CN111475645A - 知识点标注方法、装置及计算机可读存储介质 - Google Patents
知识点标注方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN111475645A CN111475645A CN202010186612.XA CN202010186612A CN111475645A CN 111475645 A CN111475645 A CN 111475645A CN 202010186612 A CN202010186612 A CN 202010186612A CN 111475645 A CN111475645 A CN 111475645A
- Authority
- CN
- China
- Prior art keywords
- text
- labeled
- question
- knowledge point
- topic
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000002372 labelling Methods 0.000 claims abstract description 69
- 239000013598 vector Substances 0.000 claims description 119
- 239000011159 matrix material Substances 0.000 claims description 52
- 238000012549 training Methods 0.000 claims description 22
- 230000004913 activation Effects 0.000 claims description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 18
- 230000011218 segmentation Effects 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 8
- 230000009467 reduction Effects 0.000 description 8
- 238000000354 decomposition reaction Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 239000000243 solution Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 238000011946 reduction process Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000004927 fusion Effects 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
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
- 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
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
-
- 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
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- 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 Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Machine Translation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及人工智能技术，揭露了一种知识点标注方法，包括：获取待标注文本题目及预构建包含标注后文本题目知识点的文本题目库；将所述待标注文本题目与所述文本题目库按预设的规则进行文本题目匹配，根据所述文本题目匹配的结果判定所述待标注文本题目的知识点；计算所述待标注文本题目与所述文本题目库中文本题目的相似度，根据所述相似度判定所述待标注文本题目的知识点；利用预先训练好的知识点标注模型对所述待标注文本题目进行知识点标注的预测，输出所述待标注文本题目的知识点标注结果。本发明还提出一种知识点标注装置、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的知识点标注方法、装置、电子设备及计算机可读存储介质。
背景技术
随着大数据和人工智能技术的发展和逐渐成熟，教育领域也在尝试做基于新技术的创新教育模式，其中，自适应教育是最重要的探索领域，在自适应教育中包含：薄弱知识点诊断和针对薄弱知识点进行智能题目推荐两个模块。在这两个模块中，知识点都是重要的参考属性，所以给文本题目准确的标注知识点是自适应教育系统中非常重要的一个环节。
目前，针对文本题目的知识点标注通常采用以下两种方式进行知识点标注：方式一、基于规则进行文本题目的知识点标注；方式二、基于深度学习技术进行文本题目的知识点标注。但基于规则进行文本题目的知识点标注，能够标注的文本题目知识点数量会比较少，对于匹配规则失败的文本题目没有办法得到标注结果；基于深度学习技术进行文本题目的知识点标注缺点是标注的文本题目知识点准确率低。
发明内容
本发明提供一种知识点标注的方法、装置、电子设备及计算机可读存储介质，其主要目的在于提供一种知识点标注多策略融合的技术方案，以实现智能的文本题目知识点标注。
为实现上述目的，本发明提供的一种知识点标注方法，包括：
获取待标注文本题目及预构建的文本题目库，所述文本题目库包含已标注知识点的文本题目；
将所述待标注文本题目与所述文本题目库按预设的规则进行文本题目匹配，若所述文本题目匹配成功，则将所述文本题目库中对应的文本题目的知识点标记为所述待标注文本题目的知识点；
若所述文本题目匹配失败，则计算所述待标注文本题目与所述文本题目库中文本题目的相似度，若所述相似度大于预设的第一阈值时，将所述文本题目库中对应的文本题目知识点标记为所述待标注文本题目的知识点；
若所述相似度均不大于预设的第一阈值时，则利用预先训练好的知识点标注模型对所述待标注文本题目向量进行知识点标注的预测，并输出所述待标注文本题目的知识点标注结果。
可选地，所述将所述待标注文本题目与所述文本题目库按预设的规则进行文本题目匹配，包括：
将所述文本题目库中的文本题目进行分词处理，生成词汇集；
将包含相同知识点的文本题目进行合并，得到文本集；
计算所述词汇集中词汇在所述文本集中文本的频率值，根据所述频率值建立词汇文本矩阵，对所述词汇文本矩阵进行降维，得到目标词汇文本矩阵；
通过所述待标注文本题目中的词汇向所述目标词汇文本矩阵进行查询；
若在所述目标词汇文本矩阵没有查询到所述待标注文本题目的词汇，则判断所述文本题目匹配失败；
若在所述目标词汇文本矩阵查询到所述待标注文本题目的词汇，则判断所述文本题目匹配成功。
可选地，所述计算所述词汇集中词汇在所述文本集中文本的频率值，包括：
利用下述公式计算所述词汇集中词汇在所述文本集中文本的频率值：
其中，fi表示词汇i在文本出现的频率值，ni表示在词汇i在文本的个数，v表示文本中所有词汇的个数。
可选地所述计算所述待标注文本题目与所述文本题目库中文本题目的相似度，包括：
将所述待标注文本题目转换成待标注文本题目向量，将所述文本题目库中的文本题目转换成文本题目向量集；
利用预设的相似度算法计算出所述待标注文本题目向量与所述文本题目向量集中文本题目向量的相似度。
可选地，所述预设的相似度算法包括：
其中，x表示所述待标注文本题目向量，y表示所述文本题目向量集中文本题目向量，xi表示所述待标注文本题目向量的第i个向量值，yi所述文本题目向量集中文本题目向量的第i个向量值。
可选地，训练所述知识点标注模型的步骤包括：
获取所述文本题目库中的文本题目向量集；
计算所述文本题目向量集的状态值及激活值；
根据所述状态值和激活值计算所述文本题目向量集的状态更新值；
计算所述状态更新值的训练值，根据所述训练值调整所述知识点标注模型的参数，直至所述训练值小于预设的第二阈值时，完成所述知识点标注模型的训练。
可选地，所述计算所述文本题目向量集的状态值，包括：
利用下述公式计算所述标准文本题目向量集的状态值：
其中，it表示所述状态值，
表示所述所述知识点标注模型的输入门中细胞单元的偏置，wi表示所述输入门的激活因子，ht-1表示文本题目向量在所述输入门t-1时刻的峰值，xt表示在t时刻输入的文本题目向量值，bi表示所述输入门中细胞单元的权重。
为了解决上述问题，本发明还提供一种知识点标注装置，所述装置包括：
获取模块，用于获取待标注文本题目及预构建的文本题目库，所述文本题目库包含已标注知识点的文本题目；
匹配模块，用于将所述待标注文本题目与所述文本题目库按预设的规则进行文本题目匹配，若所述文本题目匹配成功，则将所述文本题目库中对应的文本题目的知识点标记为所述待标注文本题目的知识点；
计算模块，用于在所述文本题目匹配失败时，则计算所述待标注文本题目与所述文本题目库中文本题目的相似度，若所述相似度大于预设的第一阈值时，将所述文本题目库中对应的文本题目知识点标记为所述待标注文本题目的知识点；
预测模块，用于在所述相似度均不大于预设的第一阈值时，则利用预先训练好的知识点标注模型对所述待标注文本题目向量进行知识点标注的预测，并输出所述待标注文本题目的知识点标注结果。
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知识点标注的存储方法。
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知识点标注方法。
本发明实施例获取待标注文本题目及预构建的包含标注后的文本题目知识点的文本题目库，将所述待标注文本题目与所述文本题目库按预设的规则进行文本题目匹配，保证了文本题目知识点标注的准确性，结合预设的相似度算法计算所述待标注文本题目与所述文本题目库中文本题目的相似度，保证了文本题目知识点标注的全面性，利用预先训练好的知识点标注模型对所述待标注文本题目向量进行知识点标注的预测，实现了文本题目知识点的智能化标注，从而实现了高效的文本题目的知识点标注。
附图说明
图1为本发明一实施例提供的知识点标注方法的流程示意图；
图2为本发明一实施例提供的知识点标注方法的模块示意图；
图3为本发明一实施例提供的知识点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。
本发明提供一种知识点标注方法。参照图1所示，为本发明一实施例提供的知识点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，知识点标注方法包括：
S1、获取待标注文本题目及预构建的文本题目库，所述文本题目库包含已标注知识点的文本题目。
本发明较佳实施例中，所述待标注文本题目包括、但不限于：试卷的考试题目、教学书本的练习题以及教学人员编写的文本题目等。所述标注后的文本题目知识点，包括，例如当文本题目为如何计算分数时，对应标注的知识点可以为分数的应用等等。较佳地，本发明中所述文本题目库中的文本题目可以通过访问不同学校的后台数据库进行获取。
S2、将所述待标注文本题目与所述文本题目库按预设的规则进行文本题目匹配。
在本发明的至少一个实施例中，所述将所述待标注文本题目与所述文本题目库按预设的规则进行文本题目匹配，包括：
将所述文本题目库中的文本题目进行分词处理，生成词汇集；将包含相同知识点的文本题目进行合并，得到文本集；计算所述词汇集中词汇在所述文本集中文本的频率值，根据所述频率值建立词汇文本矩阵，对所述词汇文本矩阵进行降维处理，得到目标词汇文本矩阵；通过所述待标注文本题目中的词汇向所述目标词汇文本矩阵进行查询，从而实现所述文本题目的匹配。
详细地，所述分词处理可以通过结巴分词、最短路径分词、以及NLP分词等技术实现。
本发明实施例中所述计算所述词汇集中词汇在所述文本集中文本的频率值的计算方法包括：
其中，fi表示词汇i在文本出现的频率值，ni表示在词汇i在文本的个数，v表示文本中所有词汇的个数。
所述词汇文本矩阵通过由各词汇在每篇文本中的出现频率生成，例如第i行第j列的元素数值aij可以表示第i个词汇在第j篇文本中出现的频率值，于是，在所述词汇文本矩阵中每一行对应一个词汇，每列对应一篇文本，M个词和N篇文章可以表示为M*N的矩阵。
所述降维处理可以通过主成分分析算法、监督线性降维算法以及奇异值分解算法等实现。较佳地，本发明通过奇异值分解算法实现所述词汇文本矩阵的降维，例如对于一个词汇文本矩阵为：wm*n，对其进行奇异值分解后所述词汇文本矩阵可以表示为三个矩阵乘积：w＝UAV，其中，U和V分别表示与矩阵w对应的左、右奇异向量矩阵，A表示由矩阵w的奇异值按照递减顺序排列构成的对角矩阵，选取U和V最前列构建r-秩近似矩阵wr，于是得到：wr＝UrArVr，其中，Ur和Vr的列向量为正向量，分别作为文本向量和词向量，用wr来近似表示所述词汇文本矩阵w，从而实现降维处理。
进一步地，本发明实施例所述目标词汇文本矩阵中的词汇文本关系包括：词和语义类的关系、文本和主题的关系以及语义类和主题的关系。其中关系的表现形式是以概率值矩阵的方式呈现，例如词和语义类的矩阵关系可以表示为：
U＝[[0.7,0.15]
[0.22,0.49]
[0.3,0.03]]
其中，每一行表示一个词，每一列表示一个语义类，Uij＝0.7这个值表示词i属于语义类j的概率为0.7。
较佳地，本发明中主题的个数为知识点的个数，比如人教版七年级下册有84个知识点，那么主题个数就是84，通过上述词汇文本矩阵包含的关系，能够得到一个主题对应的词汇集合。比如：主题1(知识点“分数的应用”)对应的词汇有[“分数的应用”、“应用分数”、“分母“、”分子“、”分数的加法“……]
进一步地，本发明实施例还包括对词汇集合进行筛选处理，即去除在其他知识点对应的词汇集合中也会出现的词汇，以使进行文本匹配时，只匹配到一个知识点。
基于上述的实施方式，通过文本中出现的词汇判定目标知识点，保证了知识点标注的准确性。
S3、判断所述文本题目匹配是否成功。
若在所述目标词汇文本矩阵查询到所述待标注文本题目的词汇，则判断所述文本题目匹配成功，并执行S4，将所述文本题目库中对应的文本题目的知识点标记为所述待标注文本题目的知识点。
若在所述目标词汇文本矩阵没有查询到所述待标注文本题目的词汇，则判断所述文本题目匹配失败，并执行S5、计算所述待标注文本题目与所述文本题目库中文本题目的相似度。
优先地，本发明在计算所述待标注文本题目与所述文本题目库中文本题目的相似度之前，本发明实施例将所述待标注文本题目转换成待标注文本题目向量，将所述预构建文本题目库中的文本题目转换成文本题目向量集；利用预设的相似度算法计算出所述待标注文本题目向量与所述文本题目向量集中文本题目向量的相似度。
所述将所述待标注文本题目转换成待标注文本题目向量以及将所述预构建文本题目库中的文本题目转换成文本题目向量集通过word2vec技术进行向量转换。
所述相似度算法包括：
其中，x表示所述待标注文本题目向量，y表示所述文本题目向量集中文本题目向量，xi表示所述待标注文本题目向量的第i个向量值，yi所述文本题目向量集中文本题目向量的第i个向量值。
基于上述的手段，通过相似度算法来判定目标知识点，保证了文本题目知识点标注的全面性。
进一步地，S6、判断所述文本题目库中是否存在相似度大于预设的第一阈值的文本题目。
优选地，所述预设的第一阈值为0.9。
若存在相似度大于预设的第一阈值的文本题目时，执行S7、将所述文本题目库中所述文本题目的知识点标记为所述待标注文本题目的知识点。
若所述相似度均不大于预设的第一阈值时，执行S8、利用预先训练好的知识点标注模型对所述待标注文本题目向量进行知识点标注的预测，并输出所述待标注文本题目的知识点标注结果。
所述知识点标注模型包括输入门、遗忘门以及输出门。本发明较佳实施例通过下述方法训练所述知识点标注模型：获取所述文本题目库中的文本题目向量集；通过所述输入门计算所述文本题目向量集的状态值；通过所述遗忘门计算所述文本题目向量集的激活值；根据所述状态值和激活值计算所述文本题目向量集的状态更新值；利用所述输出门计算所述状态更新值的训练值，根据所述训练值调整所述知识点标注模型的参数，直至所述训练值小于预设的第二阈值时，完成所述知识点标注模型的训练。所述知识点标注模型的参数包括：偏执和权重。
可选地，所述预设的第二阈值为0.1。
所述文本题目向量集的状态值的计算方法包括：
其中，it表示所述状态值，
表示所述输入门中细胞单元的偏置，wi表示所述输入门的激活因子，ht-1表示文本题目向量在所述输入门t-1时刻的峰值，xt表示在t时刻输入的文本题目向量值，bi表示所述输入门中细胞单元的权重。
所述文本题目向量集的激活值的计算方法包括：
其中，ft表示所述激活值，
表示所述遗忘门中细胞单元的偏置，wf表示所述遗忘门的激活因子，
表示文本题目向量在所述遗忘门t-1时刻的峰值，xt表示在t时刻输入的文本题目向量值，bf表示所述遗忘门中细胞单元的权重。
所述文本题目向量集的状态更新值的计算方法包括：
其中，ct表示所述状态更新值，ht-1表示表示文本题目向量在所述输入门t-1时刻的峰值，
表示文本题目向量在所述遗忘门t-1时刻的峰值
所述训练值的计算方法包括：
ot＝tan h(ct)
其中，ot表示所述训练值，tan h表示所述输出门的激活函数，ct表示所述状态更新值。
进一步地，本发明实施例利用预先训练好的知识点标注模型对所述待标注文本题目向量进行知识点标注的预测，从而输出所述待标注文本题目的知识点标注结果。
基于上述的手段，采用训练好的知识点标注模型进行目标知识点的预测，实现了文本题目知识点的智能化标注。
如图2所示，是本发明知识点标注装置的功能模块图。
本发明所述知识点标注100可以安装于电子设备中。根据实现的功能，所述知识点标注装置可以包括获取模块101、匹配模块102、计算模块103、以及预测模块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：
所述获取模块101，用于获取待标注文本题目及预构建的文本题目库，所述文本题目库包含已标注知识点的文本题目；
所述匹配模块102，用于将所述待标注文本题目与所述文本题目库按预设的规则进行文本题目匹配，若所述文本题目匹配成功，则将所述文本题目库中对应的文本题目的知识点标记为所述待标注文本题目的知识点；
所述计算模块103，用于在所述文本题目匹配失败时，则计算所述待标注文本题目与所述文本题目库中文本题目的相似度，若所述相似度大于预设的第一阈值时，将所述文本题目库中对应的文本题目知识点标记为所述待标注文本题目的知识点；
所述预测模块104，用于在所述相似度均不大于预设的第一阈值时，则利用预先训练好的知识点标注模型对所述待标注文本题目向量进行知识点标注的预测，并输出所述待标注文本题目的知识点标注结果。
详细地，所述知识点标注装置各模块的具体实施步骤如下：
所述获取模块101、获取待标注文本题目及预构建的文本题目库，所述文本题目库包含已标注知识点的文本题目。
本发明较佳实施例中，所述待标注文本题目包括、但不限于：试卷的考试题目、教学书本的练习题以及教学人员编写的文本题目等。所述标注后的文本题目知识点，包括，例如当文本题目为如何计算分数时，对应标注的知识点可以为分数的应用等等。较佳地，本发明中所述文本题目库中的文本题目可以通过访问不同学校的后台数据库进行获取。
所述匹配模块102、将所述待标注文本题目与所述文本题目库按预设的规则进行文本题目匹配，若所述文本题目匹配成功，将所述文本题目库中对应的文本题目知识点标记为所述待标注文本题目的知识点。
在本发明的至少一个实施例中，所述将所述待标注文本题目与所述文本题目库按预设的规则进行文本题目匹配，包括：
将所述文本题目库中的文本题目进行分词处理，生成词汇集；将包含相同知识点的文本题目进行合并，得到文本集；计算所述词汇集中词汇在所述文本集中文本的频率值，根据所述频率值建立词汇文本矩阵，对所述词汇文本矩阵进行降维处理，得到目标词汇文本矩阵；通过所述待标注文本题目中的词汇向所述目标词汇文本矩阵进行查询，以实现所述文本题目的匹配。
详细地，所述分词处理可以通过结巴分词、最短路径分词、以及NLP分词等技术实现。
本发明实施例中所述计算所述词汇集中词汇在所述文本集中文本的频率值的计算方法包括：
其中，fi表示词汇i在文本出现的频率值，ni表示在词汇i在文本的个数，v表示文本中所有词汇的个数。
所述词汇文本矩阵通过由各词汇在每篇文本中的出现频率生成，例如第i行第j列的元素数值aij可以表示第i个词汇在第j篇文本中出现的频率值，于是，在所述词汇文本矩阵中每一行对应一个词汇，每列对应一篇文本，M个词和N篇文章可以表示为M*N的矩阵。
所述降维处理可以通过主成分分析算法、监督线性降维算法以及奇异值分解算法等实现。较佳地，本发明通过奇异值分解算法实现所述词汇文本矩阵的降维，例如对于一个词汇文本矩阵为：wm*n，对其进行奇异值分解后所述词汇文本矩阵可以表示为三个矩阵乘积：w＝UAV，其中，U和V分别表示与矩阵w对应的左、右奇异向量矩阵，A表示由矩阵w的奇异值按照递减顺序排列构成的对角矩阵，选取U和V最前列构建r-秩近似矩阵wr，于是得到：wr＝UrArVr，其中，Ur和Vr的列向量为正向量，分别作为文本向量和词向量，用wr来近似表示所述词汇文本矩阵w，从而实现降维处理。
进一步地，本发明实施例所述目标词汇文本矩阵中的词汇文本关系包括：词和语义类的关系、文本和主题的关系以及语义类和主题的关系。其中关系的表现形式是以概率值矩阵的方式呈现，例如词和语义类的矩阵关系可以表示为：
U＝[[0.7,0.15]
[0.22,0.49]
[0.3,0.03]]
其中，每一行表示一个词，每一列表示一个语义类，Uij＝0.7这个值表示词i属于语义类j的概率为0.7。
较佳地，本发明中主题的个数为知识点的个数，比如人教版七年级下册有84个知识点，那么主题个数就是84，通过上述词汇文本矩阵包含的关系，能够得到一个主题对应的词汇集合。比如：主题1(知识点“分数的应用”)对应的词汇有[“分数的应用”、“应用分数”、“分母“、”分子“、”分数的加法“……]
进一步地，本发明实施例还包括对词汇集合进行筛选处理，即去除在其他知识点对应的词汇集合中也会出现的词汇，以使进行文本匹配时，只匹配到一个知识点。
基于上述的实施方式，通过文本中出现的词汇判定目标知识点，保证了知识点标注的准确性。
若所述文本题目匹配失败时，所述计算模块103、计算所述待标注文本题目与所述文本题目库中文本题目的相似度，若所述相似度大于预设的第一阈值时，将所述文本题目库中对应的文本题目知识点标记为所述待标注文本题目的知识点。
若所述文本题目匹配失败时，本发明在计算所述待标注文本题目与所述文本题目库中文本题目的相似度之前，将所述待标注文本题目转换成待标注文本题目向量，将所述预构建文本题目库中的文本题目转换成文本题目向量集；利用预设的相似度算法计算出所述待标注文本题目向量与所述文本题目向量集中文本题目向量的相似度，若所述相似度大于预设的第一阈值时，将所述文本题目库中对应的文本题目知识点标记为所述待标注文本题目的知识点。
所述将所述待标注文本题目转换成待标注文本题目向量以及将所述预构建文本题目库中的文本题目转换成文本题目向量集通过word2vec技术进行向量转换。
所述相似度算法包括：
其中，x表示所述待标注文本题目向量，y表示所述文本题目向量集中文本题目向量，xi表示所述待标注文本题目向量的第i个向量值，yi所述文本题目向量集中文本题目向量的第i个向量值。优选地，所述预设的第一阈值为0.9。
基于上述的手段，通过相似度算法来判定目标知识点，保证了文本题目知识点标注的全面性。
若所述相似度均不大于预设的第一阈值时，所述预测模块104、利用预先训练好的知识点标注模型对所述待标注文本题目向量进行知识点标注的预测，并输出所述待标注文本题目的知识点标注结果。
所述知识点标注模型包括输入门、遗忘门以及输出门。本发明较佳实施例通过下述方法训练所述知识点标注模型：获取所述文本题目库中的文本题目向量集；通过所述输入门计算所述文本题目向量集的状态值；通过所述遗忘门计算所述文本题目向量集的激活值；根据所述状态值和激活值计算所述文本题目向量集的状态更新值；利用所述输出门计算所述状态更新值的训练值，根据所述训练值调整所述知识点标注模型的参数，直至所述训练值小于预设的第二阈值时，完成所述知识点标注模型的训练。所述知识点标注模型的参数包括：偏执和权重。
可选地，所述预设的第二阈值为0.1。
所述文本题目向量集的状态值的计算方法包括：
其中，it表示所述状态值，
表示所述输入门中细胞单元的偏置，wi表示所述输入门的激活因子，ht-1表示文本题目向量在所述输入门t-1时刻的峰值，xt表示在t时刻输入的文本题目向量值，bi表示所述输入门中细胞单元的权重。
所述文本题目向量集的激活值的计算方法包括：
其中，ft表示所述激活值，
表示所述遗忘门中细胞单元的偏置，wf表示所述遗忘门的激活因子，
表示文本题目向量在所述遗忘门t-1时刻的峰值，xt表示在t时刻输入的文本题目向量值，bf表示所述遗忘门中细胞单元的权重。
所述文本题目向量集的状态更新值的计算方法包括：
其中，ct表示所述状态更新值，ht-1表示表示文本题目向量在所述输入门t-1时刻的峰值，
表示文本题目向量在所述遗忘门t-1时刻的峰值
所述训练值的计算方法包括：
ot＝tan h(ct)
其中，ot表示所述训练值，tan h表示所述输出门的激活函数，ct表示所述状态更新值。
进一步地，本发明实施例利用预先训练好的知识点标注模型对所述待标注文本题目向量进行知识点标注的预测，从而输出所述待标注文本题目的知识点标注结果。
基于上述的手段，采用训练好的知识点标注模型进行目标知识点的预测，实现了文本题目知识点的智能化标注。
如图3所示，是本发明实现知识点标注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，如知识点标注程序。
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，例如知识点标注程序的代码等，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(例如知识点标注程序等)，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存储的知识点标注程序12是多个指令的组合，在所述处理器10中运行时，可以实现：
获取待标注文本题目及预构建的文本题目库，所述文本题目库包含已标注知识点的文本题目；
将所述待标注文本题目与所述文本题目库按预设的规则进行文本题目匹配，若所述文本题目匹配成功，则将所述文本题目库中对应的文本题目的知识点标记为所述待标注文本题目的知识点；
若所述文本题目匹配失败，则则计算所述待标注文本题目与所述文本题目库中文本题目的相似度，若所述相似度大于预设的第一阈值时，将所述文本题目库中对应的文本题目知识点标记为所述待标注文本题目的知识点；
若所述相似度均不大于预设的第一阈值时，则利用预先训练好的知识点标注模型对所述待标注文本题目向量进行知识点标注的预测，并输出所述待标注文本题目的知识点标注结果。
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)
1.一种知识点标注方法，其特征在于，所述方法包括：
获取待标注文本题目及预构建的文本题目库，所述文本题目库包含已标注知识点的文本题目；
将所述待标注文本题目与所述文本题目库按预设的规则进行文本题目匹配，若所述文本题目匹配成功，则将所述文本题目库中对应的文本题目的知识点标记为所述待标注文本题目的知识点；
若所述文本题目匹配失败，则计算所述待标注文本题目与所述文本题目库中文本题目的相似度，若所述相似度大于预设的第一阈值时，将所述文本题目库中对应的文本题目知识点标记为所述待标注文本题目的知识点；
若所述相似度均不大于预设的第一阈值时，则利用预先训练好的知识点标注模型对所述待标注文本题目向量进行知识点标注的预测，并输出所述待标注文本题目的知识点标注结果。
2.如权利要求1所述的知识点标注方法，其特征在于，所述将所述待标注文本题目与所述文本题目库按预设的规则进行文本题目匹配，包括：
将所述文本题目库中的文本题目进行分词处理，生成词汇集；
将包含相同知识点的文本题目进行合并，得到文本集；
计算所述词汇集中各词汇在所述文本集中文本的频率值，根据所述频率值建立词汇文本矩阵，对所述词汇文本矩阵进行降维，得到目标词汇文本矩阵；
通过所述待标注文本题目中的词汇向所述目标词汇文本矩阵进行查询；
若在所述目标词汇文本矩阵没有查询到所述待标注文本题目的词汇，则判断所述文本题目匹配失败；
若在所述目标词汇文本矩阵查询到所述待标注文本题目的词汇，则判断所述文本题目匹配成功。
3.如权利要求2所述的知识点标注方法，其特征在于，所述计算所述词汇集中词汇在所述文本集中文本的频率值，包括：
利用下述公式计算所述词汇集中各词汇在所述文本集中文本的频率值：
其中，fi表示词汇i在文本出现的频率值，ni表示在词汇i在文本的个数，v表示文本中所有词汇的个数。
4.如权利要求1至3中任意一项所述的知识点标注方法，其特征在于，所述计算所述待标注文本题目与所述文本题目库中文本题目的相似度，包括：
将所述待标注文本题目转换成待标注文本题目向量，将所述文本题目库中的文本题目转换成文本题目向量集；
利用预设的相似度算法计算出所述待标注文本题目向量与所述文本题目向量集中文本题目向量的相似度。
5.如权利要求4所述的知识点标注方法，其特征在于，所述预设的相似度算法包括：
其中，x表示所述待标注文本题目向量，y表示所述文本题目向量集中文本题目向量，xi表示所述待标注文本题目向量的第i个向量值，yi所述文本题目向量集中文本题目向量的第i个向量值。
6.如权利要求4所述的知识点标注方法，其特征在于，该方法还包括训练所述知识点标注模型的步骤，该步骤包括：
获取所述文本题目库中的文本题目向量集；
计算所述文本题目向量集的状态值及激活值；
根据所述状态值和激活值计算所述文本题目向量集的状态更新值；
计算所述状态更新值的训练值，根据所述训练值调整所述知识点标注模型的参数，直至所述训练值小于预设的第二阈值时，完成所述知识点标注模型的训练。
7.如权利要求6所述的知识点标注方法，其特征在于，所述计算所述文本题目向量集的状态值，包括：
利用下述公式计算所述标准文本题目向量集的状态值：
其中，it表示所述状态值，
表示所述所述知识点标注模型的输入门中细胞单元的偏置，wi表示所述输入门的激活因子，ht-1表示文本题目向量在所述输入门t-1时刻的峰值，xt表示在t时刻输入的文本题目向量值，bi表示所述输入门中细胞单元的权重。
8.一种知识点标注装置，其特征在于，所述装置包括：
获取模块，用于获取待标注文本题目及预构建的文本题目库，所述文本题目库包含已标注知识点的文本题目；
匹配模块，用于将所述待标注文本题目与所述文本题目库按预设的规则进行文本题目匹配，若所述文本题目匹配成功，则将所述文本题目库中对应的文本题目的知识点标记为所述待标注文本题目的知识点；
计算模块，用于在所述文本题目匹配失败时，则计算所述待标注文本题目与所述文本题目库中文本题目的相似度，若所述相似度大于预设的第一阈值时，将所述文本题目库中对应的文本题目知识点标记为所述待标注文本题目的知识点；
预测模块，用于在所述相似度均不大于预设的第一阈值时，则利用预先训练好的知识点标注模型对所述待标注文本题目向量进行知识点标注的预测，并输出所述待标注文本题目的知识点标注结果。
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中任一所述的知识点标注方法。
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中任一所述的知识点标注方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010186612.XA CN111475645B (zh) | 2020-03-17 | 2020-03-17 | 知识点标注方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010186612.XA CN111475645B (zh) | 2020-03-17 | 2020-03-17 | 知识点标注方法、装置及计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111475645A true CN111475645A (zh) | 2020-07-31 |
| CN111475645B CN111475645B (zh) | 2024-04-30 |
Family
ID=71748212
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010186612.XA Active CN111475645B (zh) | 2020-03-17 | 2020-03-17 | 知识点标注方法、装置及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111475645B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112069782A (zh) * | 2020-09-08 | 2020-12-11 | 中国平安财产保险股份有限公司 | 文档模板生成方法、装置、电子设备及存储介质 |
| CN112100976A (zh) * | 2020-09-24 | 2020-12-18 | 上海松鼠课堂人工智能科技有限公司 | 知识点关系标注方法及系统 |
| CN112116092A (zh) * | 2020-08-11 | 2020-12-22 | 浙江师范大学 | 可解释性知识水平追踪方法、系统和存储介质 |
| CN113888757A (zh) * | 2021-09-27 | 2022-01-04 | 重庆师范大学 | 基于对标评价的考卷智能分析方法、系统及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107590127A (zh) * | 2017-09-21 | 2018-01-16 | 北京师范大学 | 一种题库知识点自动标注方法及系统 |
| CN109857846A (zh) * | 2019-01-07 | 2019-06-07 | 阿里巴巴集团控股有限公司 | 用户问句与知识点的匹配方法和装置 |
| 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 |
-
2020
- 2020-03-17 CN CN202010186612.XA patent/CN111475645B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107590127A (zh) * | 2017-09-21 | 2018-01-16 | 北京师范大学 | 一种题库知识点自动标注方法及系统 |
| CN109857846A (zh) * | 2019-01-07 | 2019-06-07 | 阿里巴巴集团控股有限公司 | 用户问句与知识点的匹配方法和装置 |
| 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 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112116092A (zh) * | 2020-08-11 | 2020-12-22 | 浙江师范大学 | 可解释性知识水平追踪方法、系统和存储介质 |
| CN112069782A (zh) * | 2020-09-08 | 2020-12-11 | 中国平安财产保险股份有限公司 | 文档模板生成方法、装置、电子设备及存储介质 |
| CN112069782B (zh) * | 2020-09-08 | 2023-09-19 | 中国平安财产保险股份有限公司 | 文档模板生成方法、装置、电子设备及存储介质 |
| CN112100976A (zh) * | 2020-09-24 | 2020-12-18 | 上海松鼠课堂人工智能科技有限公司 | 知识点关系标注方法及系统 |
| CN113888757A (zh) * | 2021-09-27 | 2022-01-04 | 重庆师范大学 | 基于对标评价的考卷智能分析方法、系统及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111475645B (zh) | 2024-04-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111475645A (zh) | 知识点标注方法、装置及计算机可读存储介质 | |
| CN112016304A (zh) | 文本纠错方法、装置、电子设备及存储介质 | |
| CN112732915A (zh) | 情感分类方法、装置、电子设备及存储介质 | |
| CN111626047A (zh) | 智能化文本纠错方法、装置、电子设备及可读存储介质 | |
| CN111695354A (zh) | 基于命名实体的文本问答方法、装置及可读存储介质 | |
| CN112100384B (zh) | 一种数据观点抽取方法、装置、设备及存储介质 | |
| CN108959566A (zh) | 一种基于Stacking集成学习的医疗文本去隐私方法和系统 | |
| CN113378970B (zh) | 语句相似性检测方法、装置、电子设备及存储介质 | |
| CN113704429A (zh) | 基于半监督学习的意图识别方法、装置、设备及介质 | |
| CN112364170A (zh) | 数据情感分析方法、装置、电子设备及介质 | |
| CN113807973B (zh) | 文本纠错方法、装置、电子设备及计算机可读存储介质 | |
| CN112988963A (zh) | 基于多流程节点的用户意图预测方法、装置、设备及介质 | |
| CN112632264A (zh) | 智能问答方法、装置、电子设备及存储介质 | |
| CN113887930A (zh) | 问答机器人健康度评估方法、装置、设备及存储介质 | |
| CN113704410A (zh) | 情绪波动检测方法、装置、电子设备及存储介质 | |
| CN115238115A (zh) | 基于中文数据的图像检索方法、装置、设备及存储介质 | |
| CN113344125B (zh) | 长文本匹配识别方法、装置、电子设备及存储介质 | |
| CN113420542B (zh) | 对话生成方法、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 | |
| CN113869456A (zh) | 采样监测方法、装置、电子设备及存储介质 | |
| CN112988962A (zh) | 文本纠错方法、装置、电子设备及存储介质 | |
| CN113254814A (zh) | 网络课程视频打标签方法、装置、电子设备及介质 | |
| CN112632260A (zh) | 智能问答方法、装置、电子设备及计算机可读存储介质 | |
| CN114417891B (zh) | 基于粗糙语义的回复语句确定方法、装置及电子设备 | |
| CN112069322B (zh) | 文本多标签分析方法、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 |