CN110543550A - 自动生成试题的方法和装置 - Google Patents
自动生成试题的方法和装置 Download PDFInfo
- Publication number
- CN110543550A CN110543550A CN201910832475.XA CN201910832475A CN110543550A CN 110543550 A CN110543550 A CN 110543550A CN 201910832475 A CN201910832475 A CN 201910832475A CN 110543550 A CN110543550 A CN 110543550A
- Authority
- CN
- China
- Prior art keywords
- question
- target
- answer
- test
- test questions
- 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
- 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
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- 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
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Physics (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本申请实施例提供了一种自动生成试题的方法、装置、电子设备和计算机可读存储介质,解决了现有试题生成方式的生成效率低,以及所生成试题的针对性差和质量低的问题。该自动生成试题的方法包括:提供知识数据库,所述知识数据库包括多个问答对,每个问答对包括问题及答复;获取待生成试题的试题信息,所述试题信息包括:试题的类型、各类型试题的数目及各类型试题的分值占比,所述试题的类型包括:填空、单选、多选、判断以及问答中的一种或多种组合;从所述知识数据库中选取多个问答对作为目标问答对;根据所述试题信息对所述目标问答对进行变换处理,生成目标试题及目标试题所对应的答案。
Description
技术领域
本申请涉及人工智能技术领域,具体涉及一种自动生成试题的方法和装置。
背景技术
随着电子信息技术的不断发展,考试的形式已逐渐从纸质试题发展为了电子试题。然而,现有的电子试题仍采用人工操作的方式生成,这样出题人只能够根据自身的知识和经验去生成试题,生成试题过程的效率很低,而且出题人也难以根据试题的考试结果有针对性地更新试题的内容,试题本身的质量也难以提高。
发明内容
有鉴于此,本申请实施例提供了一种自动生成试题的方法、装置、电子设备和计算机可读存储介质,解决了现有试题生成方式的生成效率低,以及所生成试题的针对性差和质量低的问题。
根据本申请的一个方面,本申请一实施例提供的一种自动生成试题的方法包括:提供知识数据库,所述知识数据库包括多个问答对,每个问答对包括问题及答复;获取待生成试题的试题信息,所述试题信息包括:试题的类型、各类型试题的数目及各类型试题的分值占比,所述试题的类型包括:填空、单选、多选、判断以及问答中的一种或多种组合;从所述知识数据库中选取多个问答对作为目标问答对;根据所述试题信息对所述目标问答对进行变换处理,生成目标试题及目标试题所对应的答案。
根据本申请的另一个方面,本申请一实施例提供的一种自动生成试题的装置,包括:知识数据库,所述知识数据库包括多个问答对,每个问答对包括问题及答复;获取模块,配置为获取待生成的试题信息,所述试题信息包括:试题的类型、各类型试题的数目及各类型试题的分值占比,所述试题的类型包括:填空、单选、多选、判断以及问答中的一种或多种组合;选取模块,配置为从所述知识数据库中选取多个问答对作为目标问答对;生成模块,配置为根据所述试题信息对所述目标问答对进行变换处理,生成目标试题及目标试题所对应的答案。
根据本申请的另一个方面,本申请一实施例提供的一种电子设备包括:处理器;以及存储器,在所述存储器中存储有计算机程序指令,所述计算机程序指令在被所述处理器运行时使得所述处理器执行如前任一所述的自动生成试题的方法。
根据本申请的另一个方面,本申请一实施例提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行如前任一所述的自动生成试题的方法。
本申请实施例提供的一种自动生成试题的方法、装置、电子设备和计算机可读存储介质,通过提供包括多个问答对的知识数据库,并参考所获取的待生成试题的试题信息,可选取知识数据库中的问答对通过变换处理生成满足试题信息的要求的完整试题,整个试题生成过程不需要人工参与,可自动生成试题,大大提高了试题的生成效率。同时,用户还可通过调整试题信息的内容来实现试题内容的调整,快速地生成不同版本的试题。此外,用户还可有针对性地选取知识数据库中的问答对作为目标问答对,由此便可提高自动生成试题的针对性,以显著提高所生成试题的质量。
附图说明
图1所示为本申请一实施例提供的一种自动生成试题的方法的流程示意图。
图2所示为本申请一实施例提供的一种自动生成试题的方法中知识数据库的生成方法的流程示意图。
图3所示为本申请一实施例提供的一种自动生成试题的方法通过变换处理生成目标试题及目标试题所对应的答案的流程示意图。
图4所示为本申请另一实施例提供的一种自动生成试题的方法通过变换处理生成目标试题及目标试题所对应的答案的流程示意图。
图5所示为本申请另一实施例提供的一种自动生成试题的方法通过变换处理生成目标试题及目标试题所对应的答案的流程示意图。
图6所示为本申请另一实施例提供的一种自动生成试题的方法通过变换处理生成目标试题及目标试题所对应的答案的流程示意图。
图7所示为本申请另一实施例提供的一种自动生成试题的方法通过变换处理生成目标试题及目标试题所对应的答案的流程示意图。
图8所示为本申请另一实施例提供的一种自动生成试题的方法通过变换处理生成目标试题及目标试题所对应的答案的流程示意图。
图9所示为本申请另一实施例提供的一种自动生成试题的方法通过变换处理生成目标试题及目标试题所对应的答案的流程示意图。
图10所示为本申请另一实施例提供的一种自动生成试题的方法通过变换处理生成目标试题及目标试题所对应的答案的流程示意图。
图11所示为本申请一实施例提供的一种自动生成试题的装置的结构示意图。
图12所示为本申请另一实施例提供的一种自动生成试题的装置的结构示意图。
图13所示为本申请一实施例提供的电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
图1所示为本申请一实施例提供的一种自动生成试题的方法的流程示意图。如图1所示,该方法包括如下步骤:
步骤101:提供知识数据库,知识数据库包括多个问答对,每个问答对包括问题及答复。
知识数据库为后续生成试题的试题信息来源,知识数据库汇总可包括多个问答对,这些问答对可通过对数据源进行分析获得。应当理解,数据源的来源可根据实际的应用场景而调整,本申请对数据源的来源以及知识数据库中问答对的具体内容不做严格限定。例如,在银行客服考核场景下,要生成供银行客服人员考核的试题时,数据源就可为预先采集的客户与客服人员的交互日志,交互日志以一问一答的方式呈现,通过分析交互日志中的问题和答复,便可生成该包括多个问答对的知识数据库。
在本申请一实施例中,数据源也可能并非是以前述的交互日志的形式,此时便需要根据数据源中的信息内容去生成问答对,此时如图2所示,知识数据库的生成方法可具体包括如下步骤:
步骤201:从数据源中获取知识主体和知识主体的至少一个属性信息。
数据源中的知识主体的内容和数量也跟具体的应用场景有关,每个知识主体所对应的属性信息的内容和数量跟知识主体本身的内容有关,本申请对数据源中的知识主体和知识主体的属性信息的内容和数量不做限定。以前述的银行客服考核场景为例,数据源还可以是银行内部的用于指导客服服务的标准作业流程文件。该标准作业流程文件中可包括多个知识主体,例如,银行卡业务和信用卡业务。每个知识主体包括至少一个属性信息,例如针对信用卡业务就可包括申请流程、开卡流程和还款流程等多个属性信息。
步骤202:根据知识主体和至少一个属性信息构建至少一个问答对。
根据知识主体和属性信息的内容可以问答的方式生成问答对,例如对于信用卡业务的开卡流程,即可生成问答对中的问题“请问信用卡的开卡流程是怎样的?”,与之对应的答复即可为标准作业流程文件中的信用卡开卡流程内容。
步骤203:根据知识主体的各属性信息之间的关联关系,确定各问答对之间的关联关系。
同一知识主体的各属性信息之间可能存在一定的关联关系,那么根据这些属性信息所生成的问答对之间就可能也存在该关联关系。例如在信用卡业务中,申请流程和开卡流程之间存在着时间上的先后关联关系,那么基于申请流程和开卡流程生成的问答对之间也可确定为存在时间上的先后关联关系。
步骤204:根据至少一个问答对以及各问答对之间的关联关系,构建知识数据库。
根据所生成的问答对和问答对之间的关联关系便可构建完整的知识数据库,该知识数据库中不仅包括对应各知识主体及其属性信息的问答对,且问答对之间的关联关系也被记录在该知识数据库中,从而为后续基于该知识数据库生成试题提供了参考基础。
步骤102:获取待生成试题的试题信息,试题信息包括:试题的类型、各类型试题的数目及各类型试题的分值占比,试题的类型包括:填空、单选、多选、判断以及问答中的一种或多种组合。
待生成试题的试题信息用于指导后续的身体生成过程生成对应的完整试题,可由用户预先生成也可有默认可参考的模板,本申请对试题信息的具体内容不做严格限定。
在本申请一实施例中,试题信息可基于用户输入的试题生成请求获取。具体而言,首先接收用户输入的试题生成请求,试题生成请求包括试题信息;然再根据该试题生成请求,获取试题信息。由此实现用户对待生成试题的个性化定制。
步骤103:从知识数据库中选取多个问答对作为目标问答对。
用户可根据预设的选取规则从知识数据库中选择问答对作为目标问答对,本申请对具体的选取规则也不做严格限定。在本申请一实施例中,试题信息还包括试题所属的知识领域,此时可从多个问答中选取与待生成试题所属的知识领域对应的问答对作为目标问答对,以提高所生成试题的针对性。
在本申请另一实施例中,还可根据问答对的知识属性,从多个问答对中选取目标问答对。知识属性可通过用户交互日志的方式确定,例如针对某知识领域的论坛记录,知识属性可包括以下属性信息中的一种或多种组合:用户采纳次数、发布时间、修订时间、用户讨论次数、用户反馈次数以及考试答错次数。这样用户便可根据问答对的知识属性更有针对性地选择目标问答对来生成试题。例如,用户采纳次数或用户讨论次数较多的问答对所代表的知识点可能是用户所关注的重点,值得作为重点知识点考核;发布时间和修订时间距离当前时间较近的问答对所代表的知识点可能为新出现的知识点,值得用户考核考生对更新的知识的掌握程度;用户反馈次数较多或考生答错次数较多的问答对所代表的知识点可能是很容易出现错误的知识点,也值得作为重点知识点考核。
在一进一步实施例中,问答对的知识属性是需要根据用户交互日志实时更新的,以保证问答对的知识属性的实时性和准确性,以进一步提高所生成试题的针对性和准确性。例如,可根据用户交互日志获取用户的提问信息;将用户的提问信息与知识数据库中的问答对进行相似度计算,当发现相似度大于第一阈值的问答对时,说明相似度大于第一阈值的问答对的内容对该用户是有参考价值的,此时将这些相似度大于第一阈值的问答对反馈给用户,并更新用户采纳的问答对的知识属性中的用户采纳次数,这样通过对用户交互日志中所有提问信息进行如上处理后,便可确定知识数据库中哪些问答对是用户采纳较多的,从而用于指导后续的试题生成过程。再例如,还可根据用户交互日志获取用户的讨论留言或反馈留言,根据用户的讨论留言或反馈留言更新对应的问答对的知识属性中的用户讨论次数或用户反馈次数,从而将用户讨论次数或用户反馈次数用于指导后续的试题生成过程。再例如,还可统计目标试题的得分结果;根据得分结果,确定并更新目标问答对的知识属性中的考试答错次数,从而将试答错次数用于指导后续的试题生成过程。
步骤104:根据试题信息对目标问答对进行变换处理,生成目标试题及目标试题所对应的答案。
具体而言,目标问答对仍保持着一问一答的方式,并无法直接生成对应的目标试题,因而需要对目标问答对进行变换处理。变换处理的具体方式可根据问答对本身的内容和属性信息、或所要生成的目标试题的试题类型而调整,本申请对编号处理的具体方式并不做严格限定。
在本申请一实施例中,考虑到不同知识属性的目标问答对可能适合生成不同的试题类型,当目标问答对的知识属性中的用户讨论次数大于第二预设值时,说明该目标问答对的内容是被用户大量讨论的,即可能是存在一定争议的,不同用户的看法可能并不相同,这样的目标问答对用于生成主观题更合适一些,此时便可生成试题类型为问答的目标试题及目标试题所对应的答案。而当目标问答对的知识属性中的用户讨论次数小于第二预设值时,说明该目标问答对的内容并没有引起很多讨论,即该问答对的内容是用户普遍确定的,用于生成客观题更合适一些,此时便可生成目标试题及目标试题所对应的答案,目标试题的类型可为填空、单选、多选以及判断中任一个。
由此可见,本申请实施例提供的一种自动生成试题的方法,通过提供包括多个问答对的知识数据库,并参考所获取的待生成试题的试题信息,可选取知识数据库中的问答对通过变换处理生成满足试题信息的要求的完整试题,整个试题生成过程不需要人工参与,可自动生成试题,大大提高了试题的生成效率。同时,用户还可通过调整试题信息的内容来实现试题内容的调整,快速地生成不同版本的试题。此外,用户还可有针对性地选取知识数据库中的问答对作为目标问答对,由此便可提高自动生成试题的针对性,以显著提高所生成试题的质量。
图3所示为本申请一实施例提供的一种自动生成试题的方法通过变换处理生成目标试题及目标试题所对应的答案的流程示意图。如图3所示,该变换处理的过程可包括如下步骤:
步骤301:当目标问答对的知识属性中的修订时间距离当前时间的时间间隔小于第三预设值时,获取目标问答对在修订前的原始问答对。
如前所述,当目标问答对的修订时间距离当前时间足够近时,说明该目标问答对的内容可能为新出现的知识点,值得用户考核考生对更新的知识的掌握程度。而考核的重点应在经过修订发生变化的部分。
步骤302:对比原始问答对和目标问答对,获取修订信息。
通过对比以获得修订信息,修订信息的内容便可作为考核的内容以生成目标试题。
步骤303:将修订信息作为答案生成目标试题及目标试题,目标试题的类型为填空。
考虑到考核修订信息需要考生主动回忆发生变化的部分,根据修订信息生成填空试题可更好地达到加深考生对修订内容的印象的目的。
图4所示为本申请另一实施例提供的一种自动生成试题的方法通过变换处理生成目标试题及目标试题所对应的答案的流程示意图。如图4所示,该变换处理的过程可包括如下步骤:
步骤401:计算目标问答对的答复与知识数据库中问答对的答复之间的语义相似度。知识数据库中的问答对的答复可采用文本的形式呈现,此时可通过文本相似度计算的方式来判断目标问答对的答复与知识数据库中问答对的答复之间的语义相似度。文本相似度计算过程可采用如下计算方法中的一种或多种实现:编辑距离计算方法、n-gram计算方法、JaroWinkler计算方法以及Soundex计算方法。然而本发明对该语义相似度计算的具体实现方式不做严格限定。
步骤402:当知识数据库中存在与目标问答对的答复语义相似度大于第四阈值的至少一个第一问答对的答复时,根据试题信息,将目标问答对的答复替换为至少一个第一问答对的答复,生成目标试题及目标试题所对应的答案,目标试题的类型为判断。
当发现与目标问答对的答复相似度大于第四阈值的第一问答对的答复时,说明第一问答对的答复可能会对目标问答对的答复造成混淆,此时利用第一问答对的答复来替代目标问答对的答复可直接生成判断试题,以考核考生对目标问答对的答复的掌握准确性。
图5所示为本申请另一实施例提供的一种自动生成试题的方法通过变换处理生成目标试题及目标试题所对应的答案的流程示意图。如图5所示,该变换处理的过程可包括如下步骤:
步骤501:计算目标问答对的问题与知识数据库中问答对的问题之间的语义相似度。
步骤502:当知识数据库中存在与目标问答对的问题语义相似度大于第五阈值的至少一个第二问答对的问题时,将目标问答对的答复与至少一个第二问答对的答复组合成多个选项。
步骤503:根据试题信息、多个选项与目标问答对的问题,生成目标试题及目标试题所对应的答案,目标试题的类型为单选或多选。
当在知识数据库中发现与目标问答对的问题的语义相似度大于第五阈值的第二问答对的问题时,说明该第二问答对的答复会对目标问答对的答复造成混淆,此时可将第二问答对的答复与目标问答对的答复一起作为选择题的选项,以考核考生对于目标问答对的答复掌握的准确性。
图6所示为本申请另一实施例提供的一种自动生成试题的方法通过变换处理生成目标试题及目标试题所对应的答案的流程示意图。如图6所示,该变换处理的过程可包括如下步骤:
步骤601:获取用户的提问信息。
用户的提问信息可来自用户交互日志。
步骤602:计算提问信息与目标问答对的问题之间的语义相似度。
步骤603:当存在与提问信息的语义相似度大于第六阈值的目标问答对的问题时,获取提问信息及对应的目标问答对,目标问答对的问题为标准问。
当找到与提问信息的语义相似度大于第六阈值的目标问答对的问题时,则说明该目标问答对与提问信息的内容虽然有所差别,但问题的实质是相同的。
步骤604:根据试题信息、提问信息及对应的目标问答对,生成目标试题及目标试题所对应的答案,目标试题的类型为判断。
具体而言,可生成判断题以让考生判断用户是否在询问对应目标问答对的问题,判断题的题干可为当用户提起与提问信息对应的问题时,请问用户是否其实是在询问与目标问答对的问题对应的问题?通过这种方式可考核考生对于用户的提问信息的理解准确度。
图7所示为本申请另一实施例提供的一种自动生成试题的方法通过变换处理生成目标试题及目标试题所对应的答案的流程示意图。如图7所示,该变换处理的过程可包括如下步骤:
步骤701:计算目标问答对的主体名词与知识数据库中问答对的主体名词之间的语义相似度,以及计算目标问答对的主体名词的属性与知识数据库中问答对的主体名词的属性之间的语义相似度。
问答对的主体名词可理解为表征问答对的核心内容或分类的特征名词,可在构建问答对的过程中指定。例如,与信用卡金卡业务相关的问答对可包括主体名词“金卡”,而与信用卡银卡业务相关的问答对可包括主体名词银卡。主体名词的属性可理解为对主体名词相关内容的进一步属性划分,例如对于“金卡”主体名词,可包括“限额”、“币种”和“有效期”等属性,而对于“银卡”主体名词,也可包括“限额”、“币种”和“有效期”等属性。
步骤702:当知识数据库中存在与目标问答对的主体名词语义相似度大于第七阈值,且与目标问答对的属性相同的至少一个第三问答对时,根据试题信息、目标问答对和至少一个第三问答对,生成目标试题及目标试题所对应的答案,目标试题的类型为填空、单选、多选、判断以及问答中任一个。
当在知识数据库中找到与目标问答对的主题名称的语义相似度大于第七阈值,且属性相同的第三问答对时,则说明该第三问答对和目标问答对的问题相关且答复可能造成混淆,此时便可根据第三问答对和目标问答对生成很多种类型的试题。以前述的“金卡”和“银卡”两个主体名词为例,便可生成选择题,题干为“请问信用卡金卡的限额是多少?”,对应的选项可包括“金卡”的“限额”属性取值和“银卡”的“限额”属性取值;还可生成判断题,“请问信用卡金卡的限额是XXX吗”,但其中的XXX其实对应的是“银卡”的的“限额”属性取值。
图8所示为本申请另一实施例提供的一种自动生成试题的方法通过变换处理生成目标试题及目标试题所对应的答案的流程示意图。如图8所示,该变换处理的过程可包括如下步骤:
步骤801:确定目标问答对的答复中的关键数字。
步骤802:根据试题信息,修改关键数字,并生成目标试题及目标试题所对应的答案,目标试题的类型为填空、单选、多选、判断以及问答中任一个。
例如,目标问答对的答复中包括如下文字“信用卡银卡的限额为4万”,其中数字4可作为关键数字,此时便可生成填空题“请问信用卡银卡的限额为____”,以此来考核考生对关键数值掌握的准确性。
图9所示为本申请另一实施例提供的一种自动生成试题的方法通过变换处理生成目标试题及目标试题所对应的答案的流程示意图。如图9所示,该变换处理的过程可包括如下步骤:
步骤901:确定目标问答对的答复中的判断词。判断词为给出明确判断倾向的文字,例如“不允许”、“禁止”等,开发人员可自行生成判断词库以识别目标问答对的答复中的判断词。
步骤902:根据试题信息,对判断词进行否定或双重否定,并生成目标试题及目标试题所对应的答案,目标试题的类型为填空、单选、多选、判断以及问答中任一个。
例如,目标问答对的答复中包括如下文字“信用卡不允许他人提起补卡流程”,其中包括了判断词“不允许”,此时便可利用否定的方式生成如下判断题“请问信用卡允许他人提起补卡流程是正确的吗?”,以此来考核考生对目标问答对的答复掌握的准确性。
图10所示为本申请另一实施例提供的一种自动生成试题的方法通过变换处理生成目标试题及目标试题所对应的答案的流程示意图。如图10所示,该变换处理的过程可包括如下步骤:
步骤1001:确定目标问答对的答复中的主体名词。
步骤1002:根据试题信息,对主体名词进行修改,并生成目标试题及目标试题所对应的答案,目标试题的类型为填空、单选、多选、判断以及问答中任一个。
当确定了目标问答对的答复中的主题名词后,通过修改主题名词可考核考生对目标问答对所对应的知识点掌握的准确性。例如目标问答对的答复为“信用卡银卡的限额为4万”,当确定主题名称“银卡”后,将其更改一下便可生成判断题“请问信用卡金卡的限额为4万是正确的吗?”。
应当理解,虽然在上面的实施例描述中给出了一些对目标问答对进行变换处理的示例,但在本申请一实施例中,在生成同一套试题的过程中,上述变换处理的方式是可以随意组合的,本申请对生成同一套试题所采用的变换处理方式的种类、数量和组合方式并不做限定。
图11所示为本申请另一实施例提供的一种自动生成试题的装置的结构示意图。如图11所示,该自动生成试题的装置110包括:知识数据库1101,所述知识数据库1101包括多个问答对,每个问答对包括问题及答复;获取模块1102,配置为获取待生成的试题信息,所述试题信息包括:试题的类型、各类型试题的数目及各类型试题的分值占比,所述试题的类型包括:填空、单选、多选、判断以及问答中的一种或多种组合;选取模块1103,配置为从所述知识数据库1101中选取多个问答对作为目标问答对;生成模块1104,配置为根据所述试题信息对所述目标问答对进行变换处理,生成目标试题及目标试题所对应的答案。
本申请实施例提供的一种自动生成试题的装置110,通过提供包括多个问答对的知识数据库1101,并参考所获取的待生成试题的试题信息,可选取知识数据库1101中的问答对通过变换处理生成满足试题信息的要求的完整试题,整个试题生成过程不需要人工参与,可自动生成试题,大大提高了试题的生成效率。同时,用户还可通过调整试题信息的内容来实现试题内容的调整,快速地生成不同版本的试题。此外,用户还可有针对性地选取知识数据库1101中的问答对作为目标问答对,由此便可提高自动生成试题的针对性,以显著提高所生成试题的质量。
在本申请一实施例中,如图12所示,自动生成试题的装置110进一步包括:知识数据库提供模块1106,包括:第一获取单元11061,配置为从数据源中获取知识主体和所述知识主体的至少一个属性信息;第一构建单元11062,配置为根据所述知识主体和所述至少一个属性信息构建至少一个问答对;确定单元11063,配置为根据所述知识主体的各属性信息之间的关联关系,确定各问答对之间的关联关系;以及第二构建单元11064,配置为根据所述至少一个问答对以及各问答对之间的关联关系,构建所述知识数据库1101。
在本申请一实施例中,如图12所示,所述获取模块1102包括:接收单元11021,配置为接收用户输入的试题生成请求,所述试题生成请求包括所述试题信息;第二获取单元11022,配置为根据所述试题生成请求,获取所述试题信息。
在本申请一实施例中,所述选取模块1103进一步配置为:从所述多个问答中选取与所述待生成试题所属的知识领域对应的问答对作为所述目标问答对,其中,所述试题信息还包括试题所属的知识领域;和/或,根据所述问答对的知识属性,从所述多个问答对中选取目标问答对,其中,所述知识属性包括以下属性信息中的一种或多种组合:用户采纳次数、发布时间、修订时间、用户讨论次数、用户反馈次数以及考试答错次数。
在本申请一实施例中,如图12所示,所述自动生成试题的装置110还包括:更新模块1105,配置为更新所述问答对的知识属性,所述更新模块1105包括以下单元中的一种或多种:第一更新单元11051,配置为根据用户交互日志获取用户的提问信息;将所述用户的提问信息与所述知识数据库1101中的问答对进行相似度计算,将相似度大于第一阈值的问答对反馈给所述用户;以及更新用户采纳的所述问答对的所述知识属性中的所述用户采纳次数;和/或,第二更新单元11052,配置为根据用户交互日志获取用户的讨论留言或反馈留言;根据所述用户的讨论留言或反馈留言更新对应的所述问答对的所述知识属性中的所述用户讨论次数或所述用户反馈次数;和/或,第三更新单元,配置为统计所述目标试题的得分结果;根据所述得分结果,确定并更新所述目标问答对的知识属性中的所述考试答错次数。
在本申请一实施例中,如图12所示,所述生成模块1104包括:第一生成单元11041,配置为当所述目标问答对的所述知识属性中的所述用户讨论次数大于第二预设值时,生成所述目标试题及目标试题所对应的答案,所述目标试题的类型为问答;以及第二生成单元11042,配置为当所述目标问答对的所述知识属性中的所述用户讨论次数小于第二预设值时,生成所述目标试题及目标试题所对应的答案,所述目标试题的类型为填空、单选、多选以及判断中任一个。
在本申请一实施例中,如图12所示,所述生成模块1104包括:第三生成单元11043,配置为当所述目标问答对的所述知识属性中的所述修订时间距离当前时间的时间间隔小于第三预设值时,获取所述目标问答对在修订前的原始问答对;对比所述原始问答对和所述目标问答对,获取修订信息;以及将所述修订信息作为答案生成所述目标试题及目标试题,所述目标试题的类型为填空。
在本申请一实施例中,如图12所示,所述生成模块1104包括:第四生成单元11044,配置为计算所述目标问答对的答复与所述知识数据库1101中问答对的答复之间的语义相似度;当所述知识数据库1101中存在与所述目标问答对的答复语义相似度大于第四阈值的至少一个第一问答对的答复时,根据所述试题信息,将所述目标问答对的答复替换为所述至少一个第一问答对的答复,生成所述目标试题及目标试题所对应的答案,所述目标试题的类型为判断。
在本申请一实施例中,如图12所示,所述生成模块1104包括:第五生成单元11045,配置为计算所述目标问答对的问题与所述知识数据库1101中问答对的问题之间的语义相似度;当所述知识数据库1101中存在与所述目标问答对的问题语义相似度大于第五阈值的至少一个第二问答对的问题时,将所述目标问答对的答复与所述至少一个第二问答对的答复组合成多个选项;根据所述试题信息、所述多个选项与所述目标问答对的问题,生成所述目标试题及目标试题所对应的答案,所述目标试题的类型为单选或多选。
在本申请一实施例中,如图12所示,所述生成模块1104包括:第六生成单元11046,配置为获取用户的提问信息;计算所述提问信息与所述目标问答对的问题之间的语义相似度;当存在与所述提问信息的语义相似度大于第六阈值的目标问答对的问题时,获取所述提问信息及对应的目标问答对,所述目标问答对的问题为标准问;根据所述试题信息、所述提问信息及对应的目标问答对,生成所述目标试题及目标试题所对应的答案,所述目标试题的类型为判断。
在本申请一实施例中,如图12所示,所述生成模块1104包括:第七生成单元11047,配置为计算所述目标问答对的主体名词与所述知识数据库1101中问答对的主体名词之间的语义相似度,以及计算所述目标问答对的主体名词的属性与所述知识数据库1101中问答对的主体名词的属性之间的语义相似度;当所述知识数据库1101中存在与所述目标问答对的主体名词语义相似度大于第七阈值,且与所述目标问答对的属性相同的至少一个第三问答对时,根据所述试题信息、所述目标问答对和所述至少一个第三问答对,生成所述目标试题及目标试题所对应的答案,所述目标试题的类型为填空、单选、多选、判断以及问答中任一个。
在本申请一实施例中,如图12所示,所述生成模块1104包括:第八生成单元11048,配置为确定所述目标问答对的答复中的关键数字;根据所述试题信息,修改所述关键数字,并生成所述目标试题及目标试题所对应的答案,所述目标试题的类型为填空、单选、多选、判断以及问答中任一个。
在本申请一实施例中,如图12所示,所述生成模块1104包括:第九生成单元11049,配置为确定所述目标问答对的答复中的判断词;根据所述试题信息,对所述判断词进行否定或双重否定,并生成所述目标试题及目标试题所对应的答案,所述目标试题的类型为填空、单选、多选、判断以及问答中任一个。
在本申请一实施例中,如图12所示,所述生成模块1104包括:第十生成单元110410,配置为确定所述目标问答对的答复中的主体名词;根据所述试题信息,对所述主体名词进行修改,并生成所述目标试题及目标试题所对应的答案,所述目标试题的类型为填空、单选、多选、判断以及问答中任一个。
上述自动生成试题的装置110中的各个模块的具体功能和操作已经在上面参考图1到图10描述的机械机构控制方法中进行了详细介绍,因此,这里将省略其重复描述。
需要说明的是,根据本申请实施例的自动生成试题的装置110可以作为一个软件模块和/或硬件模块而集成到电子设备120中,换言之,该电子设备120可以包括该自动生成试题的装置110。例如,该自动生成试题的装置110可以是该电子设备120的操作系统中的一个软件模块,或者可以是针对于其所开发的一个应用程序;当然,该自动生成试题的装置110同样可以是该电子设备120的众多硬件模块之一。
在本申请另一实施例中,该自动生成试题的装置110与该电子设备120也可以是分立的设备(例如,服务器),并且该自动生成试题的装置110可以通过有线和/或无线网络连接到该电子设备120,并且按照约定的数据格式来传输交互信息。
图13所示为本申请一实施例提供的电子设备的结构示意图。如图13所示,该电子设备120包括:一个或多个处理器1201和存储器1202;以及存储在存储器1202中的计算机程序指令,计算机程序指令在被处理器1201运行时使得处理器1201执行如上述任一实施例的自动生成试题的方法。
处理器1201可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备中的其他组件以执行期望的功能。
存储器1202可以包括一个或多个计算机程序产品,计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器1201可以运行程序指令,以实现上文的本申请的各个实施例的自动生成试题的方法中的步骤以及/或者其他期望的功能。在计算机可读存储介质中还可以存储诸如光线强度、补偿光强度、滤光片的位置等信息。
在一个示例中,电子设备120还可以包括:输入装置1203和输出装置1204,这些组件通过总线系统和/或其他形式的连接机构(图13中未示出)互连。
例如,在该电子设备是单机设备时,该输入装置1203可以是通信网络连接器,用于从外部的可移动设备接收所采集的输入信号。此外,该输入设备1203还可以包括例如键盘、鼠标、麦克风等等。
该输出装置1204可以向外部输出各种信息,例如可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然,为了简化,图13中仅示出了该电子设备120中与本申请有关的组件中的一些,省略了诸如总线、输入装置/输出接口等组件。除此之外,根据具体应用情况,电子设备120还可以包括任何其他适当的组件。
除了上述方法和设备以外,本申请的实施例还可以是计算机程序产品,包括计算机程序指令,计算机程序指令在被处理器运行时使得处理器执行如上述任一实施例的自动生成试题的方法中的步骤。
计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本申请实施例操作的程序代码,程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本申请的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,计算机程序指令在被处理器运行时使得处理器执行本申请各种实施例的自动生成试题的方法中的步骤。
计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、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。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器((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。
以上结合具体实施例描述了本申请的基本原理,但是,需要指出的是,在本申请中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本申请为必须采用上述具体的细节来实现。
本申请中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的,可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”,且可与其互换使用。
还需要指出的是,在本申请的装置、设备和方法中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的,并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此,本申请不意图被限制到在此示出的方面,而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例,但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
以上所述仅为本申请的较佳实施例而已,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种自动生成试题的方法,包括:
提供知识数据库,所述知识数据库包括多个问答对,每个问答对包括问题及答复;
获取待生成试题的试题信息,所述试题信息包括:试题的类型、各类型试题的数目及各类型试题的分值占比,所述试题的类型包括:填空、单选、多选、判断以及问答中的一种或多种组合;
从所述知识数据库中选取多个问答对作为目标问答对;
根据所述试题信息对所述目标问答对进行变换处理,生成目标试题及目标试题所对应的答案。
2.根据权利要求1所述的方法,其中,所述提供知识数据库,包括:
从数据源中获取知识主体和所述知识主体的至少一个属性信息;
根据所述知识主体和所述至少一个属性信息构建至少一个问答对;
根据所述知识主体的各属性信息之间的关联关系,确定各问答对之间的关联关系;以及
根据所述至少一个问答对以及各问答对之间的关联关系,构建所述知识数据库。
3.根据权利要求1所述的方法,其中,所述从所述知识数据库中选取多个问答对作为目标问答对,包括:
从所述多个问答中选取与所述待生成试题所属的知识领域对应的问答对作为所述目标问答对,其中,所述试题信息还包括试题所属的知识领域;和/或,
根据所述问答对的知识属性,从所述多个问答对中选取目标问答对,其中,所述知识属性包括以下属性信息中的一种或多种组合:用户采纳次数、发布时间、修订时间、用户讨论次数、用户反馈次数以及考试答错次数。
4.根据权利要求3所述的方法,还包括:更新所述问答对的知识属性,包括以下步骤中的一种或多种:
根据用户交互日志获取用户的提问信息;将所述用户的提问信息与所述知识数据库中的问答对进行相似度计算,将相似度大于第一阈值的问答对反馈给所述用户;以及更新用户采纳的所述问答对的所述知识属性中的所述用户采纳次数;和/或,
根据用户交互日志获取用户的讨论留言或反馈留言;根据所述用户的讨论留言或反馈留言更新对应的所述问答对的所述知识属性中的所述用户讨论次数或所述用户反馈次数;和/或,
统计所述目标试题的得分结果;根据所述得分结果,确定并更新所述目标问答对的知识属性中的所述考试答错次数。
5.根据权利要求3所述的方法,其中,所述根据所述试题信息对所述目标问答对进行变换处理,生成目标试题及目标试题所对应的答案包括:
当所述目标问答对的所述知识属性中的所述用户讨论次数大于第二预设值时,生成所述目标试题及目标试题所对应的答案,所述目标试题的类型为问答;以及
当所述目标问答对的所述知识属性中的所述用户讨论次数小于第二预设值时,生成所述目标试题及目标试题所对应的答案,所述目标试题的类型为填空、单选、多选以及判断中任一个。
6.根据权利要求3所述的方法,其中,所述根据所述试题信息对所述目标问答对进行变换处理,生成目标试题及目标试题所对应的答案包括:
当所述目标问答对的所述知识属性中的所述修订时间距离当前时间的时间间隔小于第三预设值时,获取所述目标问答对在修订前的原始问答对;
对比所述原始问答对和所述目标问答对,获取修订信息;
将所述修订信息作为答案生成所述目标试题及目标试题,所述目标试题的类型为填空。
7.根据权利要求1-6任一项所述的方法,其中,所述根据所述试题信息对所述目标问答对进行变换处理,生成目标试题及目标试题所对应的答案,包括:
计算所述目标问答对的答复与所述知识数据库中问答对的答复之间的语义相似度;以及当所述知识数据库中存在与所述目标问答对的答复语义相似度大于第四阈值的至少一个第一问答对的答复时,根据所述试题信息,将所述目标问答对的答复替换为所述至少一个第一问答对的答复,生成所述目标试题及目标试题所对应的答案,所述目标试题的类型为判断;
和/或,计算所述目标问答对的问题与所述知识数据库中问答对的问题之间的语义相似度;当所述知识数据库中存在与所述目标问答对的问题语义相似度大于第五阈值的至少一个第二问答对的问题时,将所述目标问答对的答复与所述至少一个第二问答对的答复组合成多个选项;以及根据所述试题信息、所述多个选项与所述目标问答对的问题,生成所述目标试题及目标试题所对应的答案,所述目标试题的类型为单选或多选;
和/或,获取用户的提问信息;计算所述提问信息与所述目标问答对的问题之间的语义相似度;当存在与所述提问信息的语义相似度大于第六阈值的目标问答对的问题时,获取所述提问信息及对应的目标问答对,所述目标问答对的问题为标准问;以及根据所述试题信息、所述提问信息及对应的目标问答对,生成所述目标试题及目标试题所对应的答案,所述目标试题的类型为判断;
和/或,计算所述目标问答对的主体名词与所述知识数据库中问答对的主体名词之间的语义相似度,以及计算所述目标问答对的主体名词的属性与所述知识数据库中问答对的主体名词的属性之间的语义相似度;以及当所述知识数据库中存在与所述目标问答对的主体名词语义相似度大于第七阈值,且与所述目标问答对的属性相同的至少一个第三问答对时,根据所述试题信息、所述目标问答对和所述至少一个第三问答对,生成所述目标试题及目标试题所对应的答案,所述目标试题的类型为填空、单选、多选、判断以及问答中任一个;
和/或,确定所述目标问答对的答复中的关键数字;以及根据所述试题信息,修改所述关键数字,并生成所述目标试题及目标试题所对应的答案,所述目标试题的类型为填空、单选、多选、判断以及问答中任一个;
和/或,确定所述目标问答对的答复中的判断词;以及根据所述试题信息,对所述判断词进行否定或双重否定,并生成所述目标试题及目标试题所对应的答案,所述目标试题的类型为填空、单选、多选、判断以及问答中任一个;
和/或,确定所述目标问答对的答复中的主体名词;以及根据所述试题信息,对所述主体名词进行修改,并生成所述目标试题及目标试题所对应的答案,所述目标试题的类型为填空、单选、多选、判断以及问答中任一个。
8.一种自动生成试题的装置,包括:
知识数据库,所述知识数据库包括多个问答对,每个问答对包括问题及答复;
获取模块,配置为获取待生成的试题信息,所述试题信息包括:试题的类型、各类型试题的数目及各类型试题的分值占比,所述试题的类型包括:填空、单选、多选、判断以及问答中的一种或多种组合;
选取模块,配置为从所述知识数据库中选取多个问答对作为目标问答对;
生成模块,配置为根据所述试题信息对所述目标问答对进行变换处理,生成目标试题及目标试题所对应的答案。
9.一种电子设备,包括:
处理器;以及
存储器,在所述存储器中存储有计算机程序指令,所述计算机程序指令在被所述处理器运行时使得所述处理器执行如权利要求1至6中任一所述的自动生成试题的方法。
10.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行如权利要求1至6中任一所述的自动生成试题的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910832475.XA CN110543550B (zh) | 2019-09-04 | 2019-09-04 | 自动生成试题的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910832475.XA CN110543550B (zh) | 2019-09-04 | 2019-09-04 | 自动生成试题的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110543550A true CN110543550A (zh) | 2019-12-06 |
CN110543550B CN110543550B (zh) | 2022-05-06 |
Family
ID=68711246
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910832475.XA Active CN110543550B (zh) | 2019-09-04 | 2019-09-04 | 自动生成试题的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110543550B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112487139A (zh) * | 2020-11-27 | 2021-03-12 | 平安科技(深圳)有限公司 | 基于文本的自动出题方法、装置及计算机设备 |
CN112579757A (zh) * | 2020-12-25 | 2021-03-30 | 泰康保险集团股份有限公司 | 智能问答方法、装置、计算机可读存储介质及电子设备 |
CN113190660A (zh) * | 2020-01-14 | 2021-07-30 | 北大方正集团有限公司 | 问卷调查的方法和装置 |
CN114201613A (zh) * | 2021-11-30 | 2022-03-18 | 北京百度网讯科技有限公司 | 试题生成方法、试题生成装置、电子设备以及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101261617A (zh) * | 2008-04-08 | 2008-09-10 | 黎章 | 机器命题的方法与系统 |
CN101488121A (zh) * | 2008-01-18 | 2009-07-22 | 余元杰 | 一种语言学习方法 |
CN103971555A (zh) * | 2013-01-29 | 2014-08-06 | 北京竞业达数码科技有限公司 | 多层次自动化评估训练综合服务方法及系统 |
TWI541755B (zh) * | 2015-07-01 | 2016-07-11 | Online Questionnaire Evaluation Platform and Method | |
CN107203514A (zh) * | 2017-07-18 | 2017-09-26 | 湖南光海教育科技有限公司 | 智能教学习题生成方法、装置及计算机可读存储介质 |
CN107591051A (zh) * | 2017-10-16 | 2018-01-16 | 广东轻工职业技术学院 | 自主学习平台 |
CN109299380A (zh) * | 2018-10-30 | 2019-02-01 | 浙江工商大学 | 在线教育平台中基于多维特征的习题个性化推荐方法 |
CN109947908A (zh) * | 2017-11-22 | 2019-06-28 | 上海智臻智能网络科技股份有限公司 | 机器人知识库的建设方法及建设系统 |
CN110147358A (zh) * | 2017-11-22 | 2019-08-20 | 上海智臻智能网络科技股份有限公司 | 自动问答知识库的建设方法及建设系统 |
-
2019
- 2019-09-04 CN CN201910832475.XA patent/CN110543550B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101488121A (zh) * | 2008-01-18 | 2009-07-22 | 余元杰 | 一种语言学习方法 |
CN101261617A (zh) * | 2008-04-08 | 2008-09-10 | 黎章 | 机器命题的方法与系统 |
CN103971555A (zh) * | 2013-01-29 | 2014-08-06 | 北京竞业达数码科技有限公司 | 多层次自动化评估训练综合服务方法及系统 |
TWI541755B (zh) * | 2015-07-01 | 2016-07-11 | Online Questionnaire Evaluation Platform and Method | |
CN107203514A (zh) * | 2017-07-18 | 2017-09-26 | 湖南光海教育科技有限公司 | 智能教学习题生成方法、装置及计算机可读存储介质 |
CN107591051A (zh) * | 2017-10-16 | 2018-01-16 | 广东轻工职业技术学院 | 自主学习平台 |
CN109947908A (zh) * | 2017-11-22 | 2019-06-28 | 上海智臻智能网络科技股份有限公司 | 机器人知识库的建设方法及建设系统 |
CN110147358A (zh) * | 2017-11-22 | 2019-08-20 | 上海智臻智能网络科技股份有限公司 | 自动问答知识库的建设方法及建设系统 |
CN109299380A (zh) * | 2018-10-30 | 2019-02-01 | 浙江工商大学 | 在线教育平台中基于多维特征的习题个性化推荐方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113190660A (zh) * | 2020-01-14 | 2021-07-30 | 北大方正集团有限公司 | 问卷调查的方法和装置 |
CN112487139A (zh) * | 2020-11-27 | 2021-03-12 | 平安科技(深圳)有限公司 | 基于文本的自动出题方法、装置及计算机设备 |
CN112487139B (zh) * | 2020-11-27 | 2023-07-14 | 平安科技(深圳)有限公司 | 基于文本的自动出题方法、装置及计算机设备 |
CN112579757A (zh) * | 2020-12-25 | 2021-03-30 | 泰康保险集团股份有限公司 | 智能问答方法、装置、计算机可读存储介质及电子设备 |
CN114201613A (zh) * | 2021-11-30 | 2022-03-18 | 北京百度网讯科技有限公司 | 试题生成方法、试题生成装置、电子设备以及存储介质 |
CN114201613B (zh) * | 2021-11-30 | 2022-10-21 | 北京百度网讯科技有限公司 | 试题生成方法、试题生成装置、电子设备以及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110543550B (zh) | 2022-05-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110543550B (zh) | 自动生成试题的方法和装置 | |
US11086601B2 (en) | Methods, systems, and computer program product for automatic generation of software application code | |
US11392970B2 (en) | Administering a digital survey over voice-capable devices | |
CN109360550B (zh) | 语音交互系统的测试方法、装置、设备和存储介质 | |
CN105408891B (zh) | 用于多用户多语言通信的系统和方法 | |
US9276939B2 (en) | Managing user access to query results | |
US20150262209A1 (en) | Systems and Methods for Correcting Translations in Multi-User Multi-Lingual Communications | |
US20120259891A1 (en) | Method, system and program for analytics data delivering | |
CN110874716A (zh) | 面试测评方法、装置、电子设备及存储介质 | |
CN110489747A (zh) | 一种图像处理方法、装置、存储介质及电子设备 | |
WO2021174829A1 (zh) | 众包任务的抽检方法、装置、计算机设备及存储介质 | |
US20220215184A1 (en) | Automatic evaluation of natural language text generated based on structured data | |
WO2014045546A1 (ja) | メンタルヘルスケア支援装置、システム、方法およびプログラム | |
CN116955573B (zh) | 问题搜索方法、装置、设备及存储介质 | |
US11361754B2 (en) | Method and system for speech effectiveness evaluation and enhancement | |
CN114971658B (zh) | 一种反诈宣传方法、系统、电子设备以及存储介质 | |
CN110705308A (zh) | 语音信息的领域识别方法、装置、存储介质及电子设备 | |
CN114462376A (zh) | 基于rpa和ai的庭审笔录生成方法、装置、设备及介质 | |
Torres-Cruz et al. | Evaluation of Performance of Artificial Intelligence System during Voice Recognition in Social Conversation | |
CN112131378A (zh) | 用于识别民生问题类别的方法、装置及电子设备 | |
CN110929005A (zh) | 基于情绪分析的任务跟催方法、装置、设备及存储介质 | |
CN111008373A (zh) | 智能问答的处理方法、装置、计算机可读介质及电子设备 | |
JP7353695B1 (ja) | 情報提供装置 | |
CN116933800B (zh) | 一种基于模版的生成式意图识别方法及装置 | |
CN112288584B (zh) | 保险报案处理方法、装置、计算机可读介质及电子设备 |
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 |