CN112286900A - 一种数据处理方法、装置、设备及存储介质 - Google Patents
一种数据处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112286900A CN112286900A CN201910640149.9A CN201910640149A CN112286900A CN 112286900 A CN112286900 A CN 112286900A CN 201910640149 A CN201910640149 A CN 201910640149A CN 112286900 A CN112286900 A CN 112286900A
- Authority
- CN
- China
- Prior art keywords
- knowledge point
- data
- point data
- knowledge
- source data
- 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
Links
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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/211—Schema design and management
- G06F16/212—Schema design and management with details for data modelling support
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开实施例公开了一种数据处理方法、装置、设备及存储介质,所述方法包括:获取源数据,通过对所述源数据进行分词,从所述源数据中提取出多个知识点数据;对所述知识点数据进行关联分析,确定知识点数据之间的逻辑关系数据;基于知识点数据之间的逻辑关系数据,构建知识点数据库。本公开实施例所提供的方法实现了自动提取出学科的知识点数据并构建知识点数据之间的逻辑关系,进而简化了知识点数据库的构建过程。
Description
技术领域
本公开实施例涉及信息技术领域,尤其涉及一种数据处理方法、装置、设备及存储介质。
背景技术
知识点是知识体系当中最基本的单元,以它为基础开展教学活动可以使教学活动的开展更加有效。但是,目前学科知识点的提取仍然由人工完成,费时费力效率低,进而,基于知识点的题库构建也相对繁琐。
发明内容
本公开提供一种数据处理方法、装置、设备及存储介质,以实现自动提取出学科的知识点数据并构建知识点数据之间的逻辑关系,进而简化知识点数据库的构建过程。
第一方面,本公开实施例提供了一种数据处理方法,包括:
获取源数据,通过对所述源数据进行分词,从所述源数据中提取出多个知识点数据;
对所述知识点数据进行关联分析,确定知识点数据之间的逻辑关系数据;
基于知识点数据之间的逻辑关系数据,构建知识点数据库。
第二方面,本公开实施例还提供了一种数据处理装置,包括:
知识点提取模块,用于获取源数据,通过对所述源数据进行分词,从所述源数据中提取出多个知识点数据;
知识点关系确定模块,用于对所述知识点数据进行关联分析,确定知识点数据之间的逻辑关系数据;
知识点数据库构建模块,用于基于知识点数据之间的逻辑关系数据构建知识点数据库。
第三方面,本公开实施例还提供了一种终端设备,所述终端设备包括:
一个或多个处理装置;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理装置执行,使得所述一个或多个处理装置实现如本公开实施例任一所述的数据处理方法。
第四方面,本公开实施例还提供了一种计算机可读存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如本公开实施例任一所述的数据处理方法。
本公开实施例通过获取源数据,通过对所述源数据进行分词,从所述源数据中提取出多个知识点数据;对所述知识点数据进行关联分析,确定知识点数据之间的逻辑关系数据;基于知识点数据之间的逻辑关系数据,构建知识点数据库,实现了自动提取出学科的知识点数据并构建知识点数据之间的逻辑关系,进而简化了知识点数据库的构建过程。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。
图1为本公开实施例提供的一种数据处理方法的流程图;
图2a为本公开实施例提供的一种数据处理方法的流程图;
图2b为本公开实施例提供的一种数据处理方法中提取知识点关系的流程图;
图2c为本公开实施例提供的一种数据处理方法中知识点关系示意图;
图3为本公开实施例提供的一种数据处理装置的结构示意图;
图4为本公开实施例提供的一种终端设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下述各实施例中,每个实施例中同时提供了可选特征和示例,实施例中记载的各个特征可进行组合,形成多个可选方案,不应将每个编号的实施例仅视为一个技术方案。
实施例一
图1为本公开实施例提供的一种数据处理方法的流程图。本实施例可适用于对源数据进行数据处理,以生成知识点数据库时的情形,该方法可以由数据处理装置来执行,该数据处理装置可以采用软件和/或硬件的方式实现,例如,该数据处理装置可以配置于终端设备中。如图1所示,所述方法包括:
S110、获取源数据,通过对源数据进行分词,从源数据中提取出多个知识点数据。
在本实施例中,源数据可以为待构建知识点数据库对应课程的题库。可选的,可以使用中文分词算法对源数据进行分词。示例性的,中文分词算法可以为基于词典分词算法或基于统计的机器学习算法。其中,基于词典的分词算法可以为正向最大匹配法、逆向最大匹配法或双向匹配分词法等,基于统计的机器学习算法可以为隐马尔可夫模型(HiddenMarkov Model)、条件随机场算法(conditional random field algorithm,CRF)、支持向量机(Support Vector Machine,SVM)、深度学习等算法,例如使用stanford、Hanlp等基于CRF算法的分词工具。
一个实施方式中,可以使用结巴分词工具对源数据进行分词,从源数据中提取出多个知识点数据。具体的,所述通过对所述源数据进行分词,从所述源数据中提取出多个知识点数据,包括:基于前缀字典分词方法,生成与所述源数据对应的有向无环图;通过动态规划算法确定所述有向无环图中的最大概率路径,获得基于词频的最大切分组合;基于所述最大切分组合确定所述源数据中的知识点数据。
具体的,基于统计词典构造前缀词典,然后利用前缀词典对源数据中的句子进行切分,得到所有的切分可能,根据切分位置,构造出与源数据对应的多个有向无环图(Directed Acyclic Graph,DAG)。在得到所有可能的切分方式构成的有向无环图后,同时得到了从起点到终点的多条路径,多条路径意味着存在多种分词结果。因此,需要计算最大概率路径,也即按照某种方式切分后的分词结果的概率最大。可选的,可以通过动态规划算法,计算得到所有有向无环图中的最大概率路径,获得基于词频的最大切分组合,根据最大切分组合确定最终的切分形式,即分词结果。
在上述方案的基础上,还包括:通过隐马尔可夫模型确定所述源数据中的未登录词,并提取出所述未登录词中包含的知识点数据。
在本实施例中,未登录词为没有被收录在分词词表(统计词典)中,但必须切分出来的词。针对源数据中的未登录词,利用隐马尔科夫模型进行分词,得到源数据中的未登陆词。可选的,可以通过语料训练出HMM相关的模型,然后利用维特比(Viterbi)算法进行求解,最终得到最优的状态序列,再根据最优的状态序列输出分词结果。可选的,将基于最大切分组合确定的知识点数据以及未登录词中包含的知识点数据均作为源数据对应的知识点数据。
S120、对知识点数据进行关联分析,确定知识点数据之间的逻辑关系数据。
在本实施例中,提取出源数据中包含的知识点数据后,对知识点数据进行关联分析,确定知识点数据之间的逻辑关系。根据学科知识体系可知,知识点数据之间是存在一定的逻辑关系的。示例性的,知识点数据之间的逻辑关系数据包括上位、下位、关联和同义中的一种。以大学计算机基础课程为例,掌握进制的概念才可以学习进制之间的转换。因此,知识点“进制转换”为知识点“进制”的下位概念。
一个实施方式中,采用关联规则挖掘算法确定所述知识点数据中任意两个知识点数据之间的关系,构建知识点数据关系图。在本实施例中,对关联规则挖掘算法不做限定。示例性的,关联规则挖掘算法可以为PrefixSpan序列模式挖掘算法、基于关联规则进行分类的算法(Classification base of Association,CBA)、Apriori算法、FP-growth算法等。可选的,使用Apriori算法对知识点数据之间的逻辑关系进行关联分析。
Apriori算法是一种挖掘关联规则的频繁项集算法,其核心是通过候选集生成和情节的向下封闭检测两个阶段来挖掘频繁项集。常用的频繁项集的评估标准包括支持度、置信度和提升度。支持度就是几个关联的数据在数据集中出现的次数占总数据集的比重,或者为几个数据关联出现的概率。置信度体现了一个数据出现后,另一个数据出现的概率,或者说数据的条件概率。提升度表示含有Y的条件下,同时含有X的概率。对于Apriori算法,将支持度作为判断频繁项集的标准,Apriori算法的目标是找到最大的k项频繁集。具体的,采用迭代方法,先搜索出候选1项集及对应的支持度,剪枝去掉低于支持度的1项集,得到频繁1项集,然后对其余频繁1项集进行连接,得到候选的频繁2项集,筛选去掉低于支持度的候选频繁2项集,得到真正的频繁2项集,以此类推进行迭代,直到无法找到频繁k+1项集为止,对应的频繁k项集的集合即为算法的输出结果。在本实施例中,将Apriori算法的输出结果作为候选关联知识关系集。最后,根据评估规则确定候选关联知识关系集中各知识点数据之间的逻辑关系。
S130、基于知识点数据之间的逻辑关系数据,构建知识点数据库。
确定知识点数据之间的逻辑关系数据后,根据知识点数据之间的逻辑关系数据构建知识点数据库。一个实施方式中,所述基于知识点数据之间的逻辑关系数据构建知识点数据库,包括:
根据所述知识点数据之间的逻辑关系数据确定知识点对应的子知识点库之间的关系;基于所述子知识点库之间的关系构建知识点数据库。
具体的,每个知识点均有该知识点对应的题目,该知识点对应的题目构成了该知识点对应的子知识点库。也就是说,知识点数据与子知识点库之间存在一定的对应关系,确定知识点数据之间的逻辑关系后,即可确定子知识点库之间的逻辑关系,最后基于子知识点库之间的逻辑关系进行知识点数据库的构建。示例性的,若子知识点数据库之间的逻辑关系为上下位关系,则将上位概念对应的子知识点数据库设置在下位概念对应的子知识点数据库之前。或,若子知识点数据库之间的逻辑关系为关联关系,则将子知识点数据库同时展示。
本公开实施例通过获取源数据,通过对所述源数据进行分词,从所述源数据中提取出多个知识点数据;对所述知识点数据进行关联分析,确定知识点数据之间的逻辑关系数据;基于知识点数据之间的逻辑关系数据,构建知识点数据库,实现了自动提取出学科的知识点数据并构建知识点数据之间的逻辑关系,进而简化了知识点数据库的构建过程。
实施例二
图2a为本公开实施例提供的一种数据处理方法的流程图。本实施例在上述实施例的基础上,提供了一种优选实施例。如图2a所示,所述方法包括:
S210、利用结巴工具提取知识点。
在本公开实施例中,提取关键字的方法,可以为基于字典和词库匹配的分词方法、基于词频度统计的分词方法或基于知识理解的分词方法,提取关键字是解决语义分析,文本分类等问题的前提条件。本公开实施例中采用结巴分词工具提取出源数据中的知识点。结巴分词工具基于前缀字典分词方法,先产生有向无环图(DAG),有向无环图可以以节点集的形式表示。在DAG中,节点集V={0,…,n},其中n为节点序号。一个词对应于DAG中的一条边e∈E,边的起点为词的初始字符,边的结点为词的结束字符,且DAG满足:
对于联合概率求对数:将词频的log值作为DAG中边的权值,从图论的角度出发,将最大概率问题变成了最大路径问题,然后采用动态规划算法求解最大路径:di=max{dj+w(j,i)},其中,di表示源节点到节点i的最大路径的值,w(j,i)表示词的词频log值。确定最大路径后,获得最大路径对应的的最大切分组合,根据最大切分组合确定切分形式,即分词结果。
在上述方案的基础上,对于未登陆词识别,采用HMM模型,求解最大条件概率:maxP{t1,…,ti,…tn|c1,…,ci,…,cn},其中,ti表示ci对应的状态。然后采用Viterbi算法:P(t+1)(i)=max[P(j)aji]bi(ct+1)求解状态序列,改善分词结果。
S220、采用Apriori算法对知识点之间关系进行关联分析,提取出知识点之间的逻辑关系。
获取的知识点之间存在上位、下位、关联、同义等四种关系,采用Apriori算法对知识点之间关系进行关联分析。如果直接存在上述的四种关系,则在知识点之间建立关系,否则忽略。图2b为本公开实施例提供的一种数据处理方法中提取知识点关系的流程图。如图2b所示,从第1个知识点开始,通过Apriori算法推导该知识点与其他知识点是否存在逻辑关系,若该知识点与其他知识点存在逻辑关系,则建立关系,然后继续推导第2个知识点与其他知识点是否存在逻辑关系,直到遍历完所有知识点为止。
可选的,可以定义关联规则列表,提取出候选关联知识关系集后,根据关联规则列表确定知识点之间的逻辑关系。建立知识点之间的逻辑关系后,可建立知识点关系图。图2c为本公开实施例提供的一种数据处理方法中知识点关系示意图。图2c以大学计算机基础课程为例,示意性的示出了知识点之间的关系。如图2c所示,进制单位、进制类型、进制转换均为进制的下位概念,进制为信息表示的上位概念,西文和汉字均为信息表示的下位概念,十进制、十六进制均为进制转换的下位概念,十进制和十六进制与二进制之间均为关联关系。
S230、基于知识点之间的逻辑关系构建知识点题库。
确定知识点之间的逻辑关系后,根据知识点之间的逻辑关系确定子知识点题库之间的逻辑关系,基于子知识点题库之间的逻辑关系构建知识点题库。
本公开实施例利用结巴分词和Apriori方法分别完成知识点及知识点关系的提取,最后基于知识点关系构建知识点题库,实现了知识点题库的自动构建,为学习路径的推荐提供了资源。
实施例三
图3为本公开实施例提供的一种数据处理装置的结构示意图。本实施例可适用于对源数据进行数据处理,以生成知识点数据库时的情形。该数据处理装置可以采用软件和/或硬件的方式实现,例如,该数据处理装置可以配置于终端设备。如图3所示,所述数据处理装置包括:知识点提取模块310、知识点关系确定模块320和知识点数据库构建模块330。其中:
知识点提取模块310,用于获取源数据,通过对所述源数据进行分词,从所述源数据中提取出多个知识点数据;
知识点关系确定模块320,用于对所述知识点数据进行关联分析,确定知识点数据之间的逻辑关系数据;
知识点数据库构建模块330,用于基于知识点数据之间的逻辑关系数据构建知识点数据库。
本公开实施例通过知识点提取模块获取源数据,通过对所述源数据进行分词,从所述源数据中提取出多个知识点数据;知识点关系确定模块对所述知识点数据进行关联分析,确定知识点数据之间的逻辑关系数据;知识点数据库构建模块基于知识点数据之间的逻辑关系数据,构建知识点数据库,实现了自动提取出学科的知识点数据并构建知识点数据之间的逻辑关系,进而简化了知识点数据库的构建过程。
可选的,在上述技术方案的基础上,所述知识点提取模块310包括:
有向无环图单元,用于基于前缀字典分词方法,生成所述源数据对应的有向无环图;
最大切分组合单元,用于通过动态规划算法确定所述有向无环图中的最大概率路径,获得基于词频的最大切分组合;
知识点数据单元,用于基于所述最大切分组合确定所述源数据中的知识点数据。
可选的,在上述技术方案的基础上,所述知识点提取模块310还包括:
未登录词单元,用于通过隐马尔可夫模型确定所述源数据中的未登录词,并提取出所述未登录词中包含的知识点数据。
可选的,在上述技术方案的基础上,所述知识点关系确定模块320具体用于:
采用关联规则挖掘算法确定所述知识点数据中任意两个知识点数据之间的关系,构建知识点数据关系图。
可选的,在上述技术方案的基础上,所述关联规则挖掘算法包括Apriori算法。
可选的,在上述技术方案的基础上,所述知识点数据之间的逻辑关系数据包括上位、下位、关联和同义中的一种。
可选的,在上述技术方案的基础上,所述知识点数据库构建模块330具体用于:
根据所述知识点数据之间的逻辑关系数据确定知识点对应的子知识点库之间的关系;
基于所述子知识点库之间的关系构建知识点数据库。
本公开实施例所提供的数据处理装置可执行本公开实施例所提供的数据处理方法,具备执行方法相应的功能模块和有益效果。
值得注意的是,上述装置所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本公开实施例的保护范围。
实施例四
下面参考图4,其示出了适于用来实现本公开实施例的终端设备400的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等。图4示出的终端设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图4所示,终端设备400可以包括处理装置(例如中央处理器、图形处理器等)401,其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置406加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中,还存储有终端设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
通常,以下装置可以连接至I/O接口405:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407;包括例如磁带、硬盘等的存储装置406;以及通信装置409。通信装置409可以允许终端设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的终端设备400,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置409从网络上被下载和安装,或者从存储装置406被安装,或者从ROM 402被安装。在该计算机程序被处理装置401执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——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。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述终端设备中所包含的;也可以是单独存在,而未装配入该终端设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该终端设备执行时,使得该终端设备:
获取源数据,通过对所述源数据进行分词,从所述源数据中提取出多个知识点数据;
对所述知识点数据进行关联分析,确定知识点数据之间的逻辑关系数据;
基于知识点数据之间的逻辑关系数据,构建知识点数据库。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的方法、装置、终端设备和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块和单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,模块或者单元的名称在某种情况下并不构成对该模块或者单元本身的限定,例如,知识点提取模块还可以被描述为“获取源数据,通过对所述源数据进行分词,从所述源数据中提取出多个知识点数据的模块”,有向无环图单元还可以被描述为“基于前缀字典分词方法,生成所述源数据对应的有向无环图的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例,示例一提供了一种数据处理方法,包括:
获取源数据,通过对所述源数据进行分词,从所述源数据中提取出多个知识点数据;
对所述知识点数据进行关联分析,确定知识点数据之间的逻辑关系数据;
基于知识点数据之间的逻辑关系数据,构建知识点数据库。
根据本公开的一个或多个实施例,示例二提供了一种数据处理方法,在示例一的数据处理方法的基础上,所述通过分词算法从所述源数据中提取出多个知识点数据,包括:
基于前缀字典分词方法,生成所述源数据对应的有向无环图;
通过动态规划算法确定所述有向无环图中的最大概率路径,获得基于词频的最大切分组合;
基于所述最大切分组合确定所述源数据中的知识点数据。
根据本公开的一个或多个实施例,示例三提供了一种数据处理方法,在示例二的数据处理方法的基础上,还包括:
通过隐马尔可夫模型确定所述源数据中的未登录词,并提取出所述未登录词中包含的知识点数据。
根据本公开的一个或多个实施例,示例四提供了一种数据处理方法,在示例一的数据处理方法的基础上,所述对所述知识点数据进行关联分析,确定知识点数据之间的逻辑关系数据,包括:
采用关联规则挖掘算法确定所述知识点数据中任意两个知识点数据之间的关系,构建知识点数据关系图。
根据本公开的一个或多个实施例,示例五提供了一种数据处理方法,在示例四的数据处理方法的基础上,所述关联规则挖掘算法包括Apriori算法。
根据本公开的一个或多个实施例,示例六提供了一种数据处理方法,在示例一至五任一所述的数据处理方法的基础上,所述知识点数据之间的逻辑关系数据包括上位、下位、关联和同义中的一种。
根据本公开的一个或多个实施例,示例七提供了一种数据处理方法,在示例一的数据处理方法的基础上,所述基于知识点数据之间的逻辑关系数据构建知识点数据库,包括:
根据所述知识点数据之间的逻辑关系数据确定知识点对应的子知识点库之间的关系;
基于所述子知识点库之间的关系构建知识点数据库。
根据本公开的一个或多个实施例,示例八提供了一种数据处理装置,包括:
知识点提取模块,用于获取源数据,通过对所述源数据进行分词,从所述源数据中提取出多个知识点数据;
知识点关系确定模块,用于对所述知识点数据进行关联分析,确定知识点数据之间的逻辑关系数据;
知识点数据库构建模块,用于基于知识点数据之间的逻辑关系数据构建知识点数据库。
根据本公开的一个或多个实施例,示例九提供了一种终端设备,包括:
一个或多个处理装置;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理装置执行,使得所述一个或多个处理装置实现如示例一至七中任一所述的数据处理方法。
根据本公开的一个或多个实施例,示例十提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如示例一至七中任一所述的数据处理方法。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (10)
1.一种数据处理方法,其特征在于,包括:
获取源数据,通过对所述源数据进行分词,从所述源数据中提取出多个知识点数据;
对所述知识点数据进行关联分析,确定知识点数据之间的逻辑关系数据;
基于知识点数据之间的逻辑关系数据,构建知识点数据库。
2.根据权利要求1所述的方法,其特征在于,所述通过对所述源数据进行分词,从所述源数据中提取出多个知识点数据,包括:
基于前缀字典分词方法,生成与所述源数据对应的有向无环图;
通过动态规划算法确定所述有向无环图中的最大概率路径,获得基于词频的最大切分组合;
基于所述最大切分组合确定所述源数据中的知识点数据。
3.根据权利要求2所述的方法,其特征在于,还包括:
通过隐马尔可夫模型确定所述源数据中的未登录词,并提取出所述未登录词中包含的知识点数据。
4.根据权利要求1所述的方法,其特征在于,所述对所述知识点数据进行关联分析,确定知识点数据之间的逻辑关系数据,包括:
采用关联规则挖掘算法确定所述知识点数据中任意两个知识点数据之间的关系,构建知识点数据关系图。
5.根据权利要求4所述的方法,其特征在于,所述关联规则挖掘算法包括Apriori算法。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述知识点数据之间的逻辑关系数据包括上位、下位、关联和同义中的一种。
7.根据权利要求1所述的方法,其特征在于,所述基于知识点数据之间的逻辑关系数据构建知识点数据库,包括:
根据所述知识点数据之间的逻辑关系数据确定知识点对应的子知识点库之间的关系;
基于所述子知识点库之间的关系构建知识点数据库。
8.一种数据处理装置,其特征在于,包括:
知识点提取模块,用于获取源数据,通过对所述源数据进行分词,从所述源数据中提取出多个知识点数据;
知识点关系确定模块,用于对所述知识点数据进行关联分析,确定知识点数据之间的逻辑关系数据;
知识点数据库构建模块,用于基于知识点数据之间的逻辑关系数据构建知识点数据库。
9.一种终端设备,其特征在于,所述终端设备包括:
一个或多个处理装置;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理装置执行,使得所述一个或多个处理装置实现如权利要求1-7中任一所述的数据处理方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-7中任一所述的数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910640149.9A CN112286900A (zh) | 2019-07-16 | 2019-07-16 | 一种数据处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910640149.9A CN112286900A (zh) | 2019-07-16 | 2019-07-16 | 一种数据处理方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112286900A true CN112286900A (zh) | 2021-01-29 |
Family
ID=74419476
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910640149.9A Pending CN112286900A (zh) | 2019-07-16 | 2019-07-16 | 一种数据处理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112286900A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112800173A (zh) * | 2021-04-14 | 2021-05-14 | 北京金山云网络技术有限公司 | 标准化数据库和医学文本库的构建方法、装置及电子设备 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104281617A (zh) * | 2013-07-10 | 2015-01-14 | 广州中国科学院先进技术研究所 | 一种基于领域知识的多层关联规则挖掘方法及系统 |
CN106156908A (zh) * | 2015-03-26 | 2016-11-23 | 深圳中兴网信科技有限公司 | 一种管理教育资源的方法和设备 |
US20170011642A1 (en) * | 2015-07-10 | 2017-01-12 | Fujitsu Limited | Extraction of knowledge points and relations from learning materials |
CN106570109A (zh) * | 2016-11-01 | 2017-04-19 | 深圳市前海点通数据有限公司 | 一种通过文本分析自动生成题库知识点的方法 |
CN106649661A (zh) * | 2016-12-13 | 2017-05-10 | 税云网络科技服务有限公司 | 知识库构建方法和装置 |
CN107315822A (zh) * | 2017-07-04 | 2017-11-03 | 国网浙江省电力公司杭州供电公司 | 一种知识点关联的挖掘方法 |
CN107784088A (zh) * | 2017-09-30 | 2018-03-09 | 杭州博世数据网络有限公司 | 基于知识点连接关系的知识图谱构建方法 |
CN107943946A (zh) * | 2017-11-24 | 2018-04-20 | 重庆科技学院 | 基于Apriori算法的试题库知识点间关联性挖掘方法 |
CN108804543A (zh) * | 2018-05-16 | 2018-11-13 | 华南理工大学 | 一种基于FP-Growth算法的试题知识点分析方法 |
CN108920466A (zh) * | 2018-07-27 | 2018-11-30 | 杭州电子科技大学 | 一种基于word2vec和TextRank的科技文本关键词提取方法 |
CN109359290A (zh) * | 2018-08-20 | 2019-02-19 | 国政通科技有限公司 | 试题文本的知识点确定方法、电子设备及存储介质 |
-
2019
- 2019-07-16 CN CN201910640149.9A patent/CN112286900A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104281617A (zh) * | 2013-07-10 | 2015-01-14 | 广州中国科学院先进技术研究所 | 一种基于领域知识的多层关联规则挖掘方法及系统 |
CN106156908A (zh) * | 2015-03-26 | 2016-11-23 | 深圳中兴网信科技有限公司 | 一种管理教育资源的方法和设备 |
US20170011642A1 (en) * | 2015-07-10 | 2017-01-12 | Fujitsu Limited | Extraction of knowledge points and relations from learning materials |
CN106570109A (zh) * | 2016-11-01 | 2017-04-19 | 深圳市前海点通数据有限公司 | 一种通过文本分析自动生成题库知识点的方法 |
CN106649661A (zh) * | 2016-12-13 | 2017-05-10 | 税云网络科技服务有限公司 | 知识库构建方法和装置 |
CN107315822A (zh) * | 2017-07-04 | 2017-11-03 | 国网浙江省电力公司杭州供电公司 | 一种知识点关联的挖掘方法 |
CN107784088A (zh) * | 2017-09-30 | 2018-03-09 | 杭州博世数据网络有限公司 | 基于知识点连接关系的知识图谱构建方法 |
CN107943946A (zh) * | 2017-11-24 | 2018-04-20 | 重庆科技学院 | 基于Apriori算法的试题库知识点间关联性挖掘方法 |
CN108804543A (zh) * | 2018-05-16 | 2018-11-13 | 华南理工大学 | 一种基于FP-Growth算法的试题知识点分析方法 |
CN108920466A (zh) * | 2018-07-27 | 2018-11-30 | 杭州电子科技大学 | 一种基于word2vec和TextRank的科技文本关键词提取方法 |
CN109359290A (zh) * | 2018-08-20 | 2019-02-19 | 国政通科技有限公司 | 试题文本的知识点确定方法、电子设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
周显春等: "基于知识点题库系统模型构建及实现的研究", 《计算机时代》, no. 12, pages 1 - 2 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112800173A (zh) * | 2021-04-14 | 2021-05-14 | 北京金山云网络技术有限公司 | 标准化数据库和医学文本库的构建方法、装置及电子设备 |
CN112800173B (zh) * | 2021-04-14 | 2021-07-09 | 北京金山云网络技术有限公司 | 标准化数据库和医学文本库的构建方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11645517B2 (en) | Information processing method and terminal, and computer storage medium | |
CN112164391B (zh) | 语句处理方法、装置、电子设备及存储介质 | |
CN110969012B (zh) | 文本纠错方法、装置、存储介质及电子设备 | |
CN111428010B (zh) | 人机智能问答的方法和装置 | |
EP3832475A1 (en) | Sentence processing method and system and electronic device | |
CN111382261B (zh) | 摘要生成方法、装置、电子设备及存储介质 | |
CN114861889B (zh) | 深度学习模型的训练方法、目标对象检测方法和装置 | |
CN112434510A (zh) | 一种信息处理方法、装置、电子设备和存储介质 | |
CN113505206B (zh) | 基于自然语言推理的信息处理方法、装置和电子设备 | |
CN113407814A (zh) | 文本搜索方法、装置、可读介质及电子设备 | |
CN113392197A (zh) | 问答推理方法、装置、存储介质及电子设备 | |
CN112632285A (zh) | 一种文本聚类方法、装置、电子设备及存储介质 | |
CN115221191A (zh) | 一种基于数据湖的虚拟列构建方法以及数据查询方法 | |
CN115270717A (zh) | 一种立场检测方法、装置、设备及介质 | |
CN110738056B (zh) | 用于生成信息的方法和装置 | |
CN112148958A (zh) | 用于信息推荐的方法、设备和计算机存储介质 | |
CN111931494B (zh) | 用于生成预测信息的方法、装置、电子设备和介质 | |
CN113705207A (zh) | 语法错误识别方法及装置 | |
CN112286900A (zh) | 一种数据处理方法、装置、设备及存储介质 | |
CN110750994A (zh) | 一种实体关系抽取方法、装置、电子设备及存储介质 | |
CN116821327A (zh) | 文本数据处理方法、装置、设备、可读存储介质及产品 | |
CN115620726A (zh) | 语音文本生成方法、语音文本生成模型的训练方法、装置 | |
CN110502630B (zh) | 信息处理方法及设备 | |
CN115186096A (zh) | 针对特定类型分词的识别方法、装置、介质及电子设备 | |
CN112685996A (zh) | 文本标点预测方法、装置、可读介质和电子设备 |
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 |