CN112732868A - 解答题的答案分析方法、电子设备及存储介质 - Google Patents
解答题的答案分析方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112732868A CN112732868A CN202011613150.1A CN202011613150A CN112732868A CN 112732868 A CN112732868 A CN 112732868A CN 202011613150 A CN202011613150 A CN 202011613150A CN 112732868 A CN112732868 A CN 112732868A
- Authority
- CN
- China
- Prior art keywords
- answer
- problem solving
- analysis model
- actual
- standard
- 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
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
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种解答题的答案分析方法、电子设备及存储介质。该方法包括:获取解答题的实际答案和标准答案;利用结论分析模型基于标准答案判断实际答案是否错误;若错误,则分别利用错因分析模型获取实际答案和标准答案的向量表示;基于实际答案和标准答案的向量表示,分析实际答案的错因。通过上述方式,能够分析解答题的实际答案的错因。
Description
技术领域
本申请涉及自然语言处理领域,特别是涉及一种解答题的答案分析方法、电子设备及存储介质。
背景技术
学生的学习过程通常可以概括为:同步学习某知识点,课后练习对应习题,同步测试,根据练习和测评结果再确认学生是否掌握该知识点或方法。
目前得到练习和测评结果大多数依靠学生或者老师批改获得,无法定位每个学生错题的原因。从学生批改的角度来说,学生自己批改无法客观准确,并且很难定位自己的错误原因。从老师的角度来说,老师批改需要面对一个班级甚至多个班级的学生,工作量巨大,要分析出每个学生错题的具体原因,需要投入非常大的精力,目前绝大多数老师没有时间做这件事。
发明内容
本申请提供一种解答题的答案分析方法、电子设备及存储介质,能够分析解答题的答案的错因。
为解决上述技术问题,本申请采用的一个技术方案是:提供一种解答题的答案分析方法。该方法包括:获取解答题的实际答案和标准答案;利用结论分析模型基于标准答案判断实际答案是否错误;若错误,则分别利用错因分析模型获取实际答案和标准答案的向量表示;基于实际答案和标准答案的向量表示,分析实际答案的错因。
为解决上述技术问题,本申请采用的另一个技术方案是:提供一种电子设备,该电子设备包括处理器、与处理器连接的存储器,其中,存储器存储有程序指令;处理器用于执行存储器存储的程序指令以实现上述方法。
为解决上述技术问题,本申请采用的又一个技术方案是:提供一种存储介质,存储有程序指令,该程序指令被执行时能够实现上述方法。
通过上述方式,本申请能够判断实际答案是否错误,并且在判断出实际答案错误的基础上,进一步利用错因分析模型获取实际答案和标准答案的向量表示,并基于实际答案和标准答案的向量表示得到实际答案的错因。
附图说明
图1是本申请解答题的答案分析方法实施例一的流程示意图;
图2是本申请解答题的答案分析方法实施例二的流程示意图;
图3是图2中S24的具体流程示意图;
图4是本申请解答题的答案分析方法实施例三的流程示意图;
图5是本申请解答题的答案分析方法实施例四的流程示意图;
图6是图6中S42的具体流程示意图;
图7是本申请错因分析模型的结构示意图;
图8是本申请电子设备一实施例的结构示意图;
图9是本申请存储介质一实施例的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请中的术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”、“第三”的特征可以明示或者隐含地包括至少一个该特征。本申请的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,在不冲突的情况下,本文所描述的实施例可以与其它实施例相结合。
图1是本申请解答题的答案分析方法实施例一的流程示意图。需注意的是,若有实质上相同的结果,本实施例并不以图1所示的流程顺序为限。如图1所示,本实施例可以包括:
S11:获取解答题的实际答案和标准答案。
解答题可以为数学解答题、物理解答题等等。解答题的实际答案可以为学生实际解答时给出的答案。标准答案可能只有一种,也可能有多种。每种标准答案对应一种解题思路。也就是说,当解答题有多种解题思路时,其对应的标准答案可以有多种。
S12:利用结论分析模型基于标准答案判断实际答案是否错误。
可以利用结论分析模型基于文本规约、字符匹配、语义匹配等方式判断实际答案是否错误,详细描述请参见后面的实施例。
若错误,则执行S13-S14;否则不执行S13-S14。
S13:分别利用错因分析模型获取实际答案和标准答案的向量表示。
可以利用错因分析模型的编码器获取实际/标准答案整体的向量表示,作为对应答案的向量表示。或者,可以分别利用错因分析模型的编码器获取实际/标准答案的每个解题步骤的向量表示,作为对应答案的向量表示。
S14:基于实际答案和标准答案的向量表示,分析实际答案的错因。
在一具体实施方式中,可以直接利用错因分析模型进一步基于实际答案和标准答案的向量表示分析实际答案的错因。
在另一具体实施方式中,可以先获取实际答案的向量表示和标准答案的向量表示之间的相似度,在相似度满足条件(例如小于相似度阈值)的情况下,才利用错因分析模型进一步基于实际答案和标准答案的向量表示分析实际答案的错因。
可以利用错因分析模型将标准答案整体的向量表示与实际答案整体的向量表示进行匹配,以得到实际答案整体的错因。或者,可以利用错因分析模型将标准答案整体的向量表示分别与实际答案的每个解题步骤进行匹配,得到实际答案的每个解题步骤的错因。或者,可以利用错因分析模型将标准答案的对应解题步骤的向量表示分别与实际答案的每个解题步骤进行匹配,得到实际答案的每个解题步骤的错因。
错因分析模型可以分析得到实际答案属于每种预设错因类别的概率,将对应概率满足条件(例如大于预设概率阈值)的错因作为实际答案整体/解题步骤的错因。
通过本实施例的实施,本申请能够判断实际答案是否错误,并且在判断出实际答案错误的基础上,进一步利用错因分析模型获取实际答案和标准答案的向量表示,并基于实际答案和标准答案的向量表示得到实际答案的错因。
图2是本申请解答题的答案分析方法实施例二的流程示意图。需注意的是,若有实质上相同的结果,本实施例并不以图2所示的流程顺序为限。本实施例中,实际答案可以包括多个第一解题步骤,标准答案可以包括多个第二解题步骤,实际答案的向量可以包括每个第一解题步骤的向量表示,标准答案的向量可以包括每个第二解题步骤的向量表示。本实施例S31-S33是对S13,S24对S14的进一步扩展。如图2所示,本实施例可以包括:
S21:分别将实际答案分割为多个第一解题步骤以及将标准答案分割为多个第二解题步骤。
可以利用文本分词模块对实际/标准答案进行文本分词,也即利用jieba和自定义的符号将实际/标准答案分割为多个解题步骤。其中,文本分词模块可以是错因分析模型包括的文本分词模块,也可以是错因分析模型之外的。
S22:分别获取每个第一解题步骤和第二解题步骤的词向量表示。
可以获取每个第一/第二解题步骤的词向量表示。词向量表示模块可以为经预训练的word2vec、elmo等等,其可以是错因分析模型包括的,也可以是错因分析模型之外的。
S23:利用错因分析模型对每个第一解题步骤的词向量表示进行句子编码,得到对应的第一解题步骤的向量表示,利用错因分析模型对每个第二解题步骤的词向量表示进行句子编码,获取对应的第二解题步骤的向量表示。
错因分析模型还可以包括句子编码模块。该句子编码模块可以为卷积神经网络CNN、递归神经网络RNN、语言模型LSTM等等,其可以对每个第一/第二解题步骤进行句子编码。所谓句子编码,即将句子(解题步骤)里面的所有词向量表示编码成一个句子(解题步骤)的向量表示。每个第一/第二解题步骤的词向量表示经过句子编码模块,可以得到每个第一/第二解题步骤的向量表示。
S24:利用错因分析模型基于每个第一解题步骤的向量表示和对应的第二解题步骤的向量表示,获取对应的第一解题步骤的错因。
每个第一解题步骤可能在一种标准答案中对应有一个或多个第二解题步骤。
结合参阅图3,S24可以包括以下子步骤:
S241:利用错因分析模型的交互注意力模块对每个第一解题步骤的向量表示和对应的第二解题步骤的向量表示进行匹配,得到每个第一解题步骤和对应第二解题步骤的匹配结果。
错因分析模型还可以包括交互注意力模块,其可以对每个第一解题步骤的向量与对应的第二解题步骤进行交互/匹配,得到每个第一解题步骤的向量与对应的第二解题步骤的交互表示/匹配结果。
若标准答案有多种时,可以分别利用错因分析模型的交互注意力模块对每个第一解题步骤的向量表示和不同种标准答案中对应的第二解题步骤的向量表示匹配,得到每个第一解题步骤与不同种标准答案中对应的第二解题步骤的子匹配结果;将每个第一解题步骤与不同种标准答案中对应的第二解题步骤的子匹配结果进行融合,得到每个第一解题步骤对应的匹配结果。
其中,用于获取不同种标准答案中第二解题步骤的向量表示的交互注意力模块的参数可以相同,也可以不同。对于每个第一解题步骤,可以利用全连接网络、卷积神经网络CNN等将其对应的多个子匹配结果进行融合(例如求平均),将得到的融合结果作为其对应的匹配结果。
S242:利用错因分析模型基于每个第一解题步骤对应的匹配结果,预测对应第一解题步骤的错因。
错因分析模型还可以包括预测模块。该预测模块可以包括全连接层和softmax层。对于每个第一解题步骤,可以利用该预测模块基于其对应的匹配结果,预测其属于每种预设错因类别的概率,并且可以将对应概率值满足要求(例如大于阈值)的错因作为其错因。
图4是本申请解答题的答案分析方法实施例三的流程示意图。需注意的是,若有实质上相同的结果,本实施例并不以图4所示的流程顺序为限。本实施例中,S31可以为S242之前可以包括的解题步骤,S32可以为对S242的进一步扩展。如图4所示,本实施例可以包括:
S31:利用结论分析模型基于对应的第二解题步骤判断每个第一解题步骤正确还是错误,得到判断结果。
可以基于每个第一解题步骤对应的第二解题步骤,判断对应的第一解题步骤正确还是错误。其中,对每个第一解题步骤正确或错误的判断方法与对实际答案正确或错误的判断方法相同,具体说明请参见后面的实施例。
S32:将每个第一解题步骤对应的匹配结果和判断结果进行拼接,得到拼接结果。
S33:利用错因分析模型基于拼接结果,预测对应第一解题步骤的错因。
可以理解的是,由于错因分析模型不能很好的对第一解题步骤进行正误判断,可能会影响其预测的第一解题步骤的错因的准确性。因此,先利用结论分析模型对每个第一解题步骤进行正误判断,得到每个第一解题步骤的判断结果。将每个第一解题步骤对应的匹配结果与判断结果进行拼接,得到拼接结果。再利用错因分析模型基于每个第一解题步骤对应的拼接结果,预测第一解题步骤的错因。从而能够提高最终得到的第一解题步骤的错因的准确性。
图5是本申请解答题的答案分析方法实施例四的流程示意图。需注意的是,若有实质上相同的结果,本实施例并不以图5所示的流程顺序为限。本实施例是对S12的进一步扩展。如图5所示,本实施例可以包括:
S41:分别利用结论分析模型提取实际答案和标准答案的最终结论。
对于仅包括一个题干设问的解答题,可以直接利用结论分析模型提取实际/标准答案的最终结论。对于包括多个题干设问(小题)的解答题,可以先利用结论分析模型对解答题的题干文本和实际/标准答案进行小题分割,得到每个小题的题干设问和实际/标准答案。再利用结论分析模型提取每个小题的实际/标准答案的最终结论。其中,小题分割可以为利用小题标号(例如(1)(2)或(Ⅰ)(Ⅱ)等关键信息来编写规则实现。举例说明,先通过编写的规则提取得到当前解答题的两个题干设问,包括求角ABC的度数和求圆的方程。然后利用提取的两个题干设问去标准答案里提取对应的最终结论。包括角ABC=90°和圆的方程为(x-1)^2+y^2=4。
后续解题步骤在每一小题的实际/标准答案的最终结论的基础上实现。
可以理解的是,本实施例中,在实际答案的最终结论与标准答案的最终结论相比错误的情况下,认为实际答案错误。
S42:利用结论分析模型基于标准答案的最终结论判断实际答案的最终结论正确还是错误。
结合参阅图6,S42可以包括以下子步骤:
S421:利用结论分析模型对实际答案的最终结论和标准答案的最终结论进行文本规约。
所谓文本规约,是指将实际答案和标准答案中不同形式的文本统一成相同的格式。例如将π/2和90°,中英文逗号统一成相同的格式等等。
S422:利用结论分析模型对经字符规约的实际答案的最终结论和标准答案的最终结论进行字符匹配,得到字符匹配结果。
所谓字符匹配,是指对实际答案的最终结论和标准答案的最终结论的字符进行匹配,以确定实际答案的最终结论和标准答案的最终结论的字符是否完全一致。
在字符一致的情况下,可以直接认为实际答案的最终结论正确。相反地,在字符不一致的情况下,可以直接认为实际答案的最终结论错误。但是考虑到存在字符不一致但实际表达的含义相同的情况,例如公式y=x-1和x-y-1=0,因此在判断出字符不一致的情况下,可以利用结论分析模型判断最终结论和标准答案的最终结论的语义是否一致。在语义不一致的情况下,才认为实际答案的最终结论错误。其中,判断语义是否一致的方式可以为公式语义判别。公式语义判别可以通过maple或mathematical等工具实现。
下面结合图7,以一个例子的形式对上述方法进行说明。
将解答题的标准答案和实际答案送入结论分析模型,利用结论分析模型提取标准答案的最终结论和实际答案的最终结论,对标准答案的最终结论和实际答案的最终结论进行文本规约、字符匹配和公式语义判别,以判断实际答案的最终结论是否错误。
若实际答案的最终结论错误,则将实际答案和标准答案送入错因分析模型。图7是本申请错因分析模型的结构示意图。如图7所示,错因分析模型包括文本分词模块、词向量表示模块、句子编码模块、交互注意力模块和预测模块。
利用文本分词模块获取实际答案的多个第一解题步骤和标准答案的多个第二解题步骤。
利用结论分析模块判断每个第一/第二解题步骤的结论正确还是错误,得到对应解题步骤的判断结果。并利用词向量表示模块获取每个第一/第二解题步骤的词向量表示;利用句子编码模块基于每个第一/第二解题步骤的词向量表示获取对应解题步骤的向量表示;利用交互注意力模块获取每个第一解题步骤和对应的第二解题步骤之间的匹配结果。
将匹配结果和判断结果进行拼接得到拼接结果,利用预测模块基于拼接结果得到所有第一解题步骤中错误的第一解题步骤属于各错因类别的概率。基于错误的第一解题步骤属于各错因类别的概率,确定对应的第一解题步骤的错因。
此外,为了提高错因分析模型错因分析的准确性,还可以在使用错因分析模型之前,对其进行训练。
区别于使用阶段的是,在训练阶段输入错因分析模型的实际答案的带有标签。该标签可以用于标识实际答案整体或每个解题步骤是否存在错因,以及存在的真实错因类别。存在的真实错因类别可以为对应的候选错因集中实际答案整体或每个解题步骤真实存在的错因类别。
具体来说,解答题的实际/标准答案整体或每个解题步骤具有对应的候选错因集,候选错因集中包括可能存在的错因类别。候选错因集可以经由老师等教研人员预先根据教学经验以及大批量学生的实际答题情况确定。错因类别可以分为粗粒度错因类别和细粒度错因类别。粗粒度错因类别可以包括知识点未掌握,解题思路不对,作答不规范和审题不严格等等。细粒度错因类别可以包括某个或多个具体的知识点(定理)未掌握/掌握不熟练,某种或多种解题方法不会/不熟练,某个计算结果错误等等。实际/标准答案可能存在的错因类别的粒度等级可以由老师等教研人员根据学生所处学段、目前的成绩状况等因素来确定。可以将对应的候选错因集中当前实际答案真实存在的类别作为当前答案的标签。
可以基于标签与利用错因分析模型得到的错因预测结果之间的差异,获取错因分析模型的损失(如交叉熵),基于损失调整错因分析模型的参数,直至满足预设条件,从而实现逐步优化错因分析模型。其中,该预设条件可以为训练次数达到预设次数阈值、损失收敛等等。
图8是本申请电子设备一实施例的结构示意图。如图8所示,该电子设备包括处理器51、与处理器51耦接的存储器52。
其中,存储器52存储有用于实现上述任一实施例的方法的程序指令;处理器51用于执行存储器52存储的程序指令以实现上述方法实施例的解题步骤。其中,处理器51还可以称为CPU(Central Processing Unit,中央处理单元)。处理器51可能是一种集成电路芯片,具有信号的处理能力。处理器51还可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器51也可以是任何常规的处理器等。
通过本实施例的实施,本申请通过存储器存储上述任一实施例的方法的程序指令,并通过处理器执行存储器存储的程序指令,能够实现判断实际答案是否错误,并且在判断出实际答案错误的基础上,进一步利用错因分析模型获取实际答案和标准答案的向量表示,并基于实际答案和标准答案的向量表示得到实际答案的错因。
图9是本申请存储介质一实施例的结构示意图。如图9所示,本申请实施例的计算机可读存储介质60存储有程序指令61,该程序指令61被执行时实现本申请上述实施例提供的方法。其中,该程序指令61可以形成程序文件以软件产品的形式存储在上述计算机可读存储介质60中,以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。而前述的计算机可读存储介质60包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质,或者是计算机、服务器、手机、平板等终端设备。
通过本实施例的实施,本申请通过存储介质存储程序指令,从而在该程序指令被执行时,能够实现判断实际答案是否错误,并且在判断出实际答案错误的基础上,进一步利用错因分析模型获取实际答案和标准答案的向量表示,并基于实际答案和标准答案的向量表示得到实际答案的错因。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,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,单元的划分,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,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,在本申请各个实施例中的各功能单元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,也可以采用软件功能单元的形式实现。以上仅为本申请的实施方式,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种解答题的答案分析方法,其特征在于,包括:
获取所述解答题的实际答案和标准答案;
利用结论分析模型基于所述标准答案判断所述实际答案是否错误;
若错误,则分别利用错因分析模型获取所述实际答案和所述标准答案的向量表示;
基于所述实际答案和所述标准答案的向量表示,分析所述实际答案的错因。
2.根据权利要求1所述的方法,其特征在于,所述实际答案包括多个第一解题步骤,所述标准答案包括多个第二解题步骤,所述实际答案的向量包括每个所述第一解题步骤的向量表示,所述标准答案的向量包括每个所述第二解题步骤的向量表示,所述分别利用所述错因分析模型获取所述实际答案和所述标准答案的向量表示,包括:
将所述实际答案分割为多个所述第一解题步骤以及将所述标准答案分割为多个所述第二解题步骤;
获取每个所述第一解题步骤和所述第二解题步骤的词向量表示;
利用所述错因分析模型对所述每个所述第一解题步骤的词向量表示进行句子编码,得到对应的所述第一解题步骤的向量表示,利用所述错因分析模型对所述每个所述第二解题步骤的词向量表示进行句子编码,获取对应的所述第二解题步骤的向量表示;
所述利用所述错因分析模型基于所述实际答案和所述标准答案的向量表示,得到所述实际答案的错因,包括:
利用所述错因分析模型基于每个所述第一解题步骤的向量表示和对应的所述第二解题步骤的向量表示,获取对应的所述第一解题步骤的错因。
3.根据权利要求2所述的方法,其特征在于,所述利用所述错因分析模型基于每个所述第一解题步骤的向量表示和对应的所述第二解题步骤的向量表示,获取对应的所述第一解题步骤的错因,包括:
利用所述错因分析模型的交互注意力模块对每个所述第一解题步骤的向量表示和对应的所述第二解题步骤的向量表示进行匹配,得到每个所述第一解题步骤和对应所述第二解题步骤的匹配结果;
利用所述错因分析模型基于每个所述第一解题步骤对应的所述匹配结果,预测对应所述第一解题步骤的错因。
4.根据权利要求3所述的方法,其特征在于,若所述标准答案有多种,所述利用所述错因分析模型的交互注意力模块对每个所述第一解题步骤的向量表示和对应的所述第二解题步骤的向量表示进行匹配,得到每个所述第一解题步骤和对应所述第二解题步骤的匹配结果,包括:
分别利用所述错因分析模型的交互注意力模块对每个所述第一解题步骤的向量表示和不同种所述标准答案中对应的所述第二解题的向量表示匹配,得到每个所述第一解题步骤与不同种所述标准答案中对应的所述第二解题步骤的子匹配结果;
将每个所述第一解题步骤与不同种所述标准答案中对应的所述第二解题步骤的子匹配结果进行融合,得到每个所述第一解题步骤对应的匹配结果。
5.根据权利要求3所述的方法,其特征在于,在所述利用所述错因分析模型基于每个所述第一解题步骤对应的所述匹配结果,预测对应所述第一解题步骤的错因之前,包括:
利用所述结论分析模型基于对应的所述第二解题步骤判断每个所述第一解题步骤正确还是错误,得到判断结果,其中,判断每个所述第一解题步骤的判断方法与判断所述实际答案的方法相同;
所述利用所述错因分析模型基于每个所述第一解题步骤对应的所述匹配结果,预测对应所述第一解题步骤的错因,包括:
将每个所述第一解题步骤对应的所述匹配结果和所述判断结果进行拼接,得到拼接结果;
利用所述错因分析模型基于所述拼接结果,预测对应所述第一解题步骤的错因。
6.根据权利要求1所述的方法,其特征在于,所述利用结论分析模型基于所述标准答案判断所述实际答案是否错误,包括:
分别利用所述结论分析模型提取所述实际答案和所述标准答案的最终结论;
利用所述结论分析模型基于所述标准答案的最终结论判断所述实际答案的最终结论正确还是错误。
7.根据权利要求6所述的方法,其特征在于,所述利用所述结论分析模型基于所述标准答案的最终结论判断所述实际答案的最终结论正确还是错误,包括:
利用所述结论分析模型对所述实际答案的最终结论和所述标准答案的最终结论进行文本规约;
利用所述结论分析模型对经字符规约的实际答案的最终结论和所述标准答案的最终结论进行字符匹配,得到字符匹配结果;
利用所述结论分析模型基于所述字符匹配结果确定所述实际答案的最终结论正确还是错误。
8.根据权利要求7所述的方法,其特征在于,所述利用所述结论分析模型基于所述字符匹配结果确定所述实际答案的最终结论正确还是错误,包括:
若所述字符匹配结果为所述经字符规约的实际答案的最终结论和所述标准答案的最终结论的字符不一致,则利用所述结论分析模型判断所述实际答案的最终结论和所述标准答案的最终结论的语义是否一致;
若不一致,则认为所述实际答案错误。
9.一种电子设备,其特征在于,包括处理器、与所述处理器连接的存储器,其中,
所述存储器存储有程序指令;
所述处理器用于执行所述存储器存储的所述程序指令以实现权利要求1-8中任一项所述的方法。
10.一种存储介质,其特征在于,所述存储介质存储程序指令,所述程序指令被执行时实现如权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011613150.1A CN112732868B (zh) | 2020-12-30 | 2020-12-30 | 解答题的答案分析方法、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011613150.1A CN112732868B (zh) | 2020-12-30 | 2020-12-30 | 解答题的答案分析方法、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112732868A true CN112732868A (zh) | 2021-04-30 |
CN112732868B CN112732868B (zh) | 2023-04-07 |
Family
ID=75611811
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011613150.1A Active CN112732868B (zh) | 2020-12-30 | 2020-12-30 | 解答题的答案分析方法、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112732868B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116798046A (zh) * | 2023-04-19 | 2023-09-22 | 江西风向标智能科技有限公司 | 初中数学公式自动批改方法、设备、介质和程序产品 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140017655A1 (en) * | 2011-03-16 | 2014-01-16 | Fujitsu Limited | Examination support apparatus, and examination support method |
US20190051204A1 (en) * | 2016-02-25 | 2019-02-14 | Riiid. Co | Method, apparatus, and computer program for providing personalized educational content |
JP2019053730A (ja) * | 2017-09-12 | 2019-04-04 | ネイバー コーポレーションNAVER Corporation | 文書のカテゴリ分類のためのディープラーニング学習方法およびそのシステム |
CN109740515A (zh) * | 2018-12-29 | 2019-05-10 | 科大讯飞股份有限公司 | 一种评阅方法及装置 |
CN110414837A (zh) * | 2019-07-29 | 2019-11-05 | 上海乂学教育科技有限公司 | 基于错因分析的人机交互系统 |
CN110609886A (zh) * | 2019-09-18 | 2019-12-24 | 北京金山数字娱乐科技有限公司 | 一种文本分析方法及装置 |
CN110675677A (zh) * | 2019-10-16 | 2020-01-10 | 杭州大拿科技股份有限公司 | 用于辅助数学应用题的方法及装置 |
CN110852071A (zh) * | 2019-11-08 | 2020-02-28 | 科大讯飞股份有限公司 | 知识点检测方法、装置、设备及可读存储介质 |
CN112016607A (zh) * | 2020-08-20 | 2020-12-01 | 上海松鼠课堂人工智能科技有限公司 | 一种基于深度学习的错因分析方法 |
-
2020
- 2020-12-30 CN CN202011613150.1A patent/CN112732868B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140017655A1 (en) * | 2011-03-16 | 2014-01-16 | Fujitsu Limited | Examination support apparatus, and examination support method |
US20190051204A1 (en) * | 2016-02-25 | 2019-02-14 | Riiid. Co | Method, apparatus, and computer program for providing personalized educational content |
JP2019053730A (ja) * | 2017-09-12 | 2019-04-04 | ネイバー コーポレーションNAVER Corporation | 文書のカテゴリ分類のためのディープラーニング学習方法およびそのシステム |
CN109740515A (zh) * | 2018-12-29 | 2019-05-10 | 科大讯飞股份有限公司 | 一种评阅方法及装置 |
CN110414837A (zh) * | 2019-07-29 | 2019-11-05 | 上海乂学教育科技有限公司 | 基于错因分析的人机交互系统 |
CN110609886A (zh) * | 2019-09-18 | 2019-12-24 | 北京金山数字娱乐科技有限公司 | 一种文本分析方法及装置 |
CN110675677A (zh) * | 2019-10-16 | 2020-01-10 | 杭州大拿科技股份有限公司 | 用于辅助数学应用题的方法及装置 |
CN110852071A (zh) * | 2019-11-08 | 2020-02-28 | 科大讯飞股份有限公司 | 知识点检测方法、装置、设备及可读存储介质 |
CN112016607A (zh) * | 2020-08-20 | 2020-12-01 | 上海松鼠课堂人工智能科技有限公司 | 一种基于深度学习的错因分析方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116798046A (zh) * | 2023-04-19 | 2023-09-22 | 江西风向标智能科技有限公司 | 初中数学公式自动批改方法、设备、介质和程序产品 |
CN116798046B (zh) * | 2023-04-19 | 2024-05-17 | 江西风向标智能科技有限公司 | 初中数学公式自动批改方法、设备、介质和程序产品 |
Also Published As
Publication number | Publication date |
---|---|
CN112732868B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110825875B (zh) | 文本实体类型识别方法、装置、电子设备和存储介质 | |
CN111951789B (zh) | 语音识别模型的训练、语音识别方法、装置、设备及介质 | |
CN107301164B (zh) | 数学公式的语义解析方法及装置 | |
CN116543404A (zh) | 基于单元格坐标优化的表格语义信息抽取方法、系统、设备及介质 | |
CN111694937A (zh) | 基于人工智能的面试方法、装置、计算机设备及存储介质 | |
CN111126610B (zh) | 题目分析方法、装置、电子设备和存储介质 | |
US11074406B2 (en) | Device for automatically detecting morpheme part of speech tagging corpus error by using rough sets, and method therefor | |
CN112257437A (zh) | 语音识别纠错方法、装置、电子设备和存储介质 | |
CN110083744A (zh) | 一种基于知识图谱的教学问题诊断方法及系统 | |
CN114492460B (zh) | 基于衍生提示学习的事件因果关系抽取方法 | |
CN112732868B (zh) | 解答题的答案分析方法、电子设备及存储介质 | |
CN115934955A (zh) | 一种电力标准知识图谱构建方法、知识问答系统及装置 | |
CN111241239A (zh) | 重题检测方法、相关设备及可读存储介质 | |
CN111079433A (zh) | 一种事件抽取方法、装置及电子设备 | |
CN110852071A (zh) | 知识点检测方法、装置、设备及可读存储介质 | |
CN110765241B (zh) | 推荐题的超纲检测方法、装置、电子设备和存储介质 | |
CN113705207A (zh) | 语法错误识别方法及装置 | |
CN112100355A (zh) | 一种智能交互方法、装置及设备 | |
CN113627197B (zh) | 文本的意图识别方法、装置、设备及存储介质 | |
CN114298032A (zh) | 文本标点检测方法、计算机设备及存储介质 | |
KR20090096952A (ko) | 인지단어 그룹을 이용한 속해 훈련 서비스 제공 방법 및시스템 | |
WO2024098282A1 (zh) | 一种几何解题方法、装置、设备及存储介质 | |
CN108304362B (zh) | 一种从句检测方法及装置 | |
CN111784048B (zh) | 试题难度预测方法、装置、电子设备和存储介质 | |
CN113850235B (zh) | 一种文本处理方法、装置、设备及介质 |
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 |