说,终端检验所述语义网络是否符合所述语义网络规则;当所述语义网络不符合所述语义网络规则时,则执行步骤S604;当所述语义网络符合所述语义网络规则时,则执行步骤S605。
S604:当所述语义网络不符合所述语义网络规则时,则返回Protégé工具继续编辑;
S605:当所述语义网络符合所述语义网络规则时,则完成所述语义网络的构建;
举例来说,以图3的光合作用为例,终端安装有Protégé工具客户端;用户首先设定构建光合作用的语义网络规则,如图2所示;然后用户在终端界面输入光合作用的相关知识,终端利用Protégé工具对所接收的知识进行编辑和构建,形成如图3所示的语义网络;语义网络构建完成后,会对构建的语义网络按照所述语义网络规则进行检验;当图3所示的语义网络不符合图2所示的语义网络规则时,则返回Protégé工具继续编辑,直至符合图2所示的语义网络规则;当图3所示的语义网络完全符合图2所示的语义网络规则时,表示光合作用相关知识的语义网络完成构建。
S606:终端将所述语义网络以网络本体语言的文件格式发送到服务器;
举例来说,参考图3,结合上述实例,当光合作用对应的语义网络构建之后,为了便于计算机的可理解和可调用,语义网络以网络本体语言的文件格式进行描述和存储;当光合作用的语义网络以OWL的文件格式发送到服务器后,可以方便后续步骤的读取和处理。
S607:服务器调用Jena API程序接口;
S608:服务器读取以网络本体语言描述的所述语义网络;
S609:服务器根据所述结点之间的有向弧,按照SPARQL语言获取所述语义网络中所有父结点以及子结点;
S610:服务器根据递归调用规则,按照预设的递归条件,查询所述子结点的输入和输出;
S611:服务器根据所述子结点的输入和输出,经过预设的语义消除规则之后,生成所述子结点对应父结点的输入和输出;
S612:服务器根据所述输入和输出,获取拟生成题目的所述结点对应的语义关系;
举例来说,参考图3,结合上述实例,服务器首先调用Jena API程序接口,然后读取以网络本体语言描述的语义网络,获取该语义网络中所有父结点以及子结点;比如光合作用、光反应、暗反应、水的光解等、APT的合成、三碳化合物的还原和二氧化碳的固定等;以获取所述结点及其产物为例,经过语义消除规则和递归调用规则之后,可以获取的所述结点及对应的语义关系如下,(1)光合作用及其产物为:光合作用、氧气、含碳有机物;(2)光反应以及产物为:光反应、ATP、还原氢、氧气;(3)暗反应及其产物为:暗反应、含碳的有机物、ADP、Pi;(4)水的光解及其产物为:水的光解、氧气、还原氢;(5)APT的合成及其产物为:APT的合成、ATP;(6)三碳化合物的还原及其产物为:三碳化合物的还原、ADP、Pi、含碳的有机物、五碳化合物;(7)二氧化碳的固定及其产物为:二氧化碳的固定、三碳化合物。
S613:服务器获取自然语言模板;其中,所述模板至少包括:题目生成模板、题目解析生成模板以及题目评分标准生成模板;
S614:服务器按照所述题目生成模板对所述拟生成题目的所述语义关系进行转化,获取以自然语言形式表达的题目;
S615:服务器按照所述题目解析生成模板和所述题目评分标准生成模板对所述语义网络进行转化,分别获取以自然语言形式表达的题目解析和以自然语言形式表达的题目评分标准;
S616:服务器将所述结点与所述题目、以及所述题目与所述题目解析以及所述题目评分标准建立对应关系并存储;
举例来说,仍然参考图3,结合上述实例,假设题目生成模板为“问题:x的生成物有哪些?”,题目解析生成模板为“答案:x的生成物有y。”;题目评分标准生成模板为“评分标准:x的生成物有多个时,答对其中一个为z分;否则不得分。”;参考图3所示的光合作用的语义网络,(1)当知识点为“暗反应”时,与之建立对应关系的题目为“问题:暗反应的生成物有哪些?”,与该题目相对应的题目解析及题目评分标准为“答案:暗反应的生成物有含碳的有机物、ADP、Pi。评分标准:暗反应的生成物有多个时,答对其中一个为1分;否则不得分。”;(2)当知识点为“光反应”时,与之建立对应关系的题目为“问题:光反应的生成物有哪些?”,与该题目相对应的题目解析及题目评分标准为“答案:光反应的生成物有ATP、还原氢、氧气。评分标准:光反应的生成物有多个时,答对其中一个为1分;否则不得分。”;可以看出,将语义网络中的具体知识点(暗反应、光反应)与对应的题目建立对应关系,然后再把题目与该题目的题目解析以及题目评分标准建立对应关系,最后存储于服务器中,从而实现了用户可以依据知识点定制化地生成题目,具有针对性和差异性,有利于巩固和完善学生自身的知识储备。
S617:终端接收被选择结点的选择指令;
S618:终端将所述被选择结点发送到服务器;
S619:服务器生成与所述被选择结点对应的题目;
S620:服务器将所述题目发送至终端界面;
S621:终端接收服务器返回的所述题目并在终端界面呈现。
举例来说,参考图3所示的光合作用的语义网络,结合上述实例,当题目生成后,由于题目和知识点建立了对应关系,当用户通过终端选择知识点时,与其对应的题目被服务器选择并发送至终端界面呈现。比如,当用户通过终端所选择的知识点为暗反应时,当服务器接收到“暗反应”时,则和暗反应建立对应关系的题目“问题:暗反应的生成物有哪些?”被服务器发送到终端,然后由终端以Web网页形式呈现在终端界面中;从而可以实现根据用户所选择的具体知识点进行定制化地生成题目,具有针对性和差异性,有利于观测用户对不同知识点掌握情况的变化。
通过上述实施例,对前述实施例的具体实现进行了详细阐述,从中可以看出,通过前述实施例的技术方案,从而实现了自动出题,节省了出题时间;而且还可以依据具体知识点定制化地生成题目,具有针对性和差异性,有利于巩固和完善用户自身的知识储备。
实施例四
基于前述实施例相同的发明构思,参见图7,其示出了本发明实施例提供的一种服务器70的组成,可以包括:第一接收部分701、第一处理部分702、第一转化部分703和第一存储部分704;其中,
所述第一接收部分701,配置为接收由终端发送的语义网络;其中,所述语义网络包括:两个以上结点和结点之间的有向弧;
所述第一处理部分702,配置为根据所述结点之间的有向弧,并基于预设的所述语义网络的处理策略,获取拟生成题目的所述结点对应的语义关系;
所述第一转化部分703,配置为按照题目生成模板对所述拟生成题目的所述语义关系进行转化,获取以自然语言形式表达的题目;
所述第一存储部分704,配置为建立并存储所述结点和所述题目的对应关系。
在上述方案中,所述第一处理部分702,具体配置为:
根据所述结点之间的有向弧,按照SPARQL语言获取所述语义网络中所有父结点以及子结点;
根据递归调用规则,按照预设的递归条件,查询所述子结点的输入和输出;
根据所述子结点的输入和输出,经过预设的语义消除规则之后,生成所述子结点对应父结点的输入和输出;
根据所述输入和输出,获取拟生成题目的所述结点对应的语义关系。
在上述方案中,参见图8,所述服务器70还包括第二处理部分705,配置为:
调用Jena API程序接口;
读取以网络本体语言描述的所述语义网络。
在上述方案中,所述第一处理部分702,具体配置为:
当所述结点为父结点时,获取所述父结点的子结点集合,依次查询所述子结点的输入和输出;
当所述子结点为空时,则所述子结点终止递归,返回至所述父结点的输入和输出;
当所述子结点不为空时,则所述子结点作为新的父结点,继续获取所述父结点的子结点集合,依次查询所述子结点的输入和输出。
在上述方案中,所述第一处理部分702,具体配置为:
同属一个父结点的所有子结点,如果一个子结点的输出作为另一个子结点的输入,则将所述输入和所述输出同时消除。
在上述方案中,参见图9,所述服务器70还包括获取部分706,配置为:
获取自然语言模板;其中,所述模板至少包括:题目生成模板、题目解析生成模板以及题目评分标准生成模板。
在上述方案中,参见图10,所述服务器70还包括第二转化部分707,配置为:
按照题目解析生成模板对所述语义网络进行转化,获取以自然语言形式表达的题目解析;
按照题目评分标准生成模板对所述语义网络进行转化,,获取以自然语言形式表达的题目评分标准。
在上述方案中,参见图11,所述服务器70还包括第二存储部分708,配置为:
建立并存储所述题目与所述题目解析以及所述题目评分标准的对应关系。
在上述方案中,参见图12,所述服务器70还包括第一发送部分709,配置为:
接收终端发送的被选择结点,生成与所述被选择结点对应的题目;
将所述题目发送至终端界面。
可以理解地,在本实施例中,“部分”可以是部分电路、部分处理器、部分程序或软件等等,当然也可以是单元,还可以是模块也可以是非模块化的。
另外,在本实施例中的各组成部分可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
所述集成的单元如果以软件功能模块的形式实现并非作为独立的产品进行销售或使用时,可以存储在一个计算机可读取存储介质中,基于这样的理解,本实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或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中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或processor(处理器)执行本实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
因此,本实施例提供了一种计算机存储介质,该计算机存储介质存储有自动出题程序,所述自动出题程序被至少一个处理器执行时实现上述实施例一所述的方法的步骤。
基于上述服务器70的组成以及计算机存储介质,参见图13,其示出了本发明实施例提供的服务器70的具体硬件结构,可以包括:第一网络接口1301、第一存储器1302和第一处理器1303;各个组件通过第一总线系统1304耦合在一起。可理解,第一总线系统1304用于实现这些组件之间的连接通信。第一总线系统1304除包括数据总线之外,还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见,在图13中将各种总线都标为第一总线系统1304。其中,
第一网络接口1301,用于在与其他外部网元之间进行收发信息过程中,信号的接收和发送;
第一存储器1302,用于存储能够在第一处理器1303上运行的计算机程序;
第一处理器1303,用于在运行所述计算机程序时,执行:
接收由终端发送的语义网络;其中,所述语义网络包括:两个以上结点和结点之间的有向弧;
根据所述结点之间的有向弧,并基于预设的所述语义网络的处理策略,获取拟生成题目的所述结点对应的语义关系;
按照题目生成模板对所述拟生成题目的所述语义关系进行转化,获取以自然语言形式表达的题目;
建立并存储所述结点和所述题目的对应关系。
可以理解,本发明实施例中的第一存储器1302可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(Static RAM,SRAM)、动态随机存取存储器(Dynamic RAM,DRAM)、同步动态随机存取存储器(Synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(Double DataRate SDRAM,DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM,SLDRAM)和直接内存总线随机存取存储器(Direct Rambus RAM,DRRAM)。本文描述的系统和方法的第一存储器1302旨在包括但不限于这些和任意其它适合类型的存储器。
而第一处理器1303可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过第一处理器1303中的硬件的集成逻辑电路或者软件形式的指令完成。上述的第一处理器1303可以是通用处理器、数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于第一存储器1302,第一处理器1303读取第一存储器1302中的信息,结合其硬件完成上述实施例一所述的方法的步骤。
对于软件实现,可通过执行本文所述功能的模块(例如过程、函数等)来实现本文所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。
可选地,作为另一个实施例,第一处理器1303还配置为在运行所述计算机程序时,执行上述实施例一所述的方法的步骤。
参见图14,其示出了本发明实施例提供的一种终端140的组成,可以包括:构建部分1401、第二发送部分1402第二接收部分1403和显示部分1404;其中,
所述构建部分1401,配置为基于预先定义的语义网络规则,将所接收的知识构建语义网络;其中,所述语义网络包括:两个以上结点和结点之间的有向弧;
所述第二发送部分1402,配置为将所述语义网络发送至服务器;
所述第二接收部分1403,配置为接收被选择结点的选择指令,并将所述被选择结点发送到服务器;
所述显示部分1404,配置为接收服务器返回的题目并在终端界面呈现;其中,所述题目与所述被选择结点相对应。
在上述方案中,参见图15,所述终端140还包括第三接收部分1405,配置为:接收由终端界面输入的知识;其中,所述终端为安装有第三方应用客户端的电子设备。
在上述方案中,所述构建部分1401,具体配置为:
利用Protégé工具对所接收的知识进行构建,形成语义网络;
对所述语义网络按照所述语义网络规则进行符合检验;
当所述语义网络不符合所述语义网络规则时,则返回Protégé工具继续编辑;
当所述语义网络符合所述语义网络规则时,则完成所述语义网络的构建。
本实施例提供了一种计算机存储介质,该计算机存储介质存储有自动出题程序,所述自动出题程序被至少一个处理器执行时实现上述实施例二所述的方法的步骤。
基于上述终端140的组成以及计算机存储介质,参见图16,其示出了本发明实施例提供的终端140的具体硬件结构,可以包括:第二网络接口1601、第二存储器1602和第二处理器1603;各个组件通过第二总线系统1604耦合在一起。可理解,第二总线系统1604用于实现这些组件之间的连接通信。第二总线系统1604除包括数据总线之外,还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见,在图16中将各种总线都标为第二总线系统1604。其中,
第二网络接口1601,用于在与其他外部网元之间进行收发信息过程中,信号的接收和发送;
第二存储器1602,用于存储能够在第二处理器1603上运行的计算机程序;
第二处理器1603,用于在运行所述计算机程序时,执行:
基于预先定义的语义网络规则,将所接收的知识构建语义网络;其中,所述语义网络包括:两个以上结点和结点之间的有向弧;
将所述语义网络发送至服务器;
接收被选择结点的选择指令,并将所述被选择结点发送到服务器;
接收服务器返回的题目并在终端界面呈现;其中,所述题目与所述被选择结点相对应。
需要说明的是,本发明实施例中的第二存储器1602、第二处理器1603的组成结构和功能与前述第一存储器1302、第一处理器1303的组成结构和功能类似,这里不再赘述。
可选地,作为另一个实施例,第二处理器1603还配置为在运行所述计算机程序时,执行上述实施例二所述的方法的步骤。
参见图17,其示出了本发明实施例提供的一种自动出题系统170,所述自动出题系统至少包括:前述实施例中所涉及的任意一种服务器70以及前述实施例中所涉及的任意一种终端140。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
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,本发明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、磁碟、光盘)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,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述,但是本发明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发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (16)
1.一种自动出题方法,所述方法应用于服务器,所述方法包括:
接收由终端发送的语义网络;其中,所述语义网络包括:两个以上结点和结点之间的有向弧;
根据所述结点之间的有向弧,并基于预设的所述语义网络的处理策略,获取拟生成题目的所述结点对应的语义关系;
按照题目生成模板对所述拟生成题目的所述语义关系进行转化,获取以自然语言形式表达的题目;
建立并存储所述结点和所述题目的对应关系。
2.根据权利要求1所述的方法,其特征在于,所述根据所述结点之间的有向弧,并基于预设的所述语义网络的处理策略,获取拟生成题目的所述结点之间的语义关系,具体包括:
根据所述结点之间的有向弧,按照SPARQL语言获取所述语义网络中所有父结点以及子结点;
根据递归调用规则,按照预设的递归条件,查询所述子结点的输入和输出;
根据所述子结点的输入和输出,经过预设的语义消除规则之后,生成所述子结点对应父结点的输入和输出;
根据所述输入和输出,获取拟生成题目的所述结点对应的语义关系。
3.根据权利要求2所述的方法,其特征在于,所述在按照SPARQL语言获取所述语义网络中父结点以及子结点之前,所述方法还包括:
调用Jena API程序接口;
读取以网络本体语言描述的所述语义网络。
4.根据权利要求2-3任一项所述的方法,其特征在于,所述预设的递归条件,具体包括:
当所述结点为父结点时,获取所述父结点的子结点集合,依次查询所述子结点的输入和输出;
当所述子结点为空时,则所述子结点终止递归,返回至所述父结点的输入和输出;
当所述子结点不为空时,则所述子结点作为新的父结点,继续获取所述父结点的子结点集合,依次查询所述子结点的输入和输出。
5.根据权利要求2-3任一项所述的方法,其特征在于,所述预设的语义消除规则,具体包括:
同属一个父结点的所有子结点,如果一个子结点的输出作为另一个子结点的输入,则将所述输入和所述输出同时消除。
6.根据权利要求1所述的方法,其特征在于,所述在按照题目生成模板对所述拟生成题目的所述语义关系进行转化之前,所述方法还包括:
获取自然语言模板;其中,所述模板至少包括:题目生成模板、题目解析生成模板以及题目评分标准生成模板。
7.根据权利要求1所述的方法,其特征在于,所述在获取以自然语言形式表达的题目之后,所述方法还包括:
按照题目解析生成模板对所述语义网络进行转化,获取以自然语言形式表达的题目解析;
按照题目评分标准生成模板对所述语义网络进行转化,,获取以自然语言形式表达的题目评分标准。
8.根据权利要求1所述的方法,其特征在于,所述在建立并存储所述结点和所述题目的对应关系之后,所述方法还包括:
建立并存储所述题目与所述题目解析以及所述题目评分标准的对应关系。
9.根据权利要求1所述的方法,其特征在于,所述在建立并存储所述结点和所述题目的对应关系之后,所述方法还包括:
接收终端发送的被选择结点,生成与所述被选择结点对应的题目;
将所述题目发送至终端界面。
10.一种自动出题方法,所述方法应用于终端,所述方法包括:
基于预先定义的语义网络规则,将所接收的知识构建语义网络;其中,所述语义网络包括:两个以上结点和结点之间的有向弧;
将所述语义网络发送至服务器;
接收被选择结点的选择指令,并将所述被选择结点发送到服务器;
接收服务器返回的题目并在终端界面呈现;其中,所述题目与所述被选择结点相对应。
11.根据权利要求10所述的方法,其特征在于,所述在将所接收的知识构建语义网络之前,所述方法还包括:
接收由终端界面输入的知识;其中,所述终端为安装有第三方应用客户端的电子设备。
12.根据权利要求10所述的方法,其特征在于,所述基于预先定义的语义网络规则,将所接收的知识构建语义网络,具体包括:
利用Protégé工具对所接收的知识进行构建,形成语义网络;
对所述语义网络按照所述语义网络规则进行符合检验;
当所述语义网络不符合所述语义网络规则时,则返回Protégé工具继续编辑;
当所述语义网络符合所述语义网络规则时,则完成所述语义网络的构建。
13.一种服务器,其特征在于,所述服务器包括:第一网络接口,第一存储器和第一处理器;其中,
所述第一网络接口,用于在与其他外部网元之间进行收发信息过程中,信号的接收和发送;
所述第一存储器,用于存储能够在所述处理器上运行的计算机程序;
所述第一处理器,用于在运行所述计算机程序时,执行权利要求1至9任一项所述自动出题的方法的步骤。
14.一种终端,其特征在于,所述终端包括:第二网络接口,第二存储器和第二处理器;其中,
所述第二网络接口,用于在与其他外部网元之间进行收发信息过程中,信号的接收和发送;
所述第二存储器,用于存储能够在所述处理器上运行的计算机程序;
所述第二处理器,用于在运行所述计算机程序时,执行权利要求10至12任一项所述自动出题的方法的步骤。
15.一种计算机存储介质,其特征在于,所述计算机存储介质存储有自动出题程序,所述自动出题程序被至少一个处理器执行时实现权利要求1至9任一项或者权利要求10至12任一项所述自动出题的方法的步骤。
16.一种自动出题系统,其特征在于,所述自动出题系统至少包括:如权利要求13所述的服务器和如权利要求14所述的终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810375203.7A CN110399495B (zh) | 2018-04-24 | 2018-04-24 | 一种自动出题方法、系统以及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810375203.7A CN110399495B (zh) | 2018-04-24 | 2018-04-24 | 一种自动出题方法、系统以及计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110399495A true CN110399495A (zh) | 2019-11-01 |
CN110399495B CN110399495B (zh) | 2022-05-13 |
Family
ID=68322289
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810375203.7A Active CN110399495B (zh) | 2018-04-24 | 2018-04-24 | 一种自动出题方法、系统以及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110399495B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111353037B (zh) * | 2020-02-27 | 2021-06-22 | 北京字节跳动网络技术有限公司 | 一种题目生成方法、装置以及计算机可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101261690A (zh) * | 2008-04-18 | 2008-09-10 | 北京百问百答网络技术有限公司 | 一种问题自动生成的系统及其方法 |
CN103473224A (zh) * | 2013-09-30 | 2013-12-25 | 成都景弘智能科技有限公司 | 基于问题求解过程的习题语义化方法 |
CN109885288A (zh) * | 2017-12-06 | 2019-06-14 | 张宗尚 | 一种按照学科语义网络以及相应语义规则自动化生成题目的系统 |
-
2018
- 2018-04-24 CN CN201810375203.7A patent/CN110399495B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101261690A (zh) * | 2008-04-18 | 2008-09-10 | 北京百问百答网络技术有限公司 | 一种问题自动生成的系统及其方法 |
CN103473224A (zh) * | 2013-09-30 | 2013-12-25 | 成都景弘智能科技有限公司 | 基于问题求解过程的习题语义化方法 |
CN109885288A (zh) * | 2017-12-06 | 2019-06-14 | 张宗尚 | 一种按照学科语义网络以及相应语义规则自动化生成题目的系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111353037B (zh) * | 2020-02-27 | 2021-06-22 | 北京字节跳动网络技术有限公司 | 一种题目生成方法、装置以及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110399495B (zh) | 2022-05-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Weber et al. | Coding the News: The role of computer code in filtering and distributing news | |
CN108694177A (zh) | 知识图谱构建方法及系统 | |
Byrne et al. | Neogeography and the democratization of GIS: a metasynthesis of qualitative research | |
CN110020424A (zh) | 合同信息的提取方法、装置和文本信息的提取方法 | |
US20150024351A1 (en) | System and Method for the Relevance-Based Categorizing and Near-Time Learning of Words | |
CN111353049A (zh) | 数据更新方法、装置、电子设备及计算机可读存储介质 | |
Nolan et al. | Dynamic, interactive documents for teaching statistical practice | |
CN109885288A (zh) | 一种按照学科语义网络以及相应语义规则自动化生成题目的系统 | |
Wright | Academic entrepreneurship: the permanent evolution? | |
CN110399495A (zh) | 一种自动出题方法、系统以及计算机存储介质 | |
An et al. | Exploring pre-trained language models to build knowledge graph for metal-organic frameworks (mofs) | |
Marques et al. | Collaborative development of a semantic wiki on forest management decision support | |
Evans | Designing dynamic descriptive frameworks | |
Guarrera et al. | Characterising the effect of interoperability on healthcare work: a novel framework | |
Doupi et al. | Towards personalized Internet health information: the STEPPS architecture | |
Passant et al. | The SIOC project: semantically-interlinked online communities, from humans to machines | |
Dousset et al. | Developing a database for Australian Indigenous kinship terminology: The AustKin project | |
Kogalovsky et al. | Social network technologies for semantic linking of information objects in scientific digital library | |
Guo et al. | Question answering system based on ontology and semantic web | |
Freedman et al. | Citations: The Renaissance Imitation Mass (CRIM) | |
Hoang et al. | The virtual query language for information retrieval in the semanticLIFE framework | |
CN115600587B (zh) | 数学应用题生成系统、方法、智能终端及可读存储介质 | |
Müller et al. | Context-aware adaptation: A case study on mathematical notations | |
Staab | Knowledge Portals | |
Klir | W. Ross Ashby: a pioneer of systems science |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220713 Address after: 610041 China (Sichuan) pilot Free Trade Zone, Chengdu, Sichuan Patentee after: China Mobile (Chengdu) information and Communication Technology Co.,Ltd. Patentee after: CHINA MOBILE COMMUNICATIONS GROUP Co.,Ltd. Address before: 100032 No. 29, Finance Street, Beijing, Xicheng District Patentee before: CHINA MOBILE COMMUNICATIONS GROUP Co.,Ltd. |