CN112906895B - 一种题目对象仿造的方法 - Google Patents
一种题目对象仿造的方法 Download PDFInfo
- Publication number
- CN112906895B CN112906895B CN202110176530.1A CN202110176530A CN112906895B CN 112906895 B CN112906895 B CN 112906895B CN 202110176530 A CN202110176530 A CN 202110176530A CN 112906895 B CN112906895 B CN 112906895B
- Authority
- CN
- China
- Prior art keywords
- word
- character
- list
- keyword
- words
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
- G06N5/025—Extracting rules from data
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
一种题目对象仿造的方法,包括步骤:(一)对原题目进行拷贝处理,得到新题目,(二)对新题目进行拆分处理,得到多个字组,(三)遍历每个字组,进行相应的替换操作:将字组抽象化,得到字组的抽象词,查询抽象词的具象列表,利用关键词相似评估机制和防冲突机制,进一步筛选出可用的具象列表,最后从具象列表里随机取出一个具象词,替换当前关键词,直到将所有字组处理完,生成新题目。本发明不存在人为因素带来的错误,在出题量大时耗时更短、效率更高,把一种相同类型的题型变成多种不同描述的具体题目,丰富了同种题型题目的内容,使得题目展现能力更强、更丰富。
Description
技术领域
本发明涉及计算机技术领域,特别涉及一种题目对象仿造的方法。
背景技术
在日常学习过程中,计算机出题已经成为比较大的趋势,在计算机模拟人类进行出题的过程中,经常需要对一些相同题型的题目做一些变换,以丰富同种题型题目的内容,然而目前大多还是采用人工出题的方式,未发现有较好的通过计算机对题目进行对象替换的方法,在出题量大的情况下,便会非常耗时耗力。
发明内容
本发明要解决的技术问题是:提供一种可识别出题目中的关键词并将关键词替换成与关键词相同类型的其他对象的方法,以克服已有技术所存在的上述不足。
本发明采取的技术方案是:一种题目对象仿造的方法,包括以下步骤:
(一)对原题目进行拷贝处理,得到新题目;
(二)对新题目进行拆分处理,得到多个字组;
(三)遍历每个字组,进行相应的替换操作;
(1)判断当前字组是否是数字或者不具有换算关系的单位,若是,则不处理,跳到下一个字组,若否,则进入步骤(2);
(2)将字组抽象化,得到字组的抽象词;
(3)判断当前字组的抽象词是否与字组本身相同,若是,则表明该字组不是关键词,不需要替换,跳到下一个字组,若否,则表明该字组是关键词,需要替换,进入步骤(4);
(4)判断当前关键词是否为题目的第一关键词,若是,则进入步骤(5),若否,则进入步骤(6);
(5)查询抽象词的具象列表,若具象列表不为空,则随机选取一个具象词进行替换,跳到下一个字组;若具象列表为空,则视为异常,退出题目对象的仿造;
(6)判断当前关键词是否为首次替换,若是,则进入步骤(7),若否,则表示当前关键词已被替换过,直接取前文相同关键词所替换的具象词进行替换;
(7)查询当前抽象词的具象列表,若具象列表不为空,则利用关键词相似评估机制,筛选出具象列表里与新题目已替换好的具象词相似度较高的所有具象词,进入步骤(8),若具象列表为空,则视为异常,退出题目对象的仿造;
(8)利用防冲突机制,进一步筛选出可用的具象列表;
(9)随机从步骤(8)的可用具象列表里取出一个具象词,替换当前关键词;
(10)重复步骤(1)至步骤(9),直到将所有字组处理完,生成新题目。
其进一步的技术方案是:所述关键词相似评估机制包括两层处理:
第一层,从具象列表中依次取出具象词,用该具象词去匹配语料库,取出含有该具象词的语料,然后对每个语料分词,统计具象词与语料各词之间的复现次数并记录;再用当前关键词去与语料库匹配,统计关键词与语料各词之间的复现次数并记录,将统计结果与具象列表里所有词的统计结果进行比较,相同的词越多表示越相近,最后将语义更相近的词取出;
第二层,经过第一层的处理后,若相似具象列表不为空,则系统随机取出与新题目已替换好的具象词字频相似度高的词,若相似具象列表为空,则随机从总的具象列表中取出一个具象词。
进一步:所述防冲突机制具体包括:若原题目的某些关键词之间具有独立性,则保持新题目中所对应的具象词之间也具有独立性;若原题目的某些关键词之间具有一致性,则保持新题目中所对应的具象词之间也具有一致性。
由于采用上述技术方案,本发明之一种题目对象仿造的方法具有如下有益效果:
1.由于本发明采用计算机系统自动替换题目关键对象从而生出新题目,相对于人工出题而言,不仅不存在人为因素带来的错误,出现错别字、漏条件等相关问题,而且在出题量大时耗时更短、效率更高,可以用于题目生成系统,系统获取用户输入的原题目,经过分析、加工后自动生成多个不同对象描述的题目,免去人工思索与操作时间,提高出题效率;
2.由于本发明使用了关键词相似度评估机制,在识别原题目中的关键词后,又在抽象词的具象列表里找出一个相似度与该关键词最为接近的新对象,使得新题目中各具象词间的呈现更自然协调;
3.由于本发明使用了防冲突机制,维持了原题目与新题目中关键词的一致性与独立性,使新题目的逻辑不乱,各关键词之间不发生冲突,进一步保证了系统出题的准确性;
4.本发明可以把一种相同类型的题型变成多种不同描述的具体题目,丰富了同种题型题目的内容,使得题目展现能力更强、更丰富。
下面结合附图和实施例对本发明之一种题目对象仿造的方法的技术特征作进一步的说明。
附图说明
图1:本发明实施例之方法流程图。
具体实施方式
实施例一
一种题目对象仿造的方法,如图1所示,包括以下步骤:
假设系统被训练过如下知识:
物体A、物体B、物体C、物体D、物体E、铁块、石块、汽车、卡车、货车是一种物体;
mg、g、kg是一种重量单位;
立方厘米、立方分米、立方米是一种体积单位;
g/立方厘米、kg/立方米是一种密度单位;
假设用户输入的原题目:物体A的质量是100kg,物体C的质量是60kg,物体B的质量是物体C的2倍,求物体A与物体B的质量之和。
(一)对原题目进行拷贝处理,拷贝的题目称为新题目。
(二)对新题目进行拆分处理,分成多个字组;
分词结果为:物体A|的|质|量|是|100|kg|,|物体C|的|质|量|是|60|kg|,|物体B|的|质|量|是|物体C|的|2|倍|,|求|物体A|与|物体B|的|质|量|之|和|。
注:分词结果取决于训练后的词库。
(三)遍历拆分后的每个字组,进行相应的替换操作;
(1)判断当前字组是否是数字或者不具有换算关系的单位,若是,则不处理,跳到下一个字组,若否,则进入步骤(2)处理;
字组“物体A”等不是数字,也不是不具有换算关系的单位,继续执行步骤(2);
字组“的”、“质”、“量”、“是”不是数字,也不是不具有换算关系的单位,继续执行步骤(2);
字组“100”等是数字,跳到下一个字组;
字组“kg”是可换算的国际制单位,继续执行步骤(2);
(2)将字组抽象化,得到字组的抽象词;
“物体A”—抽象化—“物体”
(3)判断当前字组的抽象词是否与字组本身相同,若是,则表明该字组不是关键词,不需要替换,直接跳到下一个字组;若否,则表明其是关键词,需要替换,进入步骤(4)进行处理;
“物体A” 的抽象词为“物体”,二者不同,因此“物体A”是关键词,可进入下一步;
字组“是”的抽象词为“是”,与字组本身相同,跳到下一个字组;
“kg” 的抽象词为“重量单位”,二者不同,因此“kg”是关键词,可进入下一步;
(4)判断当前关键词是否为题目的第一关键词,若是,则不需要进行相似比较和防冲突机制处理,进入步骤(5),可使题目的变换更为丰富,更有可能的取到其他不同类型的对象,若否,则进入步骤(6);
“物体A”为题目的第一关键词,进入步骤(5),“物体C” 不是题目的第一关键词,进入步骤(6);
(5)查询抽象词的具象列表,若具象列表不为空,则随机选取一个具象词进行替换,跳到下一个字组;若具象列表为空,则视为异常,退出题目对象的仿造;
查询“物体A”的抽象词“物体”的具象列表,为“物体A、物体B、物体C、物体D、物体E、铁块、石块、汽车、卡车、货车”,随机选取到“物体B”,替换“物体A”,替换完成,跳到下一个关键词;
(6)判断当前关键词是否为首次替换,即前文是否出现过,若是首次替换,则表明前文未出现过,进入步骤(7),若不是首次替换,则表明前文已出现过,当前关键词也已被替换过,直接取前文相同关键词所替换的具象词进行替换,进入判断遍历是否结束步骤;
当遍历到题目的第一个“物体C”时,前文未出现过,为首次替换,进入步骤(7);
当遍历到题目的第二个“物体C”时,前文已出现过“物体C”,不是首次替换,则替换成和第一个“物体C”所替换的相同的具象词;
(7)查询当前抽象词的具象列表,若具象列表不为空,则利用关键词相似评估机制,筛选出具象列表里与新题目已替换好的具象词相似度较高的所有具象词,进入步骤(8),若具象列表为空,则视为异常,退出题目对象的仿造;
查询“物体C”的抽象词“物体”的具象列表,为“物体A、物体B、物体C、物体D、物体E、铁块、石块、汽车、卡车、货车”,利用关键词相似评估机制,已知第一关键词“物体A”已替换成“物体B”,则筛选出与“物体B”相似度较高的所有具象词,为“物体A、物体B、物体C、物体D、物体E”;
由于系统本身已经有监督训练,即大多数词的含义属性都会被授入系统,并不是由系统自己分类,因此当前系统分类的精细程度取决于词库的训练情况,而所述关键词相似评估机制包括两层处理:
第一层,从具象列表中依次取出具象词,用该具象词去匹配语料库,取出含有该具象词的语料,然后对每个语料分词,统计具象词与语料各词之间的复现次数并记录;再用当前关键词去与语料库匹配,统计关键词与语料各词之间的复现次数并记录,将统计结果与具象列表里所有词的统计结果进行比较,相同的词越多表示越相近,最后将语义更相近的词取出;
第二层,经过第一层的处理后,若相似具象列表不为空,则系统随机取出与新题目已替换好的具象词字频相似度高的词,若相似具象列表为空,则随机从总的具象列表中取出一个具象词;
原则上抽象词相同的具象词均为一类,可以随机替换,但在人为训练时,难免存在训练不详细,导致在抽象词相同的具象列表里有很多具象实际表达相差甚远,而关键词相似评估机制,可以从这些具象词里,取出与题目关键词相似度较高的词,使得新题目中各具象词间的呈现更自然协调;
(8)利用防冲突机制,从步骤(7)筛选出的具象列表中进一步筛选可用的具象词列表;
假设,当前关键词是第一个“物体C”,此时的具象列表为“物体A、物体B、物体C、物体D、物体E”,但其中“物体B”在新题目中已使用,则利用防冲突机制筛选出新的防冲突具象列表“物体A、物体C、物体D、物体E”;
所述防冲突机制具体包括:若原题目的某些关键词之间具有独立性,则保持新题目中所对应的具象词之间也具有独立性;若原题目的某些关键词之间具有一致性,则保持新题目中所对应的具象词之间也具有一致性,即原题目的某些关键词之间本身不一样的,新题目中替换成新的具象词后,这些新的具象词不能一样,原题目的某些关键词之间本身一样的,新题目中替换成新的具象词后,这些新的具象词要一样;
(9)随机从步骤(8)的可用具象列表里取出一个具象词,替换当前关键词;
从防冲突具象列表“物体A、物体C、物体D、物体E”中随机选取到“物体E”,替换“物体C”,替换完成;
(10)重复从步骤(1)至步骤(9),并判断遍历是否结束,若是,则结束,若否,则继续遍历字组,直到将所有字组处理完,至此新的题目生成:
物体B的质量是100g,物体E的质量是60g,物体D的质量是物体E的2倍,求物体B与物体D的质量之和。
实施例二
采用实施例一之一种题目对象仿造的方法,对以下题目进行替换:
原题目:物体A的体积是12立方米,密度为2kg/立方米,物体C的质量是100kg,物体B的质量是物体C的2倍,物体A与物体B的质量之和是多少。
新题目1:物体D的体积是12立方厘米,密度为2g/立方厘米,物体E的质量是100g,物体F的质量是物体E的2倍,物体D与物体F的质量之和是多少。
新题目2:物体A的体积是12立方米,密度为2kg/立方米,桌子的质量是100kg,小车的质量是桌子的2倍,物体A与小车的质量之和是多少。
相似度:在语料较少词库量低时,含有该词等相关的语料较少,因此,看词之间的字频,题目1各关键词与原题目的字频更大,相似度更高;
防冲突:保持独立性:原题目“物体A、物体C、物体B”之间具有独立性、差异性,因此新题目中,“物体D、物体E、物体F”这三个关键词也要和原题维持这种独立关系,也就是新题不能是“物体D、物体D、物体F”等;保持一致性:原题目出现两个“物体C”,因此新题目中“物体C”替换成的“物体E”也在同一个位置出现两次,新旧题目关键词具有共同的一致性;
评估结果:题目1比题目2较符合系统规则,故选取题目1作为输出结果。
实施例三
采用实施例一之一种题目对象仿造的方法,对以下题目进行替换:
原题目:物体A的体积是12立方米,密度为2kg/立方米,物体A的质量是多少。
原题中的“物体A”属于“物体”,利用相似度机制和防冲突机制获得物体的具象列表中取出对象“石块”进行替换,“立方米”属于“体积单位”,则从体积单位的具象列表里取出具象词“立方厘米”进行替换,“kg/立方米”属于“密度单位”,则从密度单位的具象列表里取出具象词“g/立方厘米”进行替换;
从而得到新题目:石块的体积是12立方厘米,密度为2g/立方厘米,铁块的质量是多少。
同理,系统经过不同的训练与学习,可仿造更多的题目。
以上实施例仅为本发明的较佳实施例,本发明的方法并不限于上述实施例列举的形式,凡在本发明的精神和原则之内所作的任何修改、等同替换等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种题目对象仿造的方法,其特征在于:包括以下步骤:
(一)对原题目进行拷贝处理,得到新题目;
(二)对新题目进行拆分处理,得到多个字组;
(三)遍历每个字组,进行相应的替换操作;
(1)判断当前字组是否是数字或者不具有换算关系的单位,若是,则不处理,跳到下一个字组,若否,则进入步骤(2);
(2)将字组抽象化,得到字组的抽象词;
(3)判断当前字组的抽象词是否与字组本身相同,若是,则表明该字组不是关键词,不需要替换,跳到下一个字组,若否,则表明该字组是关键词,需要替换,进入步骤(4);
(4)判断当前关键词是否为题目的第一关键词,若是,则进入步骤(5),若否,则进入步骤(6);
(5)查询抽象词的具象列表,若具象列表不为空,则随机选取一个具象词进行替换,跳到下一个字组;若具象列表为空,则视为异常,退出题目对象的仿造;
(6)判断当前关键词是否为首次替换,若是,则进入步骤(7),若否,则表示当前关键词已被替换过,直接取前文相同关键词所替换的具象词进行替换;
(7)查询当前抽象词的具象列表,若具象列表不为空,则利用关键词相似评估机制,筛选出具象列表里与新题目已替换好的具象词相似度较高的所有具象词,进入步骤(8),若具象列表为空,则视为异常,退出题目对象的仿造;
所述关键词相似评估机制包括两层处理:
第一层,从具象列表中依次取出具象词,用该具象词去匹配语料库,取出含有该具象词的语料,然后对每个语料分词,统计具象词与语料各词之间的复现次数并记录;再用当前关键词去与语料库匹配,统计关键词与语料各词之间的复现次数并记录,将统计结果与具象列表里所有词的统计结果进行比较,相同的词越多表示越相近,最后将语义更相近的词取出;
第二层,经过第一层的处理后,若相似具象列表不为空,则系统随机取出与新题目已替换好的具象词字频相似度高的词,若相似具象列表为空,则随机从总的具象列表中取出一个具象词;
(8)利用防冲突机制,进一步筛选出可用的具象列表;
(9)随机从步骤(8)的可用具象列表里取出一个具象词,替换当前关键词;
(10)重复步骤(1)至步骤(9),直到将所有字组处理完,生成新题目。
2.根据权利要求1所述的一种题目对象仿造的方法,其特征在于:所述防冲突机制具体包括:若原题目的某些关键词之间具有独立性,则保持新题目中所对应的具象词之间也具有独立性;若原题目的某些关键词之间具有一致性,则保持新题目中所对应的具象词之间也具有一致性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110176530.1A CN112906895B (zh) | 2021-02-09 | 2021-02-09 | 一种题目对象仿造的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110176530.1A CN112906895B (zh) | 2021-02-09 | 2021-02-09 | 一种题目对象仿造的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112906895A CN112906895A (zh) | 2021-06-04 |
CN112906895B true CN112906895B (zh) | 2022-12-06 |
Family
ID=76124434
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110176530.1A Active CN112906895B (zh) | 2021-02-09 | 2021-02-09 | 一种题目对象仿造的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112906895B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106021288A (zh) * | 2016-04-27 | 2016-10-12 | 南京慕测信息科技有限公司 | 一种基于自然语言分析的随堂测试答案快速自动分类方法 |
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 |
CN107463553A (zh) * | 2017-09-12 | 2017-12-12 | 复旦大学 | 针对初等数学题目的文本语义抽取、表示与建模方法和系统 |
CN109241534A (zh) * | 2018-09-12 | 2019-01-18 | 重庆工业职业技术学院 | 一种基于文本ai学习的考题自动生成方法和装置 |
CN112101005A (zh) * | 2020-04-02 | 2020-12-18 | 上海迷因网络科技有限公司 | 一种快速表达力测试题目生成和动态调整方法 |
CN112101017A (zh) * | 2020-04-02 | 2020-12-18 | 上海迷因网络科技有限公司 | 一种为快速表达力测试生成题目的方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110046240B (zh) * | 2019-04-16 | 2020-12-08 | 浙江爱闻格环保科技有限公司 | 结合关键词检索与孪生神经网络的目标领域问答推送方法 |
CN111460798A (zh) * | 2020-03-02 | 2020-07-28 | 平安科技(深圳)有限公司 | 近义词推送方法、装置、电子设备及介质 |
-
2021
- 2021-02-09 CN CN202110176530.1A patent/CN112906895B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106021288A (zh) * | 2016-04-27 | 2016-10-12 | 南京慕测信息科技有限公司 | 一种基于自然语言分析的随堂测试答案快速自动分类方法 |
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 |
CN107463553A (zh) * | 2017-09-12 | 2017-12-12 | 复旦大学 | 针对初等数学题目的文本语义抽取、表示与建模方法和系统 |
CN109241534A (zh) * | 2018-09-12 | 2019-01-18 | 重庆工业职业技术学院 | 一种基于文本ai学习的考题自动生成方法和装置 |
CN112101005A (zh) * | 2020-04-02 | 2020-12-18 | 上海迷因网络科技有限公司 | 一种快速表达力测试题目生成和动态调整方法 |
CN112101017A (zh) * | 2020-04-02 | 2020-12-18 | 上海迷因网络科技有限公司 | 一种为快速表达力测试生成题目的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112906895A (zh) | 2021-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106663117A (zh) | 构造支持提供探索性建议的图 | |
CN105989056A (zh) | 一种汉语新闻推荐系统 | |
CN110990670B (zh) | 一种成长激励型图书推荐方法及推荐系统 | |
CN107145514A (zh) | 基于决策树和svm混合模型的中文句型分类方法 | |
CN110109902A (zh) | 一种基于集成学习方法的电商平台推荐系统 | |
CN111723295A (zh) | 一种内容分发方法、装置和存储介质 | |
JP2021068053A (ja) | 生成装置、及び生成プログラム | |
CN109948913A (zh) | 一种基于双层的xgboost算法的多源特征电力用户综合画像系统 | |
Yu et al. | Data augmentation based on adversarial autoencoder handling imbalance for learning to rank | |
CN109933787B (zh) | 文本关键信息的提取方法、装置及介质 | |
JP3344953B2 (ja) | 情報フィルタ装置及び情報フィルタリング方法 | |
KR102575507B1 (ko) | 인공지능을 활용한 기사 작성 솔루션 및 장치 | |
CN112906895B (zh) | 一种题目对象仿造的方法 | |
CN113486143A (zh) | 一种基于多层级文本表示及模型融合的用户画像生成方法 | |
CN111008285B (zh) | 一种基于论文关键属性网络的作者消歧方法 | |
CN111611432A (zh) | 一种基于Labeled LDA模型的歌手分类方法 | |
JP2009223809A (ja) | 仕訳条件作成プログラム、仕訳条件作成装置および仕訳条件作成方法 | |
CN115795036A (zh) | 一种实时对长文本去重聚类的方法 | |
Lin et al. | Mining online book reviews for sentimental clustering | |
Swamy et al. | Nit-agartala-nlp-team at semeval-2020 task 8: Building multimodal classifiers to tackle internet humor | |
Wu et al. | A study on natural language processing classified news | |
Ji et al. | Sentiment analysis of comments of wooden furniture based on naive Bayesian model | |
CN114327607A (zh) | 一种bs代码自动生成方法 | |
CN113656560A (zh) | 情感类别的预测方法和装置、存储介质及电子设备 | |
CN112632284A (zh) | 用于未标注文本数据集的信息抽取方法及系统 |
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 |