CN111767307A - 对象处理方法及系统、数学题目批改方法及系统 - Google Patents

对象处理方法及系统、数学题目批改方法及系统 Download PDF

Info

Publication number
CN111767307A
CN111767307A CN202010639193.0A CN202010639193A CN111767307A CN 111767307 A CN111767307 A CN 111767307A CN 202010639193 A CN202010639193 A CN 202010639193A CN 111767307 A CN111767307 A CN 111767307A
Authority
CN
China
Prior art keywords
target
determining
type
corrected
processed
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.)
Pending
Application number
CN202010639193.0A
Other languages
English (en)
Inventor
马广龙
唐育洋
翁秋洁
贾若愚
柳景明
郭常圳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Ape Power Future Technology Co Ltd
Original Assignee
Beijing Ape Power Future Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Ape Power Future Technology Co Ltd filed Critical Beijing Ape Power Future Technology Co Ltd
Priority to CN202010639193.0A priority Critical patent/CN111767307A/zh
Publication of CN111767307A publication Critical patent/CN111767307A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24Querying
    • G06F16/245Query processing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/40Document-oriented image-based pattern recognition
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10Character recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Multimedia (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本说明书提供对象处理方法及系统、数学题目批改方法及系统,其中所述对象处理方法包括:获取待处理第一对象和第二对象,并确定所述待处理第一对象对应的目标类型;根据所述目标类型,确定目标处理模板;根据所述目标处理模板,确定所述待处理第一对象对应的第一处理结果;将所述第一处理结果与所述待处理第二对象比较,确定第二处理结果。本说明书提供的对象处理方法可以减少因预设对象库中对象不足而造成的覆盖低、效果差的缺点,可以适应部分类型对象千变万化而导致无法处理的情况,对象的处理效率较高,适应性高。

Description

对象处理方法及系统、数学题目批改方法及系统
技术领域
本说明书涉及人工智能技术领域,特别涉及一种对象处理方法。本说明书同时涉及一种对象处理系统,一种数学题目批改方法及系统,一种计算设备,以及一种计算机可读存储介质。
背景技术
数学是学习生涯中不可或缺的一门学科,学生在日常学习生活中,往往需要完成各种作业及测试,而学生完成之后,需要教师手动处理作业或试卷中的各个题目,给教师带来了相当大的工作量。随着计算机技术和教育信息化的不断发展,计算机技术已经逐步应用于各种日常的教育活动中,例如利用计算机技术对学生提交的作业或试卷进行自动处理。
现有技术中,是预先建立一个习题库,该习题库中包括多个题目和题目对应的正确答案。对于学生提交的待批改题目,在习题库中进行搜索,若搜索到一模一样的题目,则根据该题目在习题库中的正确答案,对待批改题目进行处理,若搜索不到一模一样的题目,则需要教师对待批改题目进行处理。
然而,上述处理过程,只能应用于待批改题目和习题库中的题目一模一样的情况,如果待批改题目和习题库中题目不一样就无法批改,而数学题目的题型丰富,千变万化,若发生简易变化,就无法进行批改,批改效率极低,适用性差。
发明内容
有鉴于此,本说明书实施例提供了一种对象处理方法。本说明书同时涉及一种对象处理系统,一种数学题目批改方法及系统,一种计算设备,以及一种计算机可读存储介质,以解决现有技术中存在的技术缺陷。
根据本说明书实施例的第一方面,提供了一种对象处理方法,包括:
获取待处理第一对象和第二对象,并确定所述待处理第一对象对应的目标类型;
根据所述目标类型,确定目标处理模板;
根据所述目标处理模板,确定所述待处理第一对象对应的第一处理结果;
将所述第一处理结果与所述待处理第二对象比较,确定第二处理结果。
可选的,所述根据所述目标类型,确定目标处理模板,包括:
根据所述目标类型,对所述待处理第一对象进行解析,获取目标操作因子;
根据所述目标操作因子和所述目标类型,确定所述目标处理模板。
可选的,所述根据所述目标处理模板,确定所述待处理第一对象对应的第一处理结果,包括:
根据所述目标处理模板和所述目标操作因子,生成所述待处理第一对象的处理公式;
根据所述处理公式,确定所述待处理第一对象对应的第一处理结果。
可选的,所述确定所述待处理第一对象对应的目标类型,包括:
提取所述待处理第一对象的目标字段;
根据预设类型库和所述目标字段,确定所述待处理第一对象对应的目标类型。
可选的,所述预设类型库包括多个预设类型及每个预设类型对应的关键字,所述根据预设类型库和所述目标字段,确定所述待处理第一对象对应的目标类型,包括:
判断所述目标字段是否为所述预设类型库中包括的关键字;
若是,则将所述关键字对应的预设类型确定为所述待处理第一对象对应的目标类型。
可选的,所述确定所述待处理第一对象对应的目标类型,包括:
根据分类识别模型,确定所述待处理第一对象对应的目标类型。
可选的,所述根据分类识别模型,确定所述待处理第一对象对应的目标类型之前,还包括:
获取对象样本集,所述对象样本集中包括的对象标识有对应的目标类型;
根据所述对象样本集,对初始模型进行训练,得到所述分类识别模型。
可选的,所述获取待处理第一对象和第二对象之后,且确定所述待处理第一对象对应的目标类型之前,还包括:
对所述待处理第一对象进行预处理,所述预处理包括滤词、纠正词语、切词。
可选的,所述获取待处理第一对象和第二对象,包括:
获取目标图像,对所述目标图像进行文字识别,确定所述目标图像中包括的各个第一对象,或者获取目标文档,提取所述目标文档中包括的各个第一对象;
确定所述各个第一对象的对象类型;
将所述对象类型为目标对象类型的第一对象确定为所述待处理第一对象;
将所述待处理第一对象对应的对象确定为待处理第二对象。
可选的,所述将所述第一处理结果与所述待处理第二对象比较,确定第二处理结果之后,还包括:
若所述第二处理结果为第一目标结果,则在所述待处理第二对象对应位置增加第一标识符号;
若所述第二处理结果为第二目标结果,则在所述待处理第二对象对应位置增加第二标识符号。
根据本说明书实施例的第二方面,提供了一种数学题目批改方法,包括:
获取待批改题目和待批改题目的答案,并确定所述待批改题目对应的知识点类型;
根据所述知识点类型,确定目标公式模板;
根据所述目标公式模板,确定出所述待批改题目的正确答案;
将所述正确答案与所述待批改题目的答案比较,确定批改结果。
可选的,所述根据所述知识点类型,确定目标公式模板,包括:
根据所述知识点类型,对所述待批改题目的题干进行解析,获取目标操作因子;
根据所述目标操作因子和所述知识点类型,确定所述目标公式模板。
可选的,所述根据所述目标公式模板,确定出所述待批改题目的正确答案,包括:
根据所述目标公式模板和所述目标操作因子,生成所述待批改题目的计算公式;
根据所述计算公式,确定出所述待批改题目的正确答案。
可选的,所述确定所述待批改题目对应的知识点类型,包括:
提取所述待批改题目的目标字段;
根据预设知识点类型库和所述目标字段,确定所述待批改题目对应的知识点类型。
可选的,所述预设知识点类型库包括多个预设知识点类型及每个预设知识点类型对应的关键字,所述根据预设知识点类型库和所述目标字段,确定所述待批改题目对应的知识点类型,包括:
判断所述目标字段是否为所述预设知识点类型库中包括的关键字;
若是,则将所述关键字对应的预设知识点类型确定为所述待批改题目对应的知识点类型。
可选的,所述确定所述待批改题目对应的知识点类型,包括:
根据分类识别模型,确定所述待批改题目对应的知识点类型。
可选的,所述根据分类识别模型,确定所述待批改题目对应的知识点类型之前,还包括:
获取题目样本集,所述题目样本集中包括的题目标识有对应的知识点类型;
根据所述题目样本集,对初始模型进行训练,得到所述分类识别模型。
可选的,所述获取待批改题目之后,且确定所述待批改题目对应的知识点类型之前,还包括:
对所述待批改题目的题干信息进行预处理,所述预处理包括滤词、纠正词语、切词。
可选的,所述获取待批改题目和待批改题目的答案,包括:
获取题目图像,对所述题目图像进行文字识别,确定所述题目图像中包括的各个题目,或者获取题目文档,提取所述题目文档中包括的各个题目;
确定所述各个题目的题目类型;
将所述题目类型为目标类型的题目确定为所述待批改题目;
将所述待批改题目对应的答案确定为所述待批改题目的答案。
可选的,所述将所述正确答案与所述待批改题目的答案比较,确定批改结果之后,还包括:
若所述批改结果为正确,则在所述待批改题目的答案对应位置增加正确标识符号;
若所述批改结果为错误,则在所述待批改题目的答案对应位置增加错误标识符号。
根据本说明书实施例的第三方面,提供了一种对象处理系统,包括:
类型确定模块,被配置为获取待处理第一对象和第二对象,并确定所述待处理第一对象对应的目标类型;
模板确定模块,被配置为根据所述目标类型,确定目标处理模板;
第一处理结果确定模块,被配置为根据所述目标处理模板,确定所述待处理第一对象对应的第一处理结果;
第二处理结果确定模块,被配置为将所述第一处理结果与所述待处理第二对象比较,确定第二处理结果。
可选的,所述模板确定模块进一步被配置为:
根据所述目标类型,对所述待处理第一对象进行解析,获取目标操作因子;
根据所述目标操作因子和所述目标类型,确定所述目标处理模板。
可选的,所述第一处理结果确定模块进一步被配置为:
根据所述目标处理模板和所述目标操作因子,生成所述待处理第一对象的处理公式;
根据所述处理公式,确定所述待处理第一对象对应的第一处理结果。
可选的,所述类型确定模块进一步被配置为:
提取所述待处理第一对象的目标字段;
根据预设类型库和所述目标字段,确定所述待处理第一对象对应的目标类型。
可选的,所述预设类型库包括多个预设类型及每个预设类型对应的关键字,所述类型确定模块进一步被配置为:
判断所述目标字段是否为所述预设类型库中包括的关键字;
若是,则将所述关键字对应的预设类型确定为所述待处理第一对象对应的目标类型。
可选的,所述类型确定模块进一步被配置为:
根据分类识别模型,确定所述待处理第一对象对应的目标类型。
可选的,所述类型确定模块进一步被配置为:
获取对象样本集,所述对象样本集中包括的对象标识有对应的目标类型;
根据所述对象样本集,对初始模型进行训练,得到所述分类识别模型。
可选的,所述系统还包括:
预处理模块,被配置为对所述待处理第一对象进行预处理,所述预处理包括滤词、纠正词语、切词。
可选的,所述类型确定模块进一步被配置为:
获取目标图像,对所述目标图像进行文字识别,确定所述目标图像中包括的各个第一对象,或者获取目标文档,提取所述目标文档中包括的各个第一对象;
确定所述各个第一对象的对象类型;
将所述对象类型为目标对象类型的第一对象确定为所述待处理第一对象;
将所述待处理第一对象对应的对象确定为待处理第二对象。
可选的,所述系统还包括:
第一标识模块,被配置为若所述第二处理结果为第一目标结果,则在所述待处理第二对象对应位置增加第一标识符号;
第二标识模块,被配置为若所述第二处理结果为第二目标结果,则在所述待处理第二对象对应位置增加第二标识符号。
根据本说明书实施例的第四方面,提供了一种数学题目批改系统,包括:
题目类型确定模块,被配置为获取待批改题目和待批改题目的答案,并确定所述待批改题目对应的知识点类型;
公式模板确定模块,被配置为根据所述知识点类型,确定目标公式模板;
计算模块,被配置为根据所述目标公式模板,确定出所述待批改题目的正确答案;
批改结果确定模块,被配置为将所述正确答案与所述待批改题目的答案比较,确定批改结果。
可选的,所述公式模板确定模块进一步被配置为:
根据所述知识点类型,对所述待批改题目的题干进行解析,获取目标操作因子;
根据所述目标操作因子和所述知识点类型,确定所述目标公式模板。
可选的,所述计算模块进一步被配置为:
根据所述目标公式模板和所述目标操作因子,生成所述待批改题目的计算公式;
根据所述计算公式,计算出所述待批改题目的正确答案。
可选的,所述题目类型确定模块进一步被配置为:
提取所述待批改题目的目标字段;
根据预设知识点类型库和所述目标字段,确定所述待批改题目对应的知识点类型。
可选的,所述预设知识点类型库包括多个预设知识点类型及每个预设知识点类型对应的关键字,所述题目类型确定模块进一步被配置为:
判断所述目标字段是否为所述预设知识点类型库中包括的关键字;
若是,则将所述关键字对应的预设知识点类型确定为所述待批改题目对应的知识点类型。
可选的,所述题目类型确定模块进一步被配置为:
根据分类识别模型,确定所述待批改题目对应的知识点类型。
可选的,所述题目类型确定模块进一步被配置为:
获取题目样本集,所述题目样本集中包括的题目标识有对应的知识点类型;
根据所述题目样本集,对初始模型进行训练,得到所述分类识别模型。
可选的,所述系统还包括:
预处理模块,被配置为对所述待批改题目的题干信息进行预处理,所述预处理包括滤词、纠正词语、切词。
可选的,所述题目类型确定模块进一步被配置为:
获取题目图像,对所述题目图像进行文字识别,确定所述题目图像中包括的各个题目,或者获取题目文档,提取所述题目文档中包括的各个题目;
确定所述各个题目的题目类型;
将所述题目类型为目标类型的题目确定为所述待批改题目;
将所述待批改题目对应的答案确定为所述待批改题目的答案。
可选的,所述系统还包括:
第一标识模块,被配置为若所述批改结果为正确,则在所述待批改题目的答案对应位置增加正确标识符号;
第二标识模块,被配置为若所述批改结果为错误,则在所述待批改题目的答案对应位置增加错误标识符号。
根据本说明书实施例的第五方面,提供了一种计算设备,包括:
存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令:
获取待处理第一对象和第二对象,并确定所述待处理第一对象对应的目标类型;
根据所述目标类型,确定目标处理模板;
根据所述目标处理模板,确定所述待处理第一对象对应的第一处理结果;
将所述第一处理结果与所述待处理第二对象比较,确定第二处理结果。
根据本说明书实施例的第六方面,提供了一种计算设备,包括:
存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令:
获取待批改题目和待批改题目的答案,并确定所述待批改题目对应的知识点类型;
根据所述知识点类型,确定目标公式模板;
根据所述目标公式模板,确定出所述待批改题目的正确答案;
将所述正确答案与所述待批改题目的答案比较,确定批改结果。
根据本说明书实施例的第七方面,提供了一种计算机可读存储介质,其存储有计算机可执行指令,该指令被处理器执行时实现任意所述第一方面的对象处理方法的步骤。
根据本说明书实施例的第八方面,提供了一种计算机可读存储介质,其存储有计算机可执行指令,该指令被处理器执行时实现任意所述第二方面的数学题目批改方法的步骤。
本说明书提供的对象处理方法,获取待处理第一对象和第二对象,并确定所述待处理第一对象对应的目标类型;然后根据所述目标类型,确定目标处理模板;再根据所述目标处理模板,确定所述待处理第一对象对应的第一处理结果;之后将所述第一处理结果与所述待处理第二对象比较,确定第二处理结果。这种情况下,是针对待处理第一对象匹配出对应的目标处理模板,然后根据目标处理模板对待处理第一对象进行处理,从而确定出第一处理结果,然后再和待处理第二对象进行比对,进一步确定出第二处理结果,可以减少因预设对象库中对象不足而造成的覆盖低、效果差的缺点,可以适应部分类型对象千变万化而导致无法处理的情况,对象的处理效率较高,适应性高。
附图说明
图1是本说明书一实施例提供的一种对象处理方法的流程图;
图2是本说明书一实施例提供的一种数学题目批改方法的流程图;
图3是本说明书一实施例提供的一种对象处理系统的结构示意图;
图4是本说明书一实施例提供的一种数学题目批改系统的结构示意图;
图5是本说明书一实施例提供的一种计算设备的结构框图;
图6是本说明书一实施例提供的另一种计算设备的结构框图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本说明书。但是本说明书能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本说明书内涵的情况下做类似推广,因此本说明书不受下面公开的具体实施的限制。
在本说明书一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本说明书一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本说明书一个或多个实施例中可能采用术语第一、第二等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本说明书一个或多个实施例范围的情况下,第一也可以被称为第二,类似地,第二也可以被称为第一。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
首先,对本说明书的基本构思进行简述:
待处理第一对象的类型丰富,千变万化,目前的待处理第一对象的处理都只依赖搜索技术进行。但是基于自建对象库的搜索技术,一方面自建对象库成本很高,其次在对象搜索召回的对象中,准确率不能保证,故造成有些待处理第一对象无法处理或者处理错误,最后即使保证待处理第一对象搜索的准确率情况下,对象库也无法满足对千变万化的待处理第一对象进行处理。
待处理第一对象包括多种类型,如选择类型、填空类型、应用类型等。填空类型是巩固已学知识、检测计算能力的一个重要类型,该类型用一段简单的文字描述一个数学中某一知识点的已知条件,而后空出要问的答案,让解题者填写该类型的处理结果。这种类型需要处理者利用该知识点的相关知识,通过简单的快速计算给出处理结果,以此检验对某一知识点的掌握程度。对于该类型对象进行处理,一般的方法需要通过搜索技术,在对象库中搜索到该对象在对象库中的原始对象,并利用原始对象对应的处理结果对待处理第二对象进行处理。
例如,待处理第一对象为:11比25少()%,在这个例子中“11比25少()%”,考察的是小学数学阶段百分数知识,要求解的是一个数比另一个数少百分之几,在对象库中进行搜索,搜索到了最相近对象为10比25少()%,搜到的对象与待处理第一对象并不一致,所以不能进行处理。
本说明书中提供了一种对象处理方法,获取待处理第一对象和第二对象,并确定所述待处理第一对象对应的目标类型;然后根据所述目标类型,确定目标处理模板;再根据所述目标处理模板,确定所述待处理第一对象对应的第一处理结果;之后将所述第一处理结果与所述待处理第二对象比较,确定第二处理结果,可以减少因预设对象库中对象不足而造成的覆盖低、效果差的缺点,可以适应部分类型对象千变万化而导致无法处理的情况。
在本说明书中,提供了一种对象处理方法,本说明书同时涉及一种对象处理系统,一种数学题目批改方法及系统,一种计算设备,以及一种计算机可读存储介质,在下面的实施例中逐一进行详细说明。
图1示出了根据本说明书一实施例提供的一种对象处理方法的流程图,具体包括以下步骤:
步骤102:获取待处理第一对象和第二对象,并确定所述待处理第一对象对应的目标类型。
具体的,待处理第一对象可以为处理者提交的对象,如填空题、应用题、选择题等;待处理第二对象可以为处理者针对待处理第一对象的处理结果;目标类型为待处理第一对象对应的知识点类型,如百分数类型、公倍数类型、公约数类型等。
在本实施例的一个或多个实施过程中,若处理者以图像方式提交待处理第一对象和第二对象,则此时获取待处理第一对象和第二对象的具体实现过程可以如下:
获取目标图像,对所述目标图像进行文字识别,确定所述目标图像中包括的各个第一对象;
确定所述各个第一对象的对象类型;
将所述对象类型为目标对象类型的第一对象确定为所述待处理第一对象;
将所述待处理第一对象对应的对象确定为待处理第二对象。
具体的,第一对象为识别目标图像得到的各个对象;对象类型为对象所属的类型,如选择类型、填空类型、应用类型、分析类型、画图类型等;目标对象类型是指对象处理系统能够处理的第一对象对应的类型,如填空类型、选择类型、应用类型等。
在本实施例的一个或多个实施过程中,若处理者以电子文档方式提交待处理第一对象和第二对象,此时获取待处理第一对象和第二对象的具体实现过程可以如下:
获取目标文档,提取所述目标文档中包括的各个第一对象;
确定所述各个第一对象的对象类型;
将所述对象类型为目标对象类型的第一对象确定为所述待处理第一对象;
将所述待处理第一对象对应的对象确定为待处理第二对象。
具体的,目标文档是指处理者提交的电子文档。从目标文档中提取其包括的各个第一对象后,确定待处理第一对象和第二对象的具体实现过程和上述根据目标图像,确定待处理第一对象和第二对象的具体实现过程相类似,本说明书在此不再进行赘述。
值得说明的是,本说明书中不论处理者以何种形式提交待处理第一对象和第二对象,均可以对其进行处理,适用性较高。
在本实施例的一个或多个实施方式中,可以利用预先设置的预设类型库,确定所述待处理第一对象对应的目标类型,具体实现过程可以为:
提取所述待处理第一对象的目标字段;
根据预设类型库和所述目标字段,确定所述待处理第一对象对应的目标类型。
具体的,目标字段是指可以体现待处理第一对象的目标类型的字段,如数字前后的字段。预设类型库为预先设置的包括多个预设类型及每个预设类型对应的关键字的类型库。
实际应用中,可以判断目标字段是否为预设类型库中包括的关键字,若是,则将所述关键字对应的预设类型确定为所述待处理第一对象对应的目标类型;若否,则返回无法确定待处理第一对象对应的目标类型的提示。
例如,预设类型库包括:第一类型-关键字1,第二类型-关键字2、第三类型-关键字3,假设待处理第一对象的目标字段为字段1,且字段1与关键字2相同,则此时将关键字2对应的第二类型确定为待处理对象对应的目标类型。
在本实施例的一个或多个实施方式中,还可以利用分类识别模型确定所述待处理第一对象对应的目标类型,具体实现过程可以为:将待处理第一对象的特征向量输入分类识别模型中,根据分类识别模型的输出确定所述待处理第一对象对应的目标类型。
实际应用中,在根据分类识别模型,确定所述待处理第一对象对应的目标类型之前,还可以训练得到该分类识别模型,具体实现过程可以如下:
获取对象样本集,所述对象样本集中包括的对象标识有对应的目标类型;
根据所述对象样本集,对初始模型进行训练,得到所述分类识别模型。
值得说明的是,通过预设类型库确定待处理第一对象对应的目标类型的方式较为简单,不需要涉及模型训练过程,操作过程简单,但由于预设类型库包括的预设类型有限,确定待处理第一对象对应的目标类型的准确率和成功率有限;通过分类识别模型确定待处理第一对象对应的目标类型的方式较为准确,成功率高,但是涉及模型训练过程,操作较为复杂。实际应用中,可以根据实际情况,对正确率、效率、成功率、成本等的实际要求,灵活选择确定待处理第一对象对应的目标类型的方式,适应性高。
在本实施例的一个或多个实施方式中,在获取待处理第一对象和第二对象之后,且确定所述待处理第一对象对应的目标类型之前,还可以对待处理第一对象进行预处理,具体实现过程可以如下:
对所述待处理第一对象进行预处理,所述预处理包括滤词、纠正词语、切词。
值得说明的是,在对待处理第一对象开始处理之前,还可以先对待处理第一对象进行预处理,过滤掉无用的词语,对错误词语进行纠正,对完整语句进行切词等,从而方便后续对待处理第一对象进行处理,提高处理效率。
步骤104:根据所述目标类型,确定目标处理模板。
具体的,在获取待处理第一对象和第二对象,并确定所述待处理第一对象对应的目标类型的基础上,进一步的,将根据所述目标类型,确定目标处理模板。其中,目标处理模板是指所有目标类型的对象处理的公式模板。
在本实施例的一个或多个实施方式中,根据所述目标类型,确定目标处理模板,具体实现过程可以为:
根据所述目标类型,对所述待处理第一对象进行解析,获取目标操作因子;
根据所述目标操作因子和所述目标类型,确定所述目标处理模板。
具体的,目标操作因子可以指待处理第一对象中包括的求解条件,根据该求解条件和目标类型,匹配出对应的目标处理模板。
步骤106:根据所述目标处理模板,确定所述待处理第一对象对应的第一处理结果。
具体的,在根据所述目标类型,确定目标处理模板的基础上,进一步的,将根据所述目标处理模板,确定所述待处理第一对象对应的第一处理结果。其中,第一处理结果是指待处理第一对象对应的正确结果。
在本实施例的一个或多个实施方式中,根据所述目标处理模板,确定所述待处理第一对象对应的第一处理结果,具体实现过程可以为:
根据所述目标处理模板和所述目标操作因子,生成所述待处理第一对象的处理公式;
根据所述处理公式,确定所述待处理第一对象对应的第一处理结果。
具体的,处理公式是指将所述目标操作因子带入目标处理模板后生成的计算公式,用于计算第一对象对应的第一处理结果。
步骤108:将所述第一处理结果与所述待处理第二对象比较,确定第二处理结果。
具体的,在根据所述目标处理模板,确定所述待处理第一对象对应的第一处理结果的基础上,进一步的,将所述第一处理结果与所述待处理第二对象比较,确定第二处理结果。其中,第二处理结果是指处理者针对待处理第一对象的处理是否正确的结果。
在本实施例的一个或多个实施方式中,确定出第二处理结果后,还可以根据第二处理结果对待处理第二对象进行标注,方便返回给处理者后,供处理者查阅,具体实现过程为:
若所述第二处理结果为第一目标结果,则在所述待处理第二对象对应位置增加第一标识符号;
若所述第二处理结果为第二目标结果,则在所述待处理第二对象对应位置增加第二标识符号。
具体的,第一标识符号可以为第一目标结果对应的标识符号,如第一目标结果为处理结果正确,则第一标识符号可以为正确符号;第二标识符号可以为第二目标结果对应的标识符号,如第二目标结果为处理结果错误,则第二标识符号可以为错误符号。
在本实施例的一个或多个实施方式中,若所述第一处理结果与所述待处理第二对象不相同时,还可以将所述第一处理结果增加在所述待处理第二对象对应位置,从而可以反馈待处理第一对象应该对应的正确的处理结果,方便学生查错和修改。
本说明书提供的对象处理方法,获取待处理第一对象和第二对象,并确定所述待处理第一对象对应的目标类型;然后根据所述目标类型,确定目标处理模板;再根据所述目标处理模板,确定所述待处理第一对象对应的第一处理结果;之后将所述第一处理结果与所述待处理第二对象比较,确定第二处理结果。这种情况下,是针对待处理第一对象匹配出对应的目标处理模板,然后根据目标处理模板对待处理第一对象进行处理,从而确定出第一处理结果,然后再和待处理第二对象进行比对,从而进一步确定出第二处理结果,可以减少因预设对象库中对象不足而造成的覆盖低、效果差的缺点,可以适应部分类型对象千变万化而导致无法处理的情况,对象的处理效率较高,适应性高。另外,当处理者针对待处理第一对象处理得到的第二对象错误时,还可以给出正确处理结果,极大的丰富了返回给处理者的处理结果。
下述结合附图2,以本说明书提供的对象处理方法在数学题目批改中的应用为例,对所述对象处理方法进行进一步说明。其中,图2示出了本说明书一实施例提供的一种数学题目批改方法的处理流程图,具体包括以下步骤:
步骤202:获取待批改题目和待批改题目的答案,并确定所述待批改题目对应的知识点类型。
具体的,待批改题目可以为学生提交的作业或试卷中包括的题目,如填空题、应用题、选择题等;待批改题目的答案为学生针对待批改题目填写的答案;知识点类型如百分数类型、公倍数类型、公约数类型等。
实际应用中,不仅可以对填空题进行批改,还可以对选择题、应用题等题型进行批改。若待批改题目为填空题,则待批改题目的答案可以为空白位置处填写的答案;若待批改题目为应用题,则待批改题目的答案可以为针对该应用题进行解答,最后的解答结果;若待批改题目为选择题,则待批改题目的答案可以为空白位置处填写的选项对应的具体内容。
在本实施例的一个或多个实施过程中,教师分发作业或试卷的形式不同,学生作答的形式也可能会不同。若教师分发的作业或试卷为纸质版本的,则学生可以在纸质版本上作答,然后拍照或扫描上传,此时获取待批改题目和待批改题目的答案的具体实现过程可以如下:
获取题目图像,对所述题目图像进行文字识别,确定所述题目图像中包括的各个题目;
确定所述各个题目的题目类型;
将所述题目类型为目标类型的题目确定为所述待批改题目;
将所述待批改题目对应的答案确定为所述待批改题目的答案。
具体的,题目类型为待批改题目所属的题型,如选择题、填空题、应用题、分析题、画图题等;目标类型是指对象处理系统能够处理的题型,如填空题、选择题、应用题等。
实际应用中,题目图像可能是整个试卷或整个作业的图像,该题目图像中可能会包括各个类型的题目,但是可能会存在某些类型的题目不能处理,例如画图题或分析题等,因而需要将题目图像中包括的各个题目中类型为目标类型的题目确定为所述待批改题目,然后将学生针对待批改题目作答的答案确定为待批改题目的答案。
另外,由于学生提交的作业或试卷包括的内容可能较多,因而一张图像可能无法包括全部的题目,因而获取到的题目图像可能为一张,也可能为多张,若包括多张题目图像,则分别对每一张题目图像进行文字识别,确定包括的各个题目即可。另外,由于数学题目批改系统可能不仅可以处理一种类型的题目,因而目标类型可能为一种类型,也可能为多种类型,本说明书对此均不进行限制。
在本实施例的一个或多个实施过程中,若教师分发的作业或试卷为电子版本的,则学生可以直接在电子设备上作答,然后直接提交电子文档即可,此时获取待批改题目和待批改题目的答案的具体实现过程可以如下:
获取题目文档,提取所述题目文档中包括的各个题目;
确定所述各个题目的题目类型;
将所述题目类型为目标类型的题目确定为所述待批改题目;
将所述待批改题目对应的答案确定为所述待批改题目的答案。
具体的,题目文档是指学生作答完作业或试卷后提交的电子文档。从题目文档中提取其包括的各个题目后,确定待批改题目和待批改题目的答案的具体实现过程和上述根据题目图像,确定待批改题目和待批改题目的答案的具体实现过程相类似,本说明书在此不再进行赘述。
值得说明的是,本说明书中不论教师分发的作业或试卷为何种格式,均可以对其进行处理,获取到待批改题目和待批改题目的答案,不需要限制必须为电子版本,适用性较高。
在本实施例的一个或多个实施方式中,可以利用预先设置的预设知识点类型库,确定所述待批改题目对应的知识点类型,具体实现过程可以为:
提取所述待批改题目的目标字段;
根据预设知识点类型库和所述目标字段,确定所述待批改题目对应的知识点类型。
具体的,目标字段是指可以体现待批改题目的知识点类型的字段,如数字前后的字段。预设知识点类型库为预先设置的包括多个预设知识点类型及每个预设知识点类型对应的关键字的类型库。
实际应用中,可以判断目标字段是否为预设知识点类型库中包括的关键字,若是,则将所述关键字对应的预设知识点类型确定为所述待批改题目对应的知识点类型;若否,则返回无法确定待批改题目对应的知识点类型的提示。
例如,预设知识点类型库包括:公倍数类型-关键字:公倍数、公约数类型-关键字:公约数、百分数类型-关键字:百分、百分比、百分号,假设待批改题目的目标字段为最小公倍数,由于最小公倍数与关键字:公倍数相同,因而此时将关键字公倍数对应的公倍数类型确定为待批改题目对应的知识点类型。
在本实施例的一个或多个实施方式中,还可以利用分类识别模型确定所述待批改题目对应的知识点类型,具体实现过程可以为:根据分类识别模型,确定所述待批改题目对应的知识点类型。
实际应用中,在根据分类识别模型,确定所述待批改题目对应的知识点类型之前,还可以训练得到该分类识别模型,具体实现过程可以如下:
获取题目样本集,所述题目样本集中包括的题目标识有对应的知识点类型;
根据所述题目样本集,对初始模型进行训练,得到所述分类识别模型。
需要说明的是,对初始模型进行训练,得到分类识别模型的具体实现过程,可以参考现有技术中模型训练的相关内容,本说明书在此不再进行赘述。
值得说明的是,通过预设知识点类型库确定待批改题目对应的知识点类型的方式较为简单,不需要涉及模型训练过程,操作过程简单,但由于预设知识点类型库包括的预设知识点类型有限,确定待批改题目对应的知识点类型的准确率和成功率有限;通过分类识别模型确定待批改题目对应的知识点类型的方式较为准确,成功率高,但是涉及模型训练过程,操作较为复杂。实际应用中,可以根据实际情况,对正确率、效率、成功率、成本等的实际要求,灵活选择确定待批改题目对应的知识点类型的方式,适应性高。
在本实施例的一个或多个实施方式中,在获取待批改题目和待批改题目的答案之后,且确定所述待批改题目对应的知识点类型之前,还可以对待批改题目进行预处理,具体实现过程可以如下:
对所述待批改题目的题干信息进行预处理,所述预处理包括滤词、纠正词语、切词。
值得说明的是,在对待批改题目开始处理之前,还可以先对待批改题目进行预处理,过滤掉无用的词语,对错误词语进行纠正,对完整语句进行切词等,从而方便后续对待批改题目进行处理,提高处理效率。
步骤204:根据所述知识点类型,确定目标公式模板。
具体的,获取待批改题目和待批改题目的答案,并确定所述待批改题目对应的知识点类型的基础上,进一步的,将根据所述知识点类型,确定目标公式模板。其中,目标公式模板是指所有知识点类型的题目计算的公式模板。
在本实施例的一个或多个实施方式中,根据所述知识点类型,确定目标公式模板,具体实现过程可以为:
根据所述知识点类型,对所述待批改题目的题干进行解析,获取目标操作因子;
根据所述目标操作因子和所述知识点类型,确定所述目标公式模板。
具体的,目标操作因子可以指待批改题目中包括的求解条件,根据该求解条件和知识点类型,可以匹配出对应的目标公式模板。
例如,待批改题目为:2和5的最小公倍数为(),该待批改题目对应的知识点类型为公倍数类型,由于公倍数需要在待批改题目中找到要求解谁的公倍数,因而对该待批改题目进行解析,获取到两个操作因子2和5,根据两个操作因子和公倍数类型,可以确定出待批改题目要求解两个数字的最小公倍数,此时确定出目标公式模板为:[a,b](求a和b最小公倍数的公式)。
步骤206:根据所述目标公式模板,确定出所述待批改题目的正确答案。
具体的,在根据所述知识点类型,确定目标公式模板的基础上,进一步的,将根据所述目标公式模板,确定出所述待批改题目的正确答案。
在本实施例的一个或多个实施方式中,根据所述目标公式模板,确定出所述待批改题目的正确答案,具体实现过程可以为:
根据所述目标公式模板和所述目标操作因子,生成所述待批改题目的计算公式;
根据所述计算公式,确定出所述待批改题目的正确答案。
例如,确定出的目标公式模板为:[a,b](求a和b最小公倍数的公式),待批改题目的目标操作因子为2和5,将目标操作因子2和5代入目标公式模板[a,b]中,得到待批改题目的计算公式为:[2,5],根据该待批改题目的计算公式[2,5],计算得到待批改题目的正确答案为:10。
步骤208:将所述正确答案与所述待批改题目的答案比较,确定批改结果。
具体的,根据所述目标公式模板,确定出所述待批改题目的正确答案的基础上,进一步的,将所述正确答案与所述待批改题目的答案比较,确定批改结果。
在本实施例的一个或多个实施方式中,确定批改结果后,还可以根据批改结果对待批改题目的答案进行标注,方便返回给学生后,供学生查阅,具体实现过程为:
若所述批改结果为正确,则在所述待批改题目的答案对应位置增加正确标识符号;
若所述批改结果为错误,则在所述待批改题目的答案对应位置增加错误标识符号。
在本实施例的一个或多个实施方式中,若所述批改结果与所述待批改题目的答案不相同时,还可以将所述正确答案增加在所述待批改题目的答案对应位置,从而可以反馈待批改题目应该对应的正确答案,方便学生查错和修改。
接下来,结合上述数学题目的批改方法,与现有技术中数学题目的批改过程进行比较说明:
下述表1、表2是针对同一道待批改数学填空题分别进行搜索批改和公式模板匹配批改的样例对比。表1中列出了题干、搜索结果以及可否批改答案,表2中列出了题干、目标公式模版以及计算公式、正确答案及可否批改答案。表1中搜到的题目与原始题目并不一致,所以不能进行批改。而在表2中,这种题目可以通过题目意图理解及题干解析,套用目标公式模板,可解出正确答案,并最终进行批改。
表1搜索批改
题干 11比25少()%
搜索结果 10比25少()%
可否批改
表2公式模板匹配批改
题干 11比25少()%
目标公式模板 Ans=(d2-d1)/(d2)*100%
计算公式 Ans=(25-11)/(25)*100%
正确答案 56%
可否批改
需要说明的是,对于待批改题目进行批改,一般的方法需要通过搜索技术,在题库中搜索到该题目在题库中的原始题目,并利用原始题目的答案对解题者填写的答案进行批改;而基于本说明书提供的数学题目批改方法进行批改,是根据题目的知识点类型,利用规则总结该类型题目的目标公式模板,对待批改题目进行题目解析,并套用目标公式模板进行解答,最后利用解答结果进行批改。
本说明书提供的数学题目批改方法,获取待批改题目和待批改题目的答案,并确定所述待批改题目对应的知识点类型;然后根据所述知识点类型,确定目标公式模板;再根据所述目标公式模板,确定出所述待批改题目的正确答案;之后将所述正确答案与所述待批改题目的答案比较,确定批改结果。这种情况下,是针对待批改题目匹配出对应的目标公式模板,然后根据目标公式模板对待批改题目进行批改,可以减少因预设题库中题目不足而造成的覆盖低、效果差的缺点,可以适应部分类型题目千变万化而导致无法处理的情况,题目的处理效率较高,适应性高。另外,当学生针对待批改题目作答的答案错误时,还可以给出正确答案的提示,丰富了批改结果。
与上述方法实施例相对应,本说明书还提供了对象处理系统实施例,图3示出了本说明书一实施例提供的一种对象处理系统的结构示意图。如图3所示,该系统包括:
类型确定模块302,被配置为获取待处理第一对象和第二对象,并确定所述待处理第一对象对应的目标类型;
模板确定模块304,被配置为根据所述目标类型,确定目标处理模板;
第一处理结果确定模块306,被配置为根据所述目标处理模板,确定所述待处理第一对象对应的第一处理结果;
第二处理结果确定模块308,被配置为将所述第一处理结果与所述待处理第二对象比较,确定第二处理结果。
一个可选的实施例中,所述模板确定模块304进一步被配置为:
根据所述目标类型,对所述待处理第一对象进行解析,获取目标操作因子;
根据所述目标操作因子和所述目标类型,确定所述目标处理模板。
一个可选的实施例中,所述第一处理结果确定模块306进一步被配置为:
根据所述目标处理模板和所述目标操作因子,生成所述待处理第一对象的处理公式;
根据所述处理公式,确定所述待处理第一对象对应的第一处理结果。
一个可选的实施例中,所述类型确定模块302进一步被配置为:
提取所述待处理第一对象的目标字段;
根据预设类型库和所述目标字段,确定所述待处理第一对象对应的目标类型。
一个可选的实施例中,所述预设类型库包括多个预设类型及每个预设类型对应的关键字,所述类型确定模块302进一步被配置为:
判断所述目标字段是否为所述预设类型库中包括的关键字;
若是,则将所述关键字对应的预设类型确定为所述待处理第一对象对应的目标类型。
一个可选的实施例中,所述类型确定模块302进一步被配置为:
根据分类识别模型,确定所述待处理第一对象对应的目标类型。
一个可选的实施例中,所述类型确定模块302进一步被配置为:
获取对象样本集,所述对象样本集中包括的对象标识有对应的目标类型;
根据所述对象样本集,对初始模型进行训练,得到所述分类识别模型。
一个可选的实施例中,所述系统还包括:
预处理模块,被配置为对所述待处理第一对象进行预处理,所述预处理包括滤词、纠正词语、切词。
一个可选的实施例中,所述类型确定模块302进一步被配置为:
获取目标图像,对所述目标图像进行文字识别,确定所述目标图像中包括的各个第一对象,或者获取目标文档,提取所述目标文档中包括的各个第一对象;
确定所述各个第一对象的对象类型;
将所述对象类型为目标对象类型的第一对象确定为所述待处理第一对象;
将所述待处理第一对象对应的对象确定为待处理第二对象。
一个可选的实施例中,所述系统还包括:
第一标识模块,被配置为若所述第二处理结果为第一目标结果,则在所述待处理第一对象对应位置增加第一标识符号;
第二标识模块,被配置为若所述第二处理结果为第二目标结果,则在所述待处理第一对象对应位置增加第二标识符号。
本说明书提供的对象处理系统,类型确定模块被配置为获取待处理第一对象和第二对象,并确定所述待处理第一对象对应的目标类型;模板确定模块被配置为根据所述目标类型,确定目标处理模板;第一确定模块被配置为根据所述目标处理模板,确定所述待处理第一对象对应的第一处理结果;第二确定模块被配置为将所述第一处理结果与所述待处理第二对象比较,确定第二处理结果。这种情况下,是针对待处理第一对象匹配出对应的目标处理模板,然后根据目标处理模板对待处理第一对象进行处理,从而确定出第一处理结果,然后再和待处理第二对象进行比对,从而进一步确定出第二处理结果,可以减少因预设对象库中对象不足而造成的覆盖低、效果差的缺点,可以适应部分类型对象千变万化而导致无法处理的情况,对象的处理效率较高,适应性高。另外,当处理者针对待处理第一对象处理得到的第二对象错误时,还可以给出正确处理结果,极大的丰富了返回给处理者的处理结果。
上述为本实施例的一种对象处理系统的示意性方案。需要说明的是,该对象处理系统的技术方案与上述的对象处理方法的技术方案属于同一构思,对象处理系统的技术方案未详细描述的细节内容,均可以参见上述对象处理方法的技术方案的描述。
与上述方法实施例相对应,本说明书还提供了数学题目批改系统实施例,图4示出了本说明书一实施例提供的一种数学题目批改系统的结构示意图。如图4所示,该系统包括:
题目类型确定模块402,被配置为获取待批改题目和待批改题目的答案,并确定所述待批改题目对应的知识点类型;
公式模板确定模块404,被配置为根据所述知识点类型,确定目标公式模板;
计算模块406,被配置为根据所述目标公式模板,确定出所述待批改题目的正确答案;
批改结果确定模块408,被配置为将所述正确答案与所述待批改题目的答案比较,确定批改结果。
一个可选的实施例中,所述公式模板确定模块404进一步被配置为:
根据所述知识点类型,对所述待批改题目的题干进行解析,获取目标操作因子;
根据所述目标操作因子和所述知识点类型,确定所述目标公式模板。
一个可选的实施例中,所述计算模块406进一步被配置为:
根据所述目标公式模板和所述目标操作因子,生成所述待批改题目的计算公式;
根据所述计算公式,计算出所述待批改题目的正确答案。
一个可选的实施例中,所述题目类型确定模块402进一步被配置为:
提取所述待批改题目的目标字段;
根据预设知识点类型库和所述目标字段,确定所述待批改题目对应的知识点类型。
一个可选的实施例中,所述预设知识点类型库包括多个预设知识点类型及每个预设知识点类型对应的关键字,所述题目类型确定模块402进一步被配置为:
判断所述目标字段是否为所述预设知识点类型库中包括的关键字;
若是,则将所述关键字对应的预设知识点类型确定为所述待批改题目对应的知识点类型。
一个可选的实施例中,所述题目类型确定模块402进一步被配置为:
根据分类识别模型,确定所述待批改题目对应的知识点类型。
一个可选的实施例中,所述题目类型确定模块402进一步被配置为:
获取题目样本集,所述题目样本集中包括的题目标识有对应的知识点类型;
根据所述题目样本集,对初始模型进行训练,得到所述分类识别模型。
一个可选的实施例中,所述系统还包括:
预处理模块,被配置为对所述待批改题目的题干信息进行预处理,所述预处理包括滤词、纠正词语、切词。
一个可选的实施例中,所述题目类型确定模块402进一步被配置为:
获取题目图像,对所述题目图像进行文字识别,确定所述题目图像中包括的各个题目,或者获取题目文档,提取所述题目文档中包括的各个题目;
确定所述各个题目的题目类型;
将所述题目类型为目标类型的题目确定为所述待批改题目;
将所述待批改题目对应的答案确定为所述待批改题目的答案。
一个可选的实施例中,所述系统还包括:
第一标识模块,被配置为若所述批改结果为正确,则在所述待批改题目的答案对应位置增加正确标识符号;
第二标识模块,被配置为若所述批改结果为错误,则在所述待批改题目的答案对应位置增加错误标识符号。
本说明书提供的数学题目批改系统,题目类型确定模块被配置为获取待批改题目和待批改题目的答案,并确定所述待批改题目对应的知识点类型;公式模板确定模块被配置为根据所述知识点类型,确定目标公式模板;计算模块被配置为根据所述目标公式模板,确定出所述待批改题目的正确答案;确定模块被配置为将所述正确答案与所述待批改题目的答案比较,确定批改结果。这种情况下,是针对待批改题目匹配出对应的目标公式模板,然后根据目标公式模板对待批改题目进行批改,可以减少因预设题库中题目不足而造成的覆盖低、效果差的缺点,可以适应部分类型题目千变万化而导致无法处理的情况,题目的处理效率较高,适应性高。另外,当学生针对待批改题目作答的答案错误时,还可以给出正确答案的提示,丰富了批改结果。
上述为本实施例的一种数学题目批改系统的示意性方案。需要说明的是,该数学题目批改系统的技术方案与上述的数学题目批改方法的技术方案属于同一构思,数学题目批改系统的技术方案未详细描述的细节内容,均可以参见上述数学题目批改方法的技术方案的描述。
图5示出了根据本说明书一实施例提供的一种计算设备500的结构框图。该计算设备500的部件包括但不限于存储器510和处理器520。处理器520与存储器510通过总线530相连接,数据库550用于保存数据。
计算设备500还包括接入设备540,接入设备540使得计算设备500能够经由一个或多个网络560通信。这些网络的示例包括公用交换电话网(PSTN)、局域网(LAN)、广域网(WAN)、个域网(PAN)或诸如因特网的通信网络的组合。接入设备540可以包括有线或无线的任何类型的网络接口(例如,网络接口卡(NIC))中的一个或多个,诸如IEEE802.11无线局域网(WLAN)无线接口、全球微波互联接入(Wi-MAX)接口、以太网接口、通用串行总线(USB)接口、蜂窝网络接口、蓝牙接口、近场通信(NFC)接口,等等。
在本说明书的一个实施例中,计算设备500的上述部件以及图5中未示出的其他部件也可以彼此相连接,例如通过总线。应当理解,图5所示的计算设备结构框图仅仅是出于示例的目的,而不是对本说明书范围的限制。本领域技术人员可以根据需要,增添或替换其他部件。
计算设备500可以是任何类型的静止或移动计算设备,包括移动计算机或移动计算设备(例如,平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等)、移动电话(例如,智能手机)、可佩戴的计算设备(例如,智能手表、智能眼镜等)或其他类型的移动设备,或者诸如台式计算机或PC的静止计算设备。计算设备500还可以是移动式或静止式的服务器。
其中,处理器520用于执行如下计算机可执行指令:
获取待处理第一对象和第二对象,并确定所述待处理第一对象对应的目标类型;
根据所述目标类型,确定目标处理模板;
根据所述目标处理模板,确定所述待处理第一对象对应的第一处理结果;
将所述第一处理结果与所述待处理第二对象比较,确定第二处理结果。
上述为本实施例的一种计算设备的示意性方案。需要说明的是,该计算设备的技术方案与上述的对象处理方法的技术方案属于同一构思,计算设备的技术方案未详细描述的细节内容,均可以参见上述对象处理方法的技术方案的描述。
图6示出了根据本说明书一实施例提供的一种计算设备600的结构框图。该计算设备600的部件包括但不限于存储器610和处理器620。处理器620与存储器610通过总线630相连接,数据库650用于保存数据。
计算设备600还包括接入设备640,接入设备640使得计算设备600能够经由一个或多个网络660通信。这些网络的示例包括公用交换电话网(PSTN)、局域网(LAN)、广域网(WAN)、个域网(PAN)或诸如因特网的通信网络的组合。接入设备640可以包括有线或无线的任何类型的网络接口(例如,网络接口卡(NIC))中的一个或多个,诸如IEEE802.11无线局域网(WLAN)无线接口、全球微波互联接入(Wi-MAX)接口、以太网接口、通用串行总线(USB)接口、蜂窝网络接口、蓝牙接口、近场通信(NFC)接口,等等。
在本说明书的一个实施例中,计算设备600的上述部件以及图6中未示出的其他部件也可以彼此相连接,例如通过总线。应当理解,图6所示的计算设备结构框图仅仅是出于示例的目的,而不是对本说明书范围的限制。本领域技术人员可以根据需要,增添或替换其他部件。
计算设备600可以是任何类型的静止或移动计算设备,包括移动计算机或移动计算设备(例如,平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等)、移动电话(例如,智能手机)、可佩戴的计算设备(例如,智能手表、智能眼镜等)或其他类型的移动设备,或者诸如台式计算机或PC的静止计算设备。计算设备600还可以是移动式或静止式的服务器。
其中,处理器620用于执行如下计算机可执行指令:
获取待批改题目和待批改题目的答案,并确定所述待批改题目对应的知识点类型;
根据所述知识点类型,确定目标公式模板;
根据所述目标公式模板,确定出所述待批改题目的正确答案;
将所述正确答案与所述待批改题目的答案比较,确定批改结果。
上述为本实施例的一种计算设备的示意性方案。需要说明的是,该计算设备的技术方案与上述的数学题目批改方法的技术方案属于同一构思,计算设备的技术方案未详细描述的细节内容,均可以参见上述数学题目批改方法的技术方案的描述。
本说明书一实施例还提供一种计算机可读存储介质,其存储有计算机指令,该指令被处理器执行时以用于:
获取待处理第一对象和第二对象,并确定所述待处理第一对象对应的目标类型;
根据所述目标类型,确定目标处理模板;
根据所述目标处理模板,确定所述待处理第一对象对应的第一处理结果;
将所述第一处理结果与所述待处理第二对象比较,确定第二处理结果。
上述为本实施例的一种计算机可读存储介质的示意性方案。需要说明的是,该存储介质的技术方案与上述的对象处理方法的技术方案属于同一构思,存储介质的技术方案未详细描述的细节内容,均可以参见上述对象处理方法的技术方案的描述。
本说明书一实施例还提供一种计算机可读存储介质,其存储有计算机指令,该指令被处理器执行时以用于:
获取待批改题目和待批改题目的答案,并确定所述待批改题目对应的知识点类型;
根据所述知识点类型,确定目标公式模板;
根据所述目标公式模板,确定出所述待批改题目的正确答案;
将所述正确答案与所述待批改题目的答案比较,确定批改结果。
上述为本实施例的一种计算机可读存储介质的示意性方案。需要说明的是,该存储介质的技术方案与上述的数学题目批改方法的技术方案属于同一构思,存储介质的技术方案未详细描述的细节内容,均可以参见上述数学题目批改方法的技术方案的描述。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
所述计算机指令包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。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)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
需要说明的是,对于前述的各方法实施例,为了简便描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本说明书并不受所描述的动作顺序的限制,因为依据本说明书,某些步骤可以采用其它顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定都是本说明书所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其它实施例的相关描述。
以上公开的本说明书优选实施例只是用于帮助阐述本说明书。可选实施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本说明书的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本说明书。本说明书仅受权利要求书及其全部范围和等效物的限制。

Claims (26)

1.一种对象处理方法,包括:
获取待处理第一对象和第二对象,并确定所述待处理第一对象对应的目标类型;
根据所述目标类型,确定目标处理模板;
根据所述目标处理模板,确定所述待处理第一对象对应的第一处理结果;
将所述第一处理结果与所述待处理第二对象比较,确定第二处理结果。
2.根据权利要求1所述的对象处理方法,所述根据所述目标类型,确定目标处理模板,包括:
根据所述目标类型,对所述待处理第一对象进行解析,获取目标操作因子;
根据所述目标操作因子和所述目标类型,确定所述目标处理模板。
3.根据权利要求2所述的对象处理方法,所述根据所述目标处理模板,确定所述待处理第一对象对应的第一处理结果,包括:
根据所述目标处理模板和所述目标操作因子,生成所述待处理第一对象的处理公式;
根据所述处理公式,确定所述待处理第一对象对应的第一处理结果。
4.根据权利要求1所述的对象处理方法,所述确定所述待处理第一对象对应的目标类型,包括:
提取所述待处理第一对象的目标字段;
根据预设类型库和所述目标字段,确定所述待处理第一对象对应的目标类型。
5.根据权利要求4所述的对象处理方法,所述预设类型库包括多个预设类型及每个预设类型对应的关键字,所述根据预设类型库和所述目标字段,确定所述待处理第一对象对应的目标类型,包括:
判断所述目标字段是否为所述预设类型库中包括的关键字;
若是,则将所述关键字对应的预设类型确定为所述待处理第一对象对应的目标类型。
6.根据权利要求1所述的对象处理方法,所述确定所述待处理第一对象对应的目标类型,包括:
根据分类识别模型,确定所述待处理第一对象对应的目标类型。
7.根据权利要求6所述的对象处理方法,所述根据分类识别模型,确定所述待处理第一对象对应的目标类型之前,还包括:
获取对象样本集,所述对象样本集中包括的对象标识有对应的目标类型;
根据所述对象样本集,对初始模型进行训练,得到所述分类识别模型。
8.根据权利要求1所述的对象处理方法,所述获取待处理第一对象和第二对象之后,且确定所述待处理第一对象对应的目标类型之前,还包括:
对所述待处理第一对象进行预处理,所述预处理包括滤词、纠正词语、切词。
9.根据权利要求1所述的对象处理方法,所述获取待处理第一对象和第二对象,包括:
获取目标图像,对所述目标图像进行文字识别,确定所述目标图像中包括的各个第一对象,或者获取目标文档,提取所述目标文档中包括的各个第一对象;
确定所述各个第一对象的对象类型;
将所述对象类型为目标对象类型的第一对象确定为所述待处理第一对象;
将所述待处理第一对象对应的对象确定为待处理第二对象。
10.根据权利要求9所述的对象处理方法,所述将所述第一处理结果与所述待处理第二对象比较,确定第二处理结果之后,还包括:
若所述第二处理结果为第一目标结果,则在所述待处理第二对象对应位置增加第一标识符号;
若所述第二处理结果为第二目标结果,则在所述待处理第二对象对应位置增加第二标识符号。
11.一种数学题目批改方法,包括:
获取待批改题目和待批改题目的答案,并确定所述待批改题目对应的知识点类型;
根据所述知识点类型,确定目标公式模板;
根据所述目标公式模板,确定出所述待批改题目的正确答案;
将所述正确答案与所述待批改题目的答案比较,确定批改结果。
12.根据权利要求11所述的数学题目批改方法,所述根据所述知识点类型,确定目标公式模板,包括:
根据所述知识点类型,对所述待批改题目的题干进行解析,获取目标操作因子;
根据所述目标操作因子和所述知识点类型,确定所述目标公式模板。
13.根据权利要求12所述的数学题目批改方法,所述根据所述目标公式模板,确定出所述待批改题目的正确答案,包括:
根据所述目标公式模板和所述目标操作因子,生成所述待批改题目的计算公式;
根据所述计算公式,确定出所述待批改题目的正确答案。
14.根据权利要求11所述的数学题目批改方法,所述确定所述待批改题目对应的知识点类型,包括:
提取所述待批改题目的目标字段;
根据预设知识点类型库和所述目标字段,确定所述待批改题目对应的知识点类型。
15.根据权利要求14所述的数学题目批改方法,所述预设知识点类型库包括多个预设知识点类型及每个预设知识点类型对应的关键字,所述根据预设知识点类型库和所述目标字段,确定所述待批改题目对应的知识点类型,包括:
判断所述目标字段是否为所述预设知识点类型库中包括的关键字;
若是,则将所述关键字对应的预设知识点类型确定为所述待批改题目对应的知识点类型。
16.根据权利要求11所述的数学题目批改方法,所述确定所述待批改题目对应的知识点类型,包括:
根据分类识别模型,确定所述待批改题目对应的知识点类型。
17.根据权利要求16所述的数学题目批改方法,所述根据分类识别模型,确定所述待批改题目对应的知识点类型之前,还包括:
获取题目样本集,所述题目样本集中包括的题目标识有对应的知识点类型;
根据所述题目样本集,对初始模型进行训练,得到所述分类识别模型。
18.根据权利要求11所述的数学题目批改方法,所述获取待批改题目之后,且确定所述待批改题目对应的知识点类型之前,还包括:
对所述待批改题目的题干信息进行预处理,所述预处理包括滤词、纠正词语、切词。
19.根据权利要求11所述的数学题目批改方法,所述获取待批改题目和待批改题目的答案,包括:
获取题目图像,对所述题目图像进行文字识别,确定所述题目图像中包括的各个题目,或者获取题目文档,提取所述题目文档中包括的各个题目;
确定所述各个题目的题目类型;
将所述题目类型为目标类型的题目确定为所述待批改题目;
将所述待批改题目对应的答案确定为所述待批改题目的答案。
20.根据权利要求19所述的数学题目批改方法,所述将所述正确答案与所述待批改题目的答案比较,确定批改结果之后,还包括:
若所述批改结果为正确,则在所述待批改题目的答案对应位置增加正确标识符号;
若所述批改结果为错误,则在所述待批改题目的答案对应位置增加错误标识符号。
21.一种对象处理系统,包括:
类型确定模块,被配置为获取待处理第一对象和第二对象,并确定所述待处理第一对象对应的目标类型;
模板确定模块,被配置为根据所述目标类型,确定目标处理模板;
第一处理结果确定模块,被配置为根据所述目标处理模板,确定所述待处理第一对象对应的第一处理结果;
第二处理结果确定模块,被配置为将所述第一处理结果与所述待处理第二对象比较,确定第二处理结果。
22.一种数学题目批改系统,包括:
题目类型确定模块,被配置为获取待批改题目和待批改题目的答案,并确定所述待批改题目对应的知识点类型;
公式模板确定模块,被配置为根据所述知识点类型,确定目标公式模板;
计算模块,被配置为根据所述目标公式模板,确定出所述待批改题目的正确答案;
批改结果确定模块,被配置为将所述正确答案与所述待批改题目的答案比较,确定批改结果。
23.一种计算设备,包括:
存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令:
获取待处理第一对象和第二对象,并确定所述待处理第一对象对应的目标类型;
根据所述目标类型,确定目标处理模板;
根据所述目标处理模板,确定所述待处理第一对象对应的第一处理结果;
将所述第一处理结果与所述待处理第二对象比较,确定第二处理结果。
24.一种计算设备,包括:
存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令:
获取待批改题目和待批改题目的答案,并确定所述待批改题目对应的知识点类型;
根据所述知识点类型,确定目标公式模板;
根据所述目标公式模板,确定出所述待批改题目的正确答案;
将所述正确答案与所述待批改题目的答案比较,确定批改结果。
25.一种计算机可读存储介质,其存储有计算机指令,该指令被处理器执行时实现权利要求1至10任意一项所述对象处理方法的步骤。
26.一种计算机可读存储介质,其存储有计算机指令,该指令被处理器执行时实现权利要求11至20任意一项所述数学题目批改方法的步骤。
CN202010639193.0A 2020-07-06 2020-07-06 对象处理方法及系统、数学题目批改方法及系统 Pending CN111767307A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010639193.0A CN111767307A (zh) 2020-07-06 2020-07-06 对象处理方法及系统、数学题目批改方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010639193.0A CN111767307A (zh) 2020-07-06 2020-07-06 对象处理方法及系统、数学题目批改方法及系统

Publications (1)

Publication Number Publication Date
CN111767307A true CN111767307A (zh) 2020-10-13

Family

ID=72723838

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010639193.0A Pending CN111767307A (zh) 2020-07-06 2020-07-06 对象处理方法及系统、数学题目批改方法及系统

Country Status (1)

Country Link
CN (1) CN111767307A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112668300A (zh) * 2021-01-28 2021-04-16 武汉悦学帮网络技术有限公司 一种公式编辑方法、装置、计算机设备和存储介质
CN112906862A (zh) * 2021-02-09 2021-06-04 柳州智视科技有限公司 基于算式和题目求解同类数学题的方法
CN113033721A (zh) * 2021-05-31 2021-06-25 北京世纪好未来教育科技有限公司 题目批改方法及计算机存储介质
CN113407675A (zh) * 2021-06-24 2021-09-17 作业帮教育科技(北京)有限公司 教育题目自动批改方法、装置和电子设备

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104933158A (zh) * 2015-06-26 2015-09-23 百度在线网络技术(北京)有限公司 数学问题求解模型的训练方法和装置、推理方法和装置
JP2016103147A (ja) * 2014-11-28 2016-06-02 京セラドキュメントソリューションズ株式会社 答案採点装置および答案採点プログラム
CN107423286A (zh) * 2017-07-05 2017-12-01 华中师范大学 初等数学代数型题自动解答的方法与系统
CN108109453A (zh) * 2017-12-29 2018-06-01 广州大学 作业批改装置
CN108182177A (zh) * 2018-01-24 2018-06-19 谢德刚 一种数学试题知识点自动化标注方法和装置
CN109214445A (zh) * 2018-08-27 2019-01-15 陆柒(北京)科技有限公司 一种基于人工智能的多标签分类方法
CN109583429A (zh) * 2018-12-26 2019-04-05 杭州大拿科技股份有限公司 一种批改试卷中应用题的方法及装置
CN110232128A (zh) * 2019-06-21 2019-09-13 华中师范大学 题目文本分类方法及装置
CN110414683A (zh) * 2019-07-02 2019-11-05 科大讯飞股份有限公司 数学题解答方法及装置
CN110555143A (zh) * 2018-03-27 2019-12-10 北京世纪好未来教育科技有限公司 题目自动解答方法及计算机存储介质

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016103147A (ja) * 2014-11-28 2016-06-02 京セラドキュメントソリューションズ株式会社 答案採点装置および答案採点プログラム
CN104933158A (zh) * 2015-06-26 2015-09-23 百度在线网络技术(北京)有限公司 数学问题求解模型的训练方法和装置、推理方法和装置
CN107423286A (zh) * 2017-07-05 2017-12-01 华中师范大学 初等数学代数型题自动解答的方法与系统
CN108109453A (zh) * 2017-12-29 2018-06-01 广州大学 作业批改装置
CN108182177A (zh) * 2018-01-24 2018-06-19 谢德刚 一种数学试题知识点自动化标注方法和装置
CN110555143A (zh) * 2018-03-27 2019-12-10 北京世纪好未来教育科技有限公司 题目自动解答方法及计算机存储介质
CN109214445A (zh) * 2018-08-27 2019-01-15 陆柒(北京)科技有限公司 一种基于人工智能的多标签分类方法
CN109583429A (zh) * 2018-12-26 2019-04-05 杭州大拿科技股份有限公司 一种批改试卷中应用题的方法及装置
CN110232128A (zh) * 2019-06-21 2019-09-13 华中师范大学 题目文本分类方法及装置
CN110414683A (zh) * 2019-07-02 2019-11-05 科大讯飞股份有限公司 数学题解答方法及装置

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112668300A (zh) * 2021-01-28 2021-04-16 武汉悦学帮网络技术有限公司 一种公式编辑方法、装置、计算机设备和存储介质
CN112668300B (zh) * 2021-01-28 2024-03-22 武汉悦学帮网络技术有限公司 一种公式编辑方法、装置、计算机设备和存储介质
CN112906862A (zh) * 2021-02-09 2021-06-04 柳州智视科技有限公司 基于算式和题目求解同类数学题的方法
CN113033721A (zh) * 2021-05-31 2021-06-25 北京世纪好未来教育科技有限公司 题目批改方法及计算机存储介质
CN113033721B (zh) * 2021-05-31 2021-09-28 北京世纪好未来教育科技有限公司 题目批改方法及计算机存储介质
CN113407675A (zh) * 2021-06-24 2021-09-17 作业帮教育科技(北京)有限公司 教育题目自动批改方法、装置和电子设备

Similar Documents

Publication Publication Date Title
US11790641B2 (en) Answer evaluation method, answer evaluation system, electronic device, and medium
CN111767307A (zh) 对象处理方法及系统、数学题目批改方法及系统
CN109710590B (zh) 一种错题本生成方法及装置
CN109271401B (zh) 一种题目搜索、批改方法、装置、电子设备和存储介质
US20200090539A1 (en) Method and system for intelligent identification and correction of questions
CN111144079B (zh) 一种智能获取学习资源的方法、装置、打印机和存储介质
WO2023273583A1 (zh) 阅卷方法、装置、电子设备及存储介质
CN112580503A (zh) 一种作业批改方法、装置、设备及存储介质
CN106227773B (zh) 数据处理方法和系统
CN110837793A (zh) 一种智能识别手写数学公式批阅系统
CN104281625A (zh) 一种自动从数据库中获取试题信息的方法和装置
CN104598638A (zh) 一种基于互联网题库和二维码的试题解答方法
CN109614594B (zh) 一种将题目文档解析为题库数据的方法
CN107430824B (zh) 用于评价响应的半自动系统和方法
CN115050039A (zh) 自动化试卷分析方法、系统、电子设备、存储介质
CN114120342A (zh) 简历文档识别方法、装置、计算设备及存储介质
CN112860845A (zh) 一种试题检索方法、装置、电子设备及存储介质
CN114491010A (zh) 信息抽取模型的训练方法及装置
CN113705157B (zh) 一种纸质作业拍照批改的方法
CN115934904A (zh) 文本处理方法以及装置
CN115757723A (zh) 文本处理方法及装置
CN115269812A (zh) 题目推荐方法、装置、设备及存储介质
CN112164262A (zh) 一种智能阅卷辅导系统
CN113033178A (zh) 用于商业计划书的文本评估方法、装置及计算机
CN113537263A (zh) 二分类模型的训练方法及装置、实体链接方法及装置

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