CN111444339A - 文本题目难度标注方法、装置及计算机可读存储介质 - Google Patents
文本题目难度标注方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN111444339A CN111444339A CN202010134478.9A CN202010134478A CN111444339A CN 111444339 A CN111444339 A CN 111444339A CN 202010134478 A CN202010134478 A CN 202010134478A CN 111444339 A CN111444339 A CN 111444339A
- Authority
- CN
- China
- Prior art keywords
- text
- text topic
- vector
- difficulty
- value
- 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
- 238000002372 labelling Methods 0.000 title claims abstract description 79
- 239000013598 vector Substances 0.000 claims abstract description 318
- 238000006243 chemical reaction Methods 0.000 claims abstract description 6
- 230000006870 function Effects 0.000 claims description 79
- 238000000034 method Methods 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 21
- 239000011159 matrix material Substances 0.000 claims description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims description 5
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000013527 convolutional neural network Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 238000011176 pooling Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
Images
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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及一种人工智能技术,揭露了一种文本题目难度标注方法,包括:获取文本题目集,对所述文本题目集进行转换、聚类操作,得到标准文本题目向量集;将所述标准文本题目向量集输入至预先构建的文本题目难度标注模型中,得到所述标准文本题目向量集的难度属性;接收待标注的文本题目向量,计算所述待标注的文本题目向量与所述标准文本题目向量集的余弦距离值,根据所述余弦距离值得到所述待标注的文本题目向量的目标文本题目向量,将所述目标文本题目向量的难度属性标注至所述待标注的文本题目向量。本发明还提出一种文本题目难度标注的存储装置、电子设备以及一种计算机可读存储介质。本发明实现了文本题目难度的智能标注。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种文本题目难度标注方法、装置、电子设备及计算机可读存储介质。
背景技术
现如今,智能线上教育在教育领域逐渐展开,题目难度作为题目的一个属性在很多教育功能中具有重要的作用,比如,智能练习题目推荐。目前基于题目难度标注大部分还是通过对人工做题得到结果进行分析后,再进行对应的题目难度标注,此方式带来很多弊端。其一,需要耗费大量的人力和时间,人工做大数量的题目,对人工做完的题目进行批改需要漫长的时间。其二,使用此方式只能获得少量的难度标注的题目,对于做题库建设需要庞大数量的有难度标注的题目会显得无力。
发明内容
本发明提供一种文本题目难度标注的方法、装置、电子设备及计算机可读存储介质,其主要目的在于帮助用户减少在对文本题目进行难度标注时所耗费的人力和时间成本。
为实现上述目的,本发明提供的一种文本题目难度标注方法,包括:
获取文本题目集,将所述文本题目集转换成文本题目向量集,对所述文本题目向量集执行聚类操作,得到标准文本题目向量集;
利用预先构建的文本题目难度标注模型计算所述标准文本题目向量集的损失函数值,并根据所述损失函数值的大小调整所述文本题目难度标注模型的参数,直到所述损失函数值小于预设值时,利用匹配算法计算所述标准文本题目向量的匹配函数值,根据所述匹配函数值对所述标准文本题目向量集进行难度标注,得到所述标准文本题目向量集的难度属性;
接收待标注的文本题目向量,计算所述待标注的文本题目向量与所述标准文本题目向量集的余弦距离值;
将余弦距离值最高的标准文本题目向量作为所述待标注的文本题目向量的目标文本题目向量,并将所述目标文本题目向量的难度属性标记为所述待标注的文本题目向量的难度属性。
可选地,所述将所述文本题目集转换成文本题目向量集,包括:
对所述文本题目集进行去重处理,得到目标文本题目集,将所述目标文本题目集进行字嵌入处理得到文本题目集矩阵,对所述文本题目集矩阵进行特征向量处理得到所述文本题目向量集。
可选地,所述对所述文本题目集进行去重处理,包括:
利用下述相似度计算公式计算所述文本题目集中任意两个文本题目QP和p之间的重复值sim(QP,P):
若计算出的重复值大于预设的阈值时,则对其任意一个文本题目进行删除,若计算出的重复值不大于预设的阈值时,则保留两个文本题目。
可选地,所述对所述文本题目向量集执行聚类操作,包括:
计算所述文本题目向量集的平均值、最大值以及最小值,并将所述平均值、最大值以及最小值作为所述文本题目向量集的合成聚类点;
计算所述文本题目向量集中所有的文本题目向量到所述平均值、最大值以及最小值的距离度量值,将距离度量值最小的文本题目向量划分到对应的合成聚类点,直至所述文本题目集中所有的文本题目向量遍历结束。
可选地,所述计算所述文本题目向量集的平均值、最大值以及最小值,包括:
利用下述计算公式计算所述文本题目向量集的平均值、最大值以及最小值:
其中,表示文本题目向量集中第一个字向量的p次幂,n表示文本题目向量集中字的数量,当P=1时,对所述文本题目向量集取平均值操作,当p=+∞时,对所述文本题目向量集取所述最大操作,当p=-∞时,对所述文本题目向量集取所述最小值操作。
可选地,所述利用预先构建的文本题目难度标注模型计算所述标准文本题目向量集的损失函数值,包括:
利用下述公式计算所述标准文本题目向量集的损失函数值:
可选地,所述计算所述待标注的文本题目向量与所述标准文本题目向量集的余弦距离值,包括:
利用下述公式计算所述待标注的文本题目向量与所述标准文本题目向量集的余弦距离值:
其中,D(x,y)表示余弦距离值,xi表示所述标准文本题目向量集中第i个标准文本题目向量的难度属性,yi表示所述待标注的文本题目向量。
为了解决上述问题,本发明还提供一种文本题目难度标注装置,所述装置包括:
转换及聚类模块,用于获取文本题目集,将所述文本题目集转换成文本题目向量集,对所述文本题目向量集执行聚类操作,得到标准文本题目向量集;
标注模块,用于利用预先构建的文本题目难度标注模型计算所述标准文本题目向量集的损失函数值,并根据所述损失函数值的大小调整所述文本题目难度标注模型的参数,直到所述损失函数值小于预设值时,利用匹配算法计算所述标准文本题目向量的匹配函数值,根据所述匹配函数值对所述标准文本题目向量集进行难度标注,得到所述标准文本题目向量集的难度属性;
计算模块,用于接收待标注的文本题目向量,计算所述待标注的文本题目向量与所述标准文本题目向量集的余弦距离值;
标记模块,用于将余弦距离值最高的标准文本题目向量作为所述待标注的文本题目向量的目标文本题目向量,并将所述目标文本题目向量的难度属性标记为所述待标注的文本题目向量的难度属性。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
存储器,存储至少一个指令;及
处理器,执行所述存储器中存储的指令以实现上述中任意一项所述的文本题目难度标注方法。
为了解决上述问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个指令,所述至少一个指令被电子设备中的处理器执行以实现上述中任意一项所述的文本题目难度标注方法。
本发明提出的文本题目难度标注方法、装置及计算机可读存储介质,在用户对文本题目进行难度标注分析时,获取文本题目集,对所述原进行转换、聚类操作后,得到标准文本题目向量集,结合预先构建的文本题目难度标注模型得到所述标准文本题目向量集的难度属性,接收待标注的文本题目向量,计算所述待标注的文本题目向量与所述标准文本题目向量集的余弦距离值,根据所述余弦距离值得到所述待标注的文本题目向量的目标文本题目向量,将所述目标文本题目向量的难度属性标注至所述待标注的文本题目向量,给用户呈现出文本题目难度的标注分析结果,从而实现了所述文本题目集的智能标注,减少了题目难度标注的人力和时间成本。
附图说明
图1为本发明一实施例提供的文本题目难度标注方法的流程示意图;
图2为本发明一实施例提供的文本题目难度标注方法的模块示意图;
图3为本发明一实施例提供的执行文本题目难度标注方法的电子设备的内部结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明提供一种文本题目难度标注方法。参照图1所示,为本发明一实施例提供的文本题目难度标注方法的流程示意图。该方法可以由一个装置执行,该装置可以由软件和/或硬件实现。
在本实施例中,文本题目难度标注方法包括:
S1、获取文本题目集,将所述文本题目集转换成文本题目向量集,对所述文本题目向量集进行聚类操作,得到所述标准文本题目向量集。
本发明较佳实施例中,所述文本题目集包括、但不限于:试卷的考试题目集、教学书本的练习题集以及教学人员编写的题目集。较佳地,本发明中所述文本题目集通过以下两种方式获取得到:方式一、通过关键字从网页中搜索获取相关数据进行下载得到所述文本题目集;方式二、通过访问不同学校的后台数据库获取文本题目集。
所述将所述文本题目集转换成文本题目向量集包括:对所述文本题目集进行去重处理,得到目标文本题目集,将所述目标文本题目集进行字嵌入处理得到文本题目集矩阵,对所述文本题目集矩阵进行特征向量处理得到所述文本题目向量集。
进一步地,由于获取的文本题目集包含相同的文本题目,本发明中优先地对所述文本题目集进行去重处理。
详细地,所述去重处理包括:
利用下述相似度计算公式计算所述文本题目集中任意两个文本题目QP和p之间的重复值sim(QP,P):
若计算出的重复值大于预设的阈值时,表示所述两个文本题目相似,则对其任意一个文本题目进行删除;
若计算出的重复值不大于预设的阈值时,表示所述两个文本题目不相似,则同时保留所述两个文本题目。
进一步地,本发明中所述字嵌入处理包括:将所述文本题目集表示为:C=[c1,c2,…,cn],其中,C表示为固定长度的字符嵌入序列,所述文本题目集中的元素cn是实数,dc为字向量,表示cn的范围在字向量dc的基础上属于实数范围。若所述文本题目集的长度小于预设的阈值时,则对其进行添加0补齐,若所述文本题目集的长度大于预设的阈值,则对其裁剪掉多余部分,从而得到所述文本题目集矩阵。
进一步地,本发明较佳实施例通过卷积神经网络对所述文本题目集矩阵进行特征向量提取。所述卷积神经网络包括输入层、隐藏层以及输出层。所述隐藏层包括:卷积层、池化层以及全连接层。详细地,所述卷积神经网络通过所述输入层接收所述文本题目集矩阵,利用所述卷积层对所述文本题目集矩阵进行降维处理,通过所述池化层对降维后的所述文本题目集矩阵进行特征向量提取得到所述文本题目向量集,根据所述全连接层的激活函数将所述文本题目向量集映射到所述输出层,利用所述输出层的神经单元输出所述文本题目向量集。
较佳地,本发明中对所述文本题目向量集取平均值、最大值以及最小值,根据所述平均值、最大值以及最小值对所述文本题目集进行聚类操作,得到所述标准文本题目向量集。
详细地,本发明中所述对所述文本题目向量集取平均值、最大值以及最小值的计算方法包括:
其中,表示文本题目向量集中第一个字向量的p次幂,n表示文本题目向量集中字的数量,当P=1时,对所述文本题目向量集取平均值操作,当p=+∞,对所述文本题目向量集取所述最大操作,当p=-∞,对所述文本题目向量集取所述最小值操作。
详细地,本发明所述聚类是将所述平均值、最大值以及最小值作为所述文本题目向量集的合成聚类点,分别计算所述文本题目向量集中所有的文本题目向量到所述平均值、最大值以及最小值的距离度量值,将距离度量值最小的文本题目向量划分到对应的合成聚类点,直至所述文本题目集中所有的文本题目向量遍历结束,从而完成所述聚类操作。
S2、利用预先构建的文本题目难度标注模型计算所述标准文本题目向量集的损失函数值,根据所述损失函数值的大小调整所述文本题目难度标注模型的参数,直到所述损失函数值小于预设值时,利用所述文本题目难度标注模型计算所述标准文本题目向量匹配函数值,根据所述匹配函数值对所述标准文本题目向量集进行难度标注,得到所述标准文本题目向量集的难度属性。
本发明较佳实施例中,所述预先构建的文本题目难度标注模型包括:训练损失模块及最佳匹配模块。较佳地,本发明将所述标准文本题目向量集输入所述训练损失模块中,得到损失函数值,并根据所述损失函数值的大小调整所述文本题目难度标注模型的参数,直到所述损失函数值小于预设值时,利用所述最佳匹配模块的匹配算法计算所述标准文本题目向量的匹配函数值,根据所述匹配函数值对所述标准文本题目向量集进行难度标注,从而输出所述标准文本题目向量集对应的难度属性。
进一步地,本发明中通过所述训练损失模块的损失函数计算出所述损失函数值。其中,所述损失函数包括:
进一步地,所述最佳匹配模块的匹配算法包括:
其中,IDF(wj)表示逆文档频率,wj表示标准文本题目向量集中第j个标准文本题目向量;|ai|表示标准文本题目向量的答案长度,表示标准文本题目向量集的答案平均长度,f(wj,ai)表示ai在wj中的频率,k和b是所述文本题目难度标注模型的参数。
进一步地,本发明较佳实施例中,若所述匹配函数值小于0时,则将对应的标准文本题目向量的难度属性标注为容易,若所述匹配函数值大于或等于0并且小于1时,则将对应的标准文本题目向量的难度属性标注为中等,若所述匹配函数值大于或等于1时,则将对应的标准文本题目向量的难度属性标注为困难。
S3、接收待标注的文本题目向量,计算所述待标注的文本题目向量与所述标准文本题目向量集的余弦距离值。
本发明较佳实施例中,根据用户的需求,获取所述待标注的文本题目向量,例如所述用户的需求为了解高等数学中第三章第二节第一道练习题目的难度属性。
所述余弦距离值的计算方法包括:
其中,D(x,y)表示余弦距离值,xi表示所述标准文本题目向量集中第i个标准文本题目向量的难度属性,yi表示所述待标注的文本题目向量。
S4、将余弦距离值最高的标准文本题目向量作为所述待标注的文本题目向量的目标文本题目向量,并将所述目标文本题目向量的难度属性标注至所述待标注的文本题目向量中,从而完成所述待标注的文本题目向量的难度属性。
本发明较佳实施例中,通过上述S3计算所述待标注的文本题目向量与所述标准文本题目向量集的余弦距离值,得到余弦距离值集,较佳地,本发明中将所述余弦距离值集中余弦距离值最高的标准文本题目向量作为所述待标注的文本题目向量的目标文本题目向量,并将所述目标文本题目向量的难度属性标注至所述待标注的文本题目向量中,从而完成所述待标注的文本题目向量的难度属性标注。
例如,所述标准文本题目向量A和待标注的文本向量C进行余弦距离计算得到的余弦距离值为0.5,所述标准文本题目向量B和待标注的文本向量C进行余弦距离计算得到的余弦距离值为0.8。则此时AC之间的所述余弦距离值小于BC之间的余弦距离值。因此,将所述标准文本题目向量B的难度属性给所述待标注的文本向量C,于是所述待标注的文本向量C的难度属性就得到了有效的标注。
如图2所示,是本发明文本题目难度标注装置的功能模块图。
本发明所述文本题目难度标注装置100可以安装于电子设备中。根据实现的功能,所述文本题目难度标注装置100可以包括转换及聚类模块101、标注模块102、计算模块103、标记模块104。本发所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述转换及聚类模块101用于获取文本题目集,将所述文本题目集转换成文本题目向量集,对所述文本题目向量集执行聚类操作,得到标准文本题目向量集;
所述标注模块102用于利用预先构建的文本题目难度标注模型计算所述标准文本题目向量集的损失函数值,并根据所述损失函数值的大小调整所述文本题目难度标注模型的参数,直到所述损失函数值小于预设值时,利用匹配算法计算所述标准文本题目向量的匹配函数值,根据所述匹配函数值对所述标准文本题目向量集进行难度标注,得到所述标准文本题目向量集的难度属性;
所述计算模块103用于接收待标注的文本题目向量,计算所述待标注的文本题目向量与所述标准文本题目向量集的余弦距离值;
所述标记模块104用于将余弦距离值最高的标准文本题目向量作为所述待标注的文本题目向量的目标文本题目向量,并将所述目标文本题目向量的难度属性标记为所述待标注的文本题目向量的难度属性。
详细地,所述文本题目难度标注装置各模块的具体实施步骤如下:
所述聚类模块101获取文本题目集,将所述文本题目集转换成文本题目向量集,对所述文本题目向量集执行聚类操作,得到标准文本题目向量集。
本发明较佳实施例中,所述文本题目集包括、但不限于:试卷的考试题目集、教学书本的练习题集以及教学人员编写的题目集。较佳地,本发明中所述文本题目集通过以下两种方式获取得到:方式一、通过关键字从网页中搜索获取相关数据进行下载得到所述文本题目集;方式二、通过访问不同学校的后台数据库获取文本题目集。
所述将所述文本题目集转换成文本题目向量集包括:对所述文本题目集进行去重处理,得到目标文本题目集,将所述目标文本题目集进行字嵌入处理得到文本题目集矩阵,对所述文本题目集矩阵进行特征向量处理得到所述文本题目向量集。
进一步地,由于获取的文本题目集包含相同的文本题目,本发明中优先地对所述文本题目集进行去重处理。
详细地,所述去重处理包括:
利用下述相似度计算公式计算所述文本题目集中任意两个文本题目QP和p之间的重复值sim(QP,P):
若计算出的重复值大于预设的阈值时,表示所述两个文本题目相似,则对其任意一个文本题目进行删除;
若计算出的重复值不大于预设的阈值时,表示所述两个文本题目不相似,则同时保留所述两个文本题目。
进一步地,本发明中所述字嵌入处理包括:将所述文本题目集表示为:C=[c1,c2,…,cn],其中,C表示为固定长度的字符嵌入序列,所述文本题目集中的元素cn是实数,dc为字向量,表示cn的范围在字向量dc的基础上属于实数范围。若所述文本题目集的长度小于预设的阈值时,则对其进行添加0补齐,若所述文本题目集的长度大于预设的阈值,则对其裁剪掉多余部分,从而得到所述文本题目集矩阵。
进一步地,本发明较佳实施例通过卷积神经网络对所述文本题目集矩阵进行特征向量提取。所述卷积神经网络包括输入层、隐藏层以及输出层。所述隐藏层包括:卷积层、池化层以及全连接层。详细地,所述卷积神经网络通过所述输入层接收所述文本题目集矩阵,利用所述卷积层对所述文本题目集矩阵进行降维处理,通过所述池化层对降维后的所述文本题目集矩阵进行特征向量提取得到所述文本题目向量集,根据所述全连接层的激活函数将所述文本题目向量集映射到所述输出层,利用所述输出层的神经单元输出所述文本题目向量集。
较佳地,本发明中对所述文本题目向量集取平均值、最大值以及最小值,根据所述平均值、最大值以及最小值对所述文本题目集进行聚类操作,得到所述标准文本题目向量集。
详细地,本发明中所述对所述文本题目向量集取平均值、最大值以及最小值的计算方法包括:
其中,表示文本题目向量集中第一个字向量的p次幂,n表示文本题目向量集中字的数量,当P=1时,对所述文本题目向量集取平均值操作,当p=+∞,对所述文本题目向量集取所述最大操作,当p=-∞,对所述文本题目向量集取所述最小值操作。
详细地,本发明所述聚类是将所述平均值、最大值以及最小值作为所述文本题目向量集的合成聚类点,分别计算所述文本题目向量集中所有的文本题目向量到所述平均值、最大值以及最小值的距离度量值,将距离度量值最小的文本题目向量划分到对应的合成聚类点,直至所述文本题目集中所有的文本题目向量遍历结束,从而完成所述聚类操作。
所述标注模块102利用预先构建的文本题目难度标注模型计算所述标准文本题目向量集的损失函数值,并根据所述损失函数值的大小调整所述文本题目难度标注模型的参数,直到所述损失函数值小于预设值时,利用匹配算法计算所述标准文本题目向量的匹配函数值,根据所述匹配函数值对所述标准文本题目向量集进行难度标注,得到所述标准文本题目向量集的难度属性。
本发明较佳实施例中,所述预先构建的文本题目难度标注模型包括:训练损失模块及最佳匹配模块。较佳地,本发明将所述标准文本题目向量集输入所述训练损失模块中,得到损失函数值,并根据所述损失函数值的大小调整所述文本题目难度标注模型的参数,直到所述损失函数值小于预设值时,利用所述最佳匹配模块的匹配算法计算所述标准文本题目向量的匹配函数值,根据所述匹配函数值对所述标准文本题目向量集进行难度标注,从而输出所述标准文本题目向量集对应的难度属性。
进一步地,本发明中通过所述训练损失模块的损失函数计算出所述损失函数值。其中,所述损失函数包括:
进一步地,所述最佳匹配模块的匹配算法包括:
其中,IDF(wj)表示逆文档频率,wj表示标准文本题目向量集中第j个标准文本题目向量;|ai|表示标准文本题目向量的答案长度,表示标准文本题目向量集的答案平均长度,f(wj,ai)表示ai在wj中的频率,k和b是所述文本题目难度标注模型的参数。
进一步地,本发明较佳实施例中,若所述匹配函数值小于0时,则将对应的标准文本题目向量的难度属性标注为容易,若所述匹配函数值大于或等于0并且小于1时,则将对应的标准文本题目向量的难度属性标注为中等,若所述匹配函数值大于或等于1时,则将对应的标准文本题目向量的难度属性标注为困难。
所述计算模块103接收待标注的文本题目向量,计算所述待标注的文本题目向量与所述标准文本题目向量集的余弦距离值。
本发明较佳实施例中,根据用户的需求,获取所述待标注的文本题目向量,例如所述用户的需求为了解高等数学中第三章第二节第一道练习题目的难度属性。
所述余弦距离值的计算方法包括:
其中,D(x,y)表示余弦距离值,xi表示所述标准文本题目向量集中第i个标准文本题目向量的难度属性,yi表示所述待标注的文本题目向量。
所述标记模块104将余弦距离值最高的标准文本题目向量作为所述待标注的文本题目向量的目标文本题目向量,并将所述目标文本题目向量的难度属性标记为所述待标注的文本题目向量的难度属性。
本发明较佳实施例中,通过上述计算所述待标注的文本题目向量与所述标准文本题目向量集的余弦距离值,得到余弦距离值集,较佳地,本发明中将所述余弦距离值集中余弦距离值最高的标准文本题目向量作为所述待标注的文本题目向量的目标文本题目向量,并将所述目标文本题目向量的难度属性标注至所述待标注的文本题目向量中,从而完成所述待标注的文本题目向量的难度属性标注。
例如,所述标准文本题目向量A和待标注的文本向量C进行余弦距离计算得到的余弦距离值为0.5,所述标准文本题目向量B和待标注的文本向量C进行余弦距离计算得到的余弦距离值为0.8。则此时AC之间的所述余弦距离值小于BC之间的余弦距离值。因此,将所述标准文本题目向量B的难度属性给所述待标注的文本向量C,于是所述待标注的文本向量C的难度属性就得到了有效的标注。
如图3所示,是本发明实现文本题目难度标注的方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如文本题目难度标注程序12。
其中,所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元,例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备,例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(SecureDigital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据,例如文本题目难度标注程序12的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如文本题目难度标注程序等),以及调用存储在所述存储器11内的数据,以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图3仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图3示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备1还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
进一步地,所述电子设备1还可以包括网络接口,可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地,该电子设备1还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的文本题目难度标注程序12是多个指令的组合,在所述处理器10中运行时,可以实现:
获取文本题目集,将所述文本题目集转换成文本题目向量集,对所述文本题目向量集执行聚类操作,得到标准文本题目向量集;
利用预先构建的文本题目难度标注模型计算所述标准文本题目向量集的损失函数值,并根据所述损失函数值的大小调整所述文本题目难度标注模型的参数,直到所述损失函数值小于预设值时,利用匹配算法计算所述标准文本题目向量的匹配函数值,根据所述匹配函数值对所述标准文本题目向量集进行难度标注,得到所述标准文本题目向量集的难度属性;
接收待标注的文本题目向量,计算所述待标注的文本题目向量与所述标准文本题目向量集的余弦距离值;
将余弦距离值最高的标准文本题目向量作为所述待标注的文本题目向量的目标文本题目向量,并将所述目标文本题目向量的难度属性标记为所述待标注的文本题目向量的难度属性。
具体地,所述处理器10对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块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,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种文本题目难度标注方法,其特征在于,所述方法包括:
获取文本题目集,将所述文本题目集转换成文本题目向量集,对所述文本题目向量集执行聚类操作,得到标准文本题目向量集;
利用预先构建的文本题目难度标注模型计算所述标准文本题目向量集的损失函数值,并根据所述损失函数值的大小调整所述文本题目难度标注模型的参数,直到所述损失函数值小于预设值时,利用匹配算法计算所述标准文本题目向量的匹配函数值,根据所述匹配函数值对所述标准文本题目向量集进行难度标注,得到所述标准文本题目向量集的难度属性;
接收待标注的文本题目向量,计算所述待标注的文本题目向量与所述标准文本题目向量集的余弦距离值;
将余弦距离值最高的标准文本题目向量作为所述待标注的文本题目向量的目标文本题目向量,并将所述目标文本题目向量的难度属性标记为所述待标注的文本题目向量的难度属性。
2.如权利要求1所述的文本题目难度标注方法,其特征在于,所述将所述文本题目集转换成文本题目向量集,包括:
对所述文本题目集进行去重处理,得到目标文本题目集,将所述目标文本题目集进行字嵌入处理得到文本题目集矩阵,对所述文本题目集矩阵进行特征向量处理得到所述文本题目向量集。
4.如权利要求1所述的文本题目难度标注方法,其特征在于,所述对所述文本题目向量集执行聚类操作,包括:
计算所述文本题目向量集的平均值、最大值以及最小值,并将所述平均值、最大值以及最小值作为所述文本题目向量集的合成聚类点;
计算所述文本题目向量集中所有的文本题目向量到所述平均值、最大值以及最小值的距离度量值,将距离度量值最小的文本题目向量划分到对应的合成聚类点,直至所述文本题目集中所有的文本题目向量遍历结束。
8.一种文本题目难度标注装置,其特征在于,所述装置包括:
转换及聚类模块,用于获取文本题目集,将所述文本题目集转换成文本题目向量集,对所述文本题目向量集执行聚类操作,得到标准文本题目向量集;
标注模块,用于利用预先构建的文本题目难度标注模型计算所述标准文本题目向量集的损失函数值,并根据所述损失函数值的大小调整所述文本题目难度标注模型的参数,直到所述损失函数值小于预设值时,利用匹配算法计算所述标准文本题目向量的匹配函数值,根据所述匹配函数值对所述标准文本题目向量集进行难度标注,得到所述标准文本题目向量集的难度属性;
计算模块,用于接收待标注的文本题目向量,计算所述待标注的文本题目向量与所述标准文本题目向量集的余弦距离值;
标记模块,用于将余弦距离值最高的标准文本题目向量作为所述待标注的文本题目向量的目标文本题目向量,并将所述目标文本题目向量的难度属性标记为所述待标注的文本题目向量的难度属性。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至7中任一所述的文本题目难度标注方法。
10.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一所述的文本题目难度标注方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010134478.9A CN111444339B (zh) | 2020-02-29 | 2020-02-29 | 文本题目难度标注方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010134478.9A CN111444339B (zh) | 2020-02-29 | 2020-02-29 | 文本题目难度标注方法、装置及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111444339A true CN111444339A (zh) | 2020-07-24 |
CN111444339B CN111444339B (zh) | 2024-05-03 |
Family
ID=71627060
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010134478.9A Active CN111444339B (zh) | 2020-02-29 | 2020-02-29 | 文本题目难度标注方法、装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111444339B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113408295A (zh) * | 2021-06-22 | 2021-09-17 | 深圳证券信息有限公司 | 文本可读性评价方法、计算机设备及计算机存储介质 |
CN113570286A (zh) * | 2021-09-24 | 2021-10-29 | 平安科技(深圳)有限公司 | 基于人工智能的资源分配方法、装置、电子设备及介质 |
CN114077873A (zh) * | 2022-01-06 | 2022-02-22 | 江西风向标教育科技有限公司 | 数学试题难度类型的确定方法、系统、存储介质及设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108334499A (zh) * | 2018-02-08 | 2018-07-27 | 海南云江科技有限公司 | 一种文本标签标注设备、方法和计算设备 |
CN110263328A (zh) * | 2019-05-22 | 2019-09-20 | 平安国际智慧城市科技股份有限公司 | 一种学科能力类型标注方法、装置、存储介质及终端设备 |
CN110362723A (zh) * | 2019-05-31 | 2019-10-22 | 平安国际智慧城市科技股份有限公司 | 一种题目特征表示方法、装置及存储介质 |
CN110413961A (zh) * | 2019-06-21 | 2019-11-05 | 平安国际智慧城市科技股份有限公司 | 基于分类模型进行文本评分的方法、装置和计算机设备 |
WO2019214145A1 (zh) * | 2018-05-10 | 2019-11-14 | 平安科技(深圳)有限公司 | 文本情绪分析方法、装置及存储介质 |
-
2020
- 2020-02-29 CN CN202010134478.9A patent/CN111444339B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108334499A (zh) * | 2018-02-08 | 2018-07-27 | 海南云江科技有限公司 | 一种文本标签标注设备、方法和计算设备 |
WO2019214145A1 (zh) * | 2018-05-10 | 2019-11-14 | 平安科技(深圳)有限公司 | 文本情绪分析方法、装置及存储介质 |
CN110263328A (zh) * | 2019-05-22 | 2019-09-20 | 平安国际智慧城市科技股份有限公司 | 一种学科能力类型标注方法、装置、存储介质及终端设备 |
CN110362723A (zh) * | 2019-05-31 | 2019-10-22 | 平安国际智慧城市科技股份有限公司 | 一种题目特征表示方法、装置及存储介质 |
CN110413961A (zh) * | 2019-06-21 | 2019-11-05 | 平安国际智慧城市科技股份有限公司 | 基于分类模型进行文本评分的方法、装置和计算机设备 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113408295A (zh) * | 2021-06-22 | 2021-09-17 | 深圳证券信息有限公司 | 文本可读性评价方法、计算机设备及计算机存储介质 |
CN113408295B (zh) * | 2021-06-22 | 2023-02-28 | 深圳证券信息有限公司 | 文本可读性评价方法、计算机设备及计算机存储介质 |
CN113570286A (zh) * | 2021-09-24 | 2021-10-29 | 平安科技(深圳)有限公司 | 基于人工智能的资源分配方法、装置、电子设备及介质 |
CN114077873A (zh) * | 2022-01-06 | 2022-02-22 | 江西风向标教育科技有限公司 | 数学试题难度类型的确定方法、系统、存储介质及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111444339B (zh) | 2024-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020252919A1 (zh) | 识别简历的方法及装置、计算机设备、存储介质 | |
CN112016304A (zh) | 文本纠错方法、装置、电子设备及存储介质 | |
CN111444339B (zh) | 文本题目难度标注方法、装置及计算机可读存储介质 | |
CN108334499A (zh) | 一种文本标签标注设备、方法和计算设备 | |
CN112000805A (zh) | 基于预训练模型的文本匹配方法、装置、终端及存储介质 | |
CN111695354A (zh) | 基于命名实体的文本问答方法、装置及可读存储介质 | |
CN113627797B (zh) | 入职员工画像生成方法、装置、计算机设备及存储介质 | |
CN109948518B (zh) | 一种基于神经网络的pdf文档内容文本段落聚合的方法 | |
CN115374189B (zh) | 基于区块链的食品安全溯源方法、装置及设备 | |
CN112560423A (zh) | 结合rpa和ai的文档处理方法、装置、设备及介质 | |
CN115238670B (zh) | 信息文本抽取方法、装置、设备及存储介质 | |
CN111475645B (zh) | 知识点标注方法、装置及计算机可读存储介质 | |
CN108009248A (zh) | 一种数据分类方法和系统 | |
CN116662488A (zh) | 业务文档检索方法、装置、设备及存储介质 | |
CN111860484A (zh) | 一种区域标注方法、装置、设备及存储介质 | |
CN114461777A (zh) | 智能问答方法、装置、设备及存储介质 | |
CN117077679B (zh) | 命名实体识别方法和装置 | |
CN110795544A (zh) | 内容搜索方法、装置、设备和存储介质 | |
CN113918704A (zh) | 基于机器学习的问答方法、装置、电子设备及介质 | |
CN113344125A (zh) | 长文本匹配识别方法、装置、电子设备及存储介质 | |
CN111783697A (zh) | 一种基于卷积神经网络的错题检测及靶向推荐系统和方法 | |
CN113806500A (zh) | 信息处理方法、装置和计算机设备 | |
CN115346095A (zh) | 视觉问答方法、装置、设备及存储介质 | |
CN112434157A (zh) | 文书多标签分类方法、装置、电子设备及存储介质 | |
CN114595321A (zh) | 问题标注方法、装置、电子设备及存储介质 |
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 |