CN112948426A - 相似题的确认和显示方法、装置、电子设备及存储介质 - Google Patents
相似题的确认和显示方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112948426A CN112948426A CN202110406200.7A CN202110406200A CN112948426A CN 112948426 A CN112948426 A CN 112948426A CN 202110406200 A CN202110406200 A CN 202110406200A CN 112948426 A CN112948426 A CN 112948426A
- Authority
- CN
- China
- Prior art keywords
- searched
- topic
- question
- questions
- topics
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
-
- 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
- G06F16/248—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供了一种相似题的确认和显示方法、装置、电子设备及存储介质,包括提供待搜索题目,在题库中搜索出所述待搜索题目的相似题目;从所述相似题目中筛选出与所述待搜索题目的年级及知识点相匹配的题目;以及显示所述待搜索题目及相匹配的题目。本发明将在题库中搜索出的相似题目进行年级及知识点的筛选,使得显示的题目均是与待搜索题目的年级及知识点相匹配的题目,用户可以对错题进行搜索,整理出紧扣与错题有关的知识点以及学生年级的题目,即可对未掌握完全的知识点进行再次练习,直到完全掌握相关知识点。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种相似题的确认和显示方法、装置、电子设备及存储介质。
背景技术
随着计算机技术和教育信息化的不断推进,计算机技术已经逐步应用于日常的教育教学各项活动中,例如在教学评测场景下得到了相应的应用。国内现有的基础教育、学生学习状况的主要考察形式仍是各种类型的考试或测试,在此状况下,学生遇到错题时,如果能够对与错题有关的知识点进行练习,就能够快速掌握相关的知识点,从而提高考试分数。
目前,智能电子设备类产品有许多解决批改作业和试卷的搜题APP,将包含待批改试卷的影像输入搜题APP,以便搜题APP根据试卷的影像内容从题库中搜索到与试卷的影像中的各个题目相对应的题目。现有的题目搜索方法在进行题目搜索时,是根据各个题目的题干的文字内容在题库中进行查找,然而,这种搜索方式搜索到的题目无法紧扣与错题有关的知识点以及学生的年级,从而导致学生无法针对错题有关的知识点进行练习。
发明内容
本发明的目的在于提供一种相似题的确认和显示方法、装置、电子设备及存储介质,以解决现有的相似题的搜索方式无法搜索到紧扣与错题有关的知识点以及学生的年级的题目。
为了达到上述目的,本发明提供了一种相似题的确认和显示方法,包括:
提供待搜索题目,在题库中搜索出所述待搜索题目的相似题目;
从所述相似题目中筛选出与所述待搜索题目的年级及知识点相匹配的题目;以及,
显示所述待搜索题目及相匹配的题目。
可选的,所述相似题目中具有所述待搜索题目的最接近题目,将所述最接近题目的知识点作为所述待搜索题目的知识点。
可选的,在提供所述待搜索题目时,预设所述待搜索题目的年级;
或者,所述相似题目中具有所述待搜索题目的最接近题目,将所述最接近题目的年级作为所述待搜索题目的年级。
可选的,显示所述待搜索题目及相匹配的题目时;随机显示相匹配的题目,或者按照相似程度的从大到小依次显示相匹配的题目。
可选的,显示所述待搜索题目及相匹配的题目时,显示所有相匹配的题目或者显示部分相匹配的题目。
可选的,所述待搜索题目为若干个,显示所述待搜索题目及相匹配的题目时,将若干个所述待搜索题目及其相匹配的题目拼接后依次显示。
可选的,显示所述待搜索题目及相匹配的题目之后,还包括:
响应于试卷生成指令,选取若干个所述待搜索题目,并在每个选取的所述待搜索题目中选取若干个相匹配的题目生成目标试卷。
可选的,显示所述待搜索题目及相匹配的题目时,还显示相匹配的题目的难度等级;
以及,在每个选取的所述待搜索题目中选取若干个相匹配的题目时,响应于题目选取指令,选取与所述待搜索题目的难度等级的差值小于一阈值的相匹配的题目。
可选的,显示所述待搜索题目及相匹配的题目之后,响应于所述试卷生成指令,自动选取若干个所述待搜索题目及与所述待搜索题目的难度等级的差值小于一阈值的相匹配的题目生成所述目标试卷。
可选的,所述相似题目中具有所述待搜索题目的最接近题目,将所述最接近题目的难度等级作为所述待搜索题目的难度等级。
可选的,所述题库中的每个题目均具有答案和解析;
以及,显示所述待搜索题目及相匹配的题目之后或者生成所述目标试卷之后,响应于一解析指令,显示或隐藏相匹配的题目对应的答案和解析。
可选的,利用识别出的所述待搜索题目的题干在所述题库中搜索出所述待搜索题目的相似题目;和/或,利用所述待搜索题目的解题过程在所述题库中搜索出所述待搜索题目的相似题目。
可选的,所述解题过程为识别出的所述待搜索题目的解题过程、所述待搜索题目的解析中的解题过程和/或利用识别出的所述待搜索题目的题干生成的解题过程。
可选的,利用所述待搜索题目的题干在所述题库中搜索出所述待搜索题目的相似题目的步骤包括:
利用预先训练好的第一神经网络模型识别出所述待搜索题目的题干的内容;
将所述待搜索题目的题干的内容输入预先训练的第二神经网络模型中,得到所述待搜索题目的题干的特征向量;
计算所述待搜索题目的题干的特征向量与所述题库中的各个题目的题干的特征向量之间的最短编辑距离,将最短编辑距离小于一设定值的所有题目确定为所述待搜索题目的相似题目。
可选的,利用所述解题过程在所述题库中搜索出所述待搜索题目的相似题目的步骤包括:
利用预先训练好的第三神经网络模型识别出所述解题过程的内容;
将所述解题过程的内容输入预先训练的第四神经网络模型中,得到所述解题过程的若干特征;以及,
在所述题库中搜索,将与所述解题过程的至少一个特征相似的题目确定为所述待搜索题目的相似题目。
可选的,所述第四神经网络模型包括计算模型、向量模型和/或自然语言处理模型;以及,
所述解题过程的特征包括解题过程的形式特征、向量特征和/或自然语言特征。本发明还提供了一种相似题的确认和显示装置,包括:
题目提供模块,用于提供待搜索题目;
搜索模块,用于在题库中搜索出所述待搜索题目的相似题目;
筛选模块,用于从所述相似题目中筛选出与所述待搜索题目的年级及知识点相匹配的相似题目;以及,
显示模块,用于显示所述待搜索题目及相匹配的题目。
本发明还提供了一种电子设备,所述电子设备包括:
一个或多个执行器;以及,
存储器,用于存储一个或多个程序;以及,
当所述一个或多个程序被所述一个或多个执行器执行,使得所述一个或多个执行器实现所述的相似题的确认和显示方法。
本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现所述的相似题的确认和显示方法。
在本发明提供的相似题的确认和显示方法、装置、电子设备及存储介质中,包括提供待搜索题目,在题库中搜索出所述待搜索题目的相似题目;从所述相似题目中筛选出与所述待搜索题目的年级及知识点相匹配的题目;以及显示所述待搜索题目及相匹配的题目。本发明将在题库中搜索出的相似题目进行年级及知识点的筛选,使得显示的题目均是与待搜索题目的年级及知识点相匹配的题目,用户可以对错题进行搜索,整理出紧扣与错题有关的知识点以及学生年级的题目,即可对未掌握完全的知识点进行再次练习,直到完全掌握相关知识点。
附图说明
图1为本发明实施例提供的相似题的确认和显示方法的流程图;
图2a为本发明实施例提供的显示1个相匹配的题目的示意图;
图2b为本发明实施例提供的将4个待搜索题目的相匹配的题目拼接后依次显示的示意图;
图2c为本发明实施例提供的删除一个待搜索题目的所有相匹配的题目的示意图;
图2d为本发明实施例提供的选取若干个相匹配的题目生成目标试卷的示意图;
图2e为本发明实施例提供的题目的答案及解释的示意图;
图3为本发明实施例提供的相似题的确认和显示装置的流程图;
图4为本发明实施例提供的电子设备的结构框图;
其中,附图标记为:
10-题目提供模块;20-搜索模块;30-筛选模块;40-显示模块;501-处理器;502-存储器;503-通信接口;504-通信总线。
具体实施方式
下面将结合示意图对本发明的具体实施方式进行更详细的描述。根据下列描述,本发明的优点和特征将更清楚。需说明的是,附图均采用非常简化的形式且均使用非精准的比例,仅用以方便、明晰地辅助说明本发明实施例的目的。
为解决现有技术的问题,本实施例提供了一种相似题的确认和显示方法、装置、电子设备及存储介质。
需要说明的是,本发明实施例的相似题的确认和显示方法可应用于本实施例的相似题的确认和显示装置,该相似题的确认和显示装置可被配置于电子设备上。其中,该电子设备可以是个人计算机、移动终端等,该移动终端可以是手机、平板电脑等具有各种操作系统的硬件设备。
图1为本实施例提供的一种相似题的确认和显示方法的流程图。如图1所示,所述相似题的确认和显示方法包括步骤S100、步骤S200及步骤S300。
步骤S100:提供待搜索题目,在题库中搜索出所述待搜索题目的相似题目。
本实施例中,利用所述待搜索题目的题干在所述题库中搜索出所述待搜索题目的相似题目。具体而言,提供一待搜索题目的影像,所述待搜索题目例如可以是一错题的图像。利用预先训练好的第一神经网络模型识别出所述待搜索题目的题干的内容,所述待搜索题目的题干的内容例如是所述待搜索题目的影像中题干的文字内容。将所述待搜索题目的题干的内容输入预先训练好的第二神经网络模型中,得到所述待搜索题目的题干的特征向量,作为所述待搜索题目的特征向量。
进一步地,也可以提供包含所述待搜索题目的试卷的影像,然后利用检测模型对所述试卷的影像进行检测,检测出所述试卷上的各个题目的区域。识别完题目区域后会将每道题目进行切割为单个影像,或者不实际切割,而在处理时将每个题目区域区分开为单个影像进行处理,会根据题目位置信息进行排序。接着,可以选取若干单个影像,例如选取所述试卷中的错题对应的影像,将选取的单个影像对应的题目作为所述待搜索题目。将每一所述待搜索题目的题干的内容输入预先训练好的第二神经网络模型中,得到每一所述待搜索题目的题干的特征向量。
接下来,针对每一所述待搜索题目,在所述题库中进行搜索,查找与所述待搜索题目的题干的特征向量相匹配的特征向量,将所述题库中所有与所述待搜索题目的题干的特征向量相似的特征向量对应的题目确定为所述待搜索题目的相似题目。
本实施例中,将所述待搜索题目的题干的特征向量与所述题库中的题目的题干的特征向量的最短编辑距离作为判断所述相似题目的条件,例如,当所述题库中的题目的题干的特征向量与所述待搜索题目的题干的特征向量之间的最短编辑距离小于一设定值时,则可以判定该题目属于所述待搜索题目的相似题目,也即是说,最短编辑距离小于所述设定值的所有题目均为所述待搜索题目的相似题目。在所述待搜索题目的所有相似题目中,认定与所述待搜索题目的题干的特征向量最短编辑距离最小的特征向量对应的题目为所述待搜索题目的最接近题目。
应理解,对于不包含图片的所述待搜索题目,直接将所述待搜索题目的题干的文字部分的特征向量作为所述待搜索题目的题干的特征向量,对于题干包含图片的所述待搜索题目,可以将所述待搜索题目的题干的图片的特征向量与题干的文字部分的特征向量进行拼接,作为所述待搜索题目的题干的特征向量,此处不在一一解释说明。
作为可选实施例,还可以利用所述待搜索题目的解题过程在所述题库中搜索出所述待搜索题目的相似题目。所述解题过程可以为识别出的所述待搜索题目的解题过程、所述待搜索题目解析中的解题过程和/或利用识别出的所述待搜索题目的题干生成的解题过程。所述解题过程可以包括解题步骤或者包括解题步骤和至少部分解题步骤的步骤说明。所述解题步骤表示从所述题目内容推导到解题答案的具体处理,而所述步骤说明可以包括对为什么采用这样的解题步骤的原因的说明、对解题步骤中所采用的数学工具的解释等等。所述解题步骤通常是不可或缺的,而所述步骤说明可以根据解题步骤的复杂程度给出,例如,对于很简单的解题步骤,可以不产生相关的步骤说明。
所述解题过程可以由文字来表述,或者也可以由图形(例如,包括所述题目内容中所涉及的函数曲线图等)来表示。
应理解,这里的“识别出的所述待搜索题目的解题过程”是指用户作答的、并通过识别得到的解题过程。具体而言,在检测出题目的所在的区域时,还可以识别出用户作答的解题步骤所在的区域,然后根据所述解题步骤所在的区域的影像识别出所述待搜索题目的解题过程。
进一步地,当用户并未答题时,可以根据所述待搜索题目的题干的内容生成解题过程。
具体而言,根据所述待搜索题目的题干生成解题过程生成所述解题过程的步骤可以包括:
根据所述待搜索题目的题干确定所述待搜索题目的题目类型,然后根据所述题目类型确定解题模型。所述题目类型可以包括计算题、应用题、填空题、选择题、操作题等,而所述解题模型具体可以包括用于计算题的计算模型,用于应用题的自然语言处理模型和/或向量模型等。
接着,根据所述解题模型产生所述解题过程。例如,当所述题目类型为计算题时,所述解题模型实际上是根据所述题目内容的形式特征(例如未知数的个数、最高幂次、位置和计算符号等),从预设规则库中获取对应的规则,并根据对应的规则产生所述解题过程。
应理解,所述待搜索题目的题干、识别出的解题过程、解析中的解题过程及生成的解题过程可以分别单独用于在所述题库中搜索出所述待搜索题目的相似题目,在一些情况下也可以被结合用于在所述题库中搜索出所述待搜索题目的相似题目,以改善搜索的准确性及全面度。
接下来,利用预先训练好的第三神经网络模型识别出所述解题过程的内容,所述解题过程的内容例如是所述解题过程的内容的文字内容和/或图片内容。
然后将所述解题过程的内容输入预先训练好的第四神经网络模型中,得到所述解题过程的若干特征。所述第四神经网络模型的输入为所述解题过程的内容,输出为所述解题过程对应的特征,例如,当所述第四神经网络模型为计算模型时,所述解题过程的特征为形式特征(未知数的个数、最高幂次、位置和计算符号等)。举例而言:所述待搜索题目的解题过程是求解二元一次方程、因式分解法、配方法、换元法、判别式法、韦达定理或待定系数法等等,所述解题过程中的每一步都有可能识别为相应的解题方法,也即所述解题过程的形式特征。当所述第四神经网络模型为向量模型时,所述解题过程的特征为向量特征(文字特征向量或图片特征向量等)。当然,所述第四神经网络模型中还可以加入自然语言处理模型,将所述自然语言处理模型与计算模型或向量模型结合后,即使表述方式不同,也可以准确地得到所述解题过程的特征。
接下来,在所述题库中搜索,将与所述解题过程的至少一个特征相似的题目确定为所述待搜索题目的相似题目。步骤S200:从所述相似题目中筛选出与所述待搜索题目的年级及知识点相匹配的题目。
对于每一所述待搜索题目,由于所述待搜索题目的年级及知识点通常是未知的,而所述题库中的每个题目均可以设置年级及知识点对应的标签,本实施例中,将所述最接近题目的知识点及年级作为所述待搜索题目的知识点及年级,并以所述待搜索题目的知识点及年级作为筛选条件,对所述相似题目进行筛选,以将与所述待搜索题目的年级及知识点相匹配的题目筛选出来。如此一来,筛选出的相匹配题目的年级和知识点均与所述待搜索题目的年级和知识点相匹配,用户可以对错题进行搜索,整理出紧扣与错题有关的知识点以及学生年级的题目,即可对未掌握完全的知识点进行再次练习,直到完全掌握相关知识点。
作为可选实施例,用户可以预设所述待搜索题目的年级,然后将所述最接近题目的知识点以及用于预设的年级作为所述待搜索题目的知识点及年级进行筛选。如此也可以筛选出与所述待搜索题目的知识点及年级相匹配的题目。
步骤S300:显示所述待搜索题目及相匹配的题目。
具体而言,将所述待搜索题目及其对应的相匹配的题目进行显示,将所述待搜索题目也一并显示出来可以便于比较和观察所述待搜索题目与相匹配题目。
进一步地,显示所述待搜索题目及相匹配的题目时,可以随机显示相匹配的题目,或者也可以按照相似程度的从大到小依次显示相匹配的题目。举例而言,从所述相似题目中筛选出与所述待搜索题目的年级及知识点相匹配的题目具有10个,这10个相匹配的题目显示的顺序可以是随机的,也可以先按照相似程度的从大到小对这10个相匹配的题目进行排序,然后按照排好的顺序依次显示这10个相匹配的题目。
进一步地,从所述相似题目中筛选出与所述待搜索题目的年级及知识点相匹配的题目进行显示时;显示所有相匹配的题目,或者显示一预定数量的相匹配的题目。所述预定数量是预先设定好的,例如是2个、3个或4个等,本实施例不作限制,应理解,所述预定数量应该小于或等于筛选出的相匹配的题目的数量。举例而言,从所述相似题目中筛选出与所述待搜索题目的年级及知识点相匹配的题目具有10个,这10个相匹配的题目可以都显示出来,也可以显示2个相匹配的题目。
图2a为本实施例提供的显示1个相匹配的题目的示意图,如图2所示,所述待搜索题目为“一名自行车运动员每天训练要骑行65千米,这名运动员六月份每天坚持训练,一共骑行了多少千米”;所述待搜索题目的年级为“三年级”,知识点为“证书的乘法及应用,应用题”。最终显示了两个相匹配的题目“相似题一”和“相似题二”,“相似题一”和“相似题二”与所述待搜索题目的知识点和年级均是匹配的。
应理解,当所述待搜索题目为一个时,只会显示所述待搜索题目的相匹配的题目;当所述待搜索题目为至少两个时,可以将所有所述待搜索题目的相匹配的题目拼接后依次显示。举例而言,所述待搜索题目为两个,其中,对于第一个待搜索题目,从其所述相似题目中筛选出与所述第一个待搜索题目的年级及知识点相匹配的题目具有3个;对于第二个待搜索题目,从其所述相似题目中筛选出与所述第二个待搜索题目的年级及知识点相匹配的题目具有2个;可以将所述第一个待搜索题目的3个相匹配的题目与第二个待搜索题目的2个相匹配的题目依次显示。
图2b为本实施例提供的将4个待搜索题目的相匹配的题目拼接后依次显示的示意图,如图2b所示,4个待搜索题目依次为“一名自行车运动员每天训练要骑行65千米,这名运动员六月份每天坚持训练,一共骑行了多少千米”、“右图中的正方形的边长为10,则阴影部分的面积为()”、“如果不等式组的解集为-a<x<b,那么不等式组的解集为”以及“如果不等式组的解集为x>3,那么m的取值范围是()”,其中,第一个待搜索题目具有三个相匹配的题目,分别为“相似题一”、“相似题二”及“相似题三”,另外的3个待搜索题目也分别具有各自的相匹配的题目,图2b中,3个待搜索题目的相匹配的题目是隐藏着的,通过各自的“举一反三”按钮发送展开指令即可显示出来。
进一步地,从所述相似题目中筛选出与所述待搜索题目的年级及知识点相匹配的题目进行显示之后,用户可以手动删除任意的待搜索题目的所有相匹配的题目,也可以删除所述待搜索题目的任意的相匹配的题目。图2c为本实施例提供的删除一个待搜索题目的所有相匹配的题目的示意图,图2c中的待搜索题目为“如果不等式组的解集为-a<x<b,那么不等式组的解集为”,用户可以通过“删除”按钮发送删除指令删除选中的待搜索题目的所有相匹配的题目,再通过“确认”按钮确认将所述待搜索题目的所有相匹配的题目删除。当然,需要删除所述待搜索题目的某个相匹配的题目时,只需要将该待搜索题目的相匹配的题目展开显示出来,然后选取需要删除的题目,通过“删除”按钮发送删除指令,以及通过“确认”确认删除即可,此处不再过多赘述。
为了便于练习,从所述相似题目中筛选出与所述待搜索题目的年级及知识点相匹配的题目进行显示之后,还可以响应于试卷生成指令,选取若干个所述待搜索题目,并在每个选取的所述待搜索题目中选取若干个相匹配的题目生成目标试卷。
可以纯手动生成所述目标试卷,具体而言,用户可以手动选取若干个所述待搜索题目,再从每个选取的所述待搜索题目中手动选取若干个相匹配的题目,将所有选取的题目组合后生成所述目标试卷。当然也可以自动生成所述目标试卷,用户可以通过按钮直接发送所述试卷生成指令,从而自动选取若干个所述待搜索题目以及选取的所述待搜索题目中的若干个相匹配的题目生成所述目标试卷。进一步,还可以采用手动和自动结合的形式生成所述目标试卷,例如先手动选取若干个所述待搜索题目,再发送所述试卷生成指令,从而自动从选取的每个所述待搜索题目中的若干个相匹配的题目生成所述目标试卷。
举例而言,显示的所述待搜索题目为5个,每个所述待搜索题目均对应显示有3个相匹配的题目,例如可以先手动选取5个待搜索题目中的3个待搜索题目,再从选取的3个待搜索题目中的每个待搜索题目中均手动选取2个相匹配的题目;如此一来,3个待搜索题目以及6个相匹配的题目,一共是9个题目组合生成所述目标试卷。举例而言,显示的所述待搜索题目为5个,每个所述待搜索题目均对应显示有3个相匹配的题目,用户发送试卷生成指令,自动从5个待搜索题目中选取一定数量的待搜索题目,以及从每个选取的待搜索题目中选取一定数量的相匹配的题目组合生成所述目标试卷。举例而言,显示的所述待搜索题目为5个,每个所述待搜索题目均对应显示有3个相匹配的题目,用户先手动选取5个待搜索题目中的3个待搜索题目,再发送试卷生成指令,自动从3个待搜索题目中选取一定数量的相匹配的题目组合生成所述目标试卷。
应理解,在自动选取时,可以预设选取的条件,依据预设选取的条件进行自动选取。
图2d为本实施例提供的选取若干个相匹配的题目生成目标试卷的示意图,图2d中具有一个待搜索题目,为“一名自行车运动员每天训练要骑行65千米,这名运动员六月份每天坚持训练,一共骑行了多少千米”,所述待搜索题目具有两个相似题,分别为“相似题一”、“相似题二”,用户手动选取所述待搜索题目以及“相似题二”而发送题目选取指令,通过所述题目选取指令选取所述待搜索题目与“相似题二”,并通过“确认并生成”按钮发送所述试卷生成指令,从而将所述待搜索题目以及“相似题二”组合生成所述目标试卷。
进一步地,所述题库中的每个题目均具有难度等级,在显示所述待搜索题目的相匹配的题目时,还显示每个相匹配的题目的难度等级,将所述最接近题目的难度等级作为所述待搜索题目的难度等级。例如图2d中的“相似题一”和“相似题二”的难度等级均是3级。在生成所述目标试卷时,用户可以通过查看每个相匹配的题目的难度等级手动选取与所述待搜索题目的难度等级的差值小于一阈值的相匹配的题目,从而生成所述目标试卷。此时,所述目标试卷中的所有题目的难度等级均是与所述待搜索题目的难度等级相近的,且用户的自主选择性更高。
进一步地,在自动生成所述目标试卷时,用户直接通过按钮发送所述试卷生成指令,通过所述试卷生成指令可以自动选取若干个所述待搜索题目及与所述待搜索题目的难度等级的差值小于所述阈值的相匹配的题目生成所述目标试卷。此时生成的所述目标试卷中的所有题目的难度等级也是与所述待搜索题目的难度等级相近的,且无需用户手动选取,生成所述目标试卷的方式更便捷。
进一步地,所述题库中的每个题目均具有答案和解析;显示所述待搜索题目及相匹配的题目之后或者生成所述目标试卷之后,响应于一解析指令,显示或隐藏相匹配的题目对应的答案和解析。
图2e为本实施例提供的题目的答案及解释的示意图,图2e中具有一个待搜索题目,为“已知0≤a≤4,那么|a-2|+|3-a|的最大值等于()”,通过“答案与解析”按钮可以发送解析指令,从而使得所述待搜索题目的答案和解析显示出来或者隐藏起来不显示。
相应于上述题目搜索方法实施例,本实施例提供了一种相似题的确认和显示装置。图3为本实施例提供的相似题的确认和显示装置的结构框图。如图3所示,所述相似题的确认和显示装置包括:
题目提供模块10,用于提供待搜索题目;
搜索模块20,用于在题库中搜索出所述待搜索题目的相似题目;
筛选模块30,用于从所述相似题目中筛选出与所述待搜索题目的年级及知识点相匹配的相似题目;以及,
显示模块40,用于显示所述待搜索题目及相匹配的题目。
进一步地,本实施例提供了一种电子设备,可以用于相似题的确认及显示。图4为本实施例提供的电子设备的结构框图,如图4所示,所述电子设备包括:
一个或多个处理器501;
存储器502,用于存储一个或多个程序;
当一个或多个程序被一个或多个所述处理器501执行,使得一个或多个所述处理器501实现如上述实施例提出的相似题的确认和显示方法。
本实施例中,所述处理器501及所述存储器502均为一个,所述电子设备还包括通信接口503,所述处理器501、所述存储器502及所述通信接口503通过通信总线504完成相互间的通信。上述电子设备提到的通信总线504可以是外设部件互连标准(PeripheralComponent Interconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线504可以分为地址总线、数据总线、控制总线等。
所述存储器502作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的相似题的确认和显示方法对应的程序指令/模块。所述处理器501通过运行存储在所述存储器502中的软件程序、指令以及模块,从而执行电子设备的各种功能应用以及数据处理,即实现上述的相似题的确认和显示方法。
所述存储器502可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据电子设备的使用所创建的数据等。此外,所述存储器502可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,所述存储器502可进一步包括相对于所述处理器501远程设置的存储器,这些远程存储器可以通过网络连接至所述电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本实施例提出的电子设备与上述实施例提出的相似题的确认和显示方法属于同一发明构思,未在本实施例中详尽描述的技术细节可参见上述实施例,并且本实施例与上述实施例具有相同的有益效果。
本实施例提供一种存储介质,其上存储有计算机程序,该程序被所述处理器501执行时实现如上述实施例提出的相似题的确认和显示方法。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用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)执行本发明各个实施例的方法。
综上,在本实施例提供的相似题的确认和显示方法、装置、电子设备及存储介质中,包括提供待搜索题目,在题库中搜索出所述待搜索题目的相似题目;从所述相似题目中筛选出与所述待搜索题目的年级及知识点相匹配的题目;以及显示所述待搜索题目及相匹配的题目。本发明将在题库中搜索出的相似题目进行年级及知识点的筛选,使得显示的题目均是与待搜索题目的年级及知识点相匹配的题目,用户可以对错题进行搜索,整理出紧扣与错题有关的知识点以及学生年级的题目,即可对未掌握完全的知识点进行再次练习,直到完全掌握相关知识点。
需要说明的是,本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、电子设备、计算机可读存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
上述仅为本发明的优选实施例而已,并不对本发明起到任何限制作用。任何所属技术领域的技术人员,在不脱离本发明的技术方案的范围内,对本发明揭露的技术方案和技术内容做任何形式的等同替换或修改等变动,均属未脱离本发明的技术方案的内容,仍属于本发明的保护范围之内。
Claims (19)
1.一种相似题的确认和显示方法,其特征在于,包括:
提供待搜索题目,在题库中搜索出所述待搜索题目的相似题目;
从所述相似题目中筛选出与所述待搜索题目的年级及知识点相匹配的题目;以及,
显示所述待搜索题目及相匹配的题目。
2.如权利要求1所述的相似题的确认和显示方法,其特征在于,所述相似题目中包括所述待搜索题目的最接近题目,将所述最接近题目的知识点作为所述待搜索题目的知识点。
3.如权利要求1或2所述的相似题的确认和显示方法,其特征在于,在提供所述待搜索题目时,预设所述待搜索题目的年级;
或者,所述相似题目中具有所述待搜索题目的最接近题目,将所述最接近题目的年级作为所述待搜索题目的年级。
4.如权利要求1所述的相似题的确认和显示方法,其特征在于,显示所述待搜索题目及相匹配的题目时,随机显示相匹配的题目,或者按照相似程度的从大到小依次显示相匹配的题目。
5.如权利要求1或4所述的相似题的确认和显示方法,其特征在于,显示所述待搜索题目及相匹配的题目时,显示所有相匹配的题目,或者显示部分相匹配的题目。
6.如权利要求1所述的相似题的确认和显示方法,其特征在于,所述待搜索题目为若干个,显示所述待搜索题目及相匹配的题目时,将若干个所述待搜索题目及其相匹配的题目拼接后依次显示。
7.如权利要求6所述的相似题的确认和显示方法,其特征在于,显示所述待搜索题目及相匹配的题目之后,还包括:
响应于试卷生成指令,选取若干个所述待搜索题目,并在每个选取的所述待搜索题目中选取若干个相匹配的题目生成目标试卷。
8.如权利要求7所述的相似题的确认和显示方法,其特征在于,显示所述待搜索题目及相匹配的题目时,还显示相匹配的题目的难度等级;
以及,在每个选取的所述待搜索题目中选取若干个相匹配的题目时,响应于题目选取指令,选取与所述待搜索题目的难度等级的差值小于一阈值的相匹配的题目。
9.如权利要求7所述的相似题的确认和显示方法,其特征在于,显示所述待搜索题目及相匹配的题目之后,响应于所述试卷生成指令,自动选取若干个所述待搜索题目及与所述待搜索题目的难度等级的差值小于一阈值的相匹配的题目生成所述目标试卷。
10.如权利要求8或9所述的相似题的确认和显示方法,其特征在于,所述相似题目中具有所述待搜索题目的最接近题目,将所述最接近题目的难度等级作为所述待搜索题目的难度等级。
11.如权利要求7所述的相似题的确认和显示方法,其特征在于,所述题库中的每个题目均具有答案和解析;
以及,显示所述待搜索题目及相匹配的题目之后或者生成所述目标试卷之后,响应于一解析指令,显示或隐藏相匹配的题目对应的答案和解析。
12.如权利要求1所述的相似题的确认和显示方法,其特征在于,利用识别出的所述待搜索题目的题干在所述题库中搜索出所述待搜索题目的相似题目;和/或,利用所述待搜索题目的解题过程在所述题库中搜索出所述待搜索题目的相似题目。
13.如权利要求12所述的相似题的确认和显示方法,其特征在于,所述解题过程为识别出的所述待搜索题目的解题过程、所述待搜索题目的解析中的解题过程和/或利用识别出的所述待搜索题目的题干生成的解题过程。
14.如权利要求12所述的相似题的确认和显示方法,其特征在于,利用所述待搜索题目的题干在所述题库中搜索出所述待搜索题目的相似题目的步骤包括:
利用预先训练好的第一神经网络模型识别出所述待搜索题目的题干的内容;
将所述待搜索题目的题干的内容输入预先训练的第二神经网络模型中,得到所述待搜索题目的题干的特征向量;
计算所述待搜索题目的题干的特征向量与所述题库中的各个题目的题干的特征向量之间的最短编辑距离,将最短编辑距离小于一设定值的所有题目确定为所述待搜索题目的相似题目。
15.如权利要求12或13所述的相似题的确认和显示方法,其特征在于,利用所述解题过程在所述题库中搜索出所述待搜索题目的相似题目的步骤包括:
利用预先训练好的第三神经网络模型识别出所述解题过程的内容;
将所述解题过程的内容输入预先训练的第四神经网络模型中,得到所述解题过程的若干特征;以及,
在所述题库中搜索,将与所述解题过程的至少一个特征相似的题目确定为所述待搜索题目的相似题目。
16.如权利要求15所述的相似题的确认和显示方法,其特征在于,所述第四神经网络模型包括计算模型、向量模型和/或自然语言处理模型;以及,所述解题过程的特征包括解题过程的形式特征、向量特征和/或自然语言特征。
17.一种相似题的确认和显示装置,其特征在于,包括:
题目提供模块,用于提供待搜索题目;
搜索模块,用于在题库中搜索出所述待搜索题目的相似题目;
筛选模块,用于从所述相似题目中筛选出与所述待搜索题目的年级及知识点相匹配的相似题目;以及,
显示模块,用于显示所述待搜索题目及相匹配的题目。
18.一种电子设备,其特征在于,所述电子设备包括:
一个或多个执行器;以及,
存储器,用于存储一个或多个程序;以及,
当所述一个或多个程序被所述一个或多个执行器执行,使得所述一个或多个执行器实现如权利要求1-16中任一所述的相似题的确认和显示方法。
19.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-16任一项所述的相似题的确认和显示方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110406200.7A CN112948426A (zh) | 2021-04-15 | 2021-04-15 | 相似题的确认和显示方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110406200.7A CN112948426A (zh) | 2021-04-15 | 2021-04-15 | 相似题的确认和显示方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112948426A true CN112948426A (zh) | 2021-06-11 |
Family
ID=76232751
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110406200.7A Pending CN112948426A (zh) | 2021-04-15 | 2021-04-15 | 相似题的确认和显示方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112948426A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107563924A (zh) * | 2017-09-18 | 2018-01-09 | 哈尔滨成长科技有限公司 | 试卷生成方法、介质和电子设备 |
CN107741980A (zh) * | 2017-10-17 | 2018-02-27 | 广东小天才科技有限公司 | 题目搜索方法、题目搜索装置及电子终端 |
CN108090135A (zh) * | 2017-11-28 | 2018-05-29 | 广东小天才科技有限公司 | 拍照搜题方法、装置、服务器及存储介质 |
CN109271401A (zh) * | 2018-09-26 | 2019-01-25 | 杭州大拿科技股份有限公司 | 一种题目搜索、批改方法、装置、电子设备和存储介质 |
US10679512B1 (en) * | 2015-06-30 | 2020-06-09 | Terry Yang | Online test taking and study guide system and method |
CN111930901A (zh) * | 2020-10-09 | 2020-11-13 | 北京世纪好未来教育科技有限公司 | 知识点向量获取、推荐题目确定方法及相关装置 |
CN112000881A (zh) * | 2020-07-31 | 2020-11-27 | 广州未名中智教育科技有限公司 | 推荐知识的学习方法、系统、计算机设备和存储介质 |
-
2021
- 2021-04-15 CN CN202110406200.7A patent/CN112948426A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10679512B1 (en) * | 2015-06-30 | 2020-06-09 | Terry Yang | Online test taking and study guide system and method |
CN107563924A (zh) * | 2017-09-18 | 2018-01-09 | 哈尔滨成长科技有限公司 | 试卷生成方法、介质和电子设备 |
CN107741980A (zh) * | 2017-10-17 | 2018-02-27 | 广东小天才科技有限公司 | 题目搜索方法、题目搜索装置及电子终端 |
CN108090135A (zh) * | 2017-11-28 | 2018-05-29 | 广东小天才科技有限公司 | 拍照搜题方法、装置、服务器及存储介质 |
CN109271401A (zh) * | 2018-09-26 | 2019-01-25 | 杭州大拿科技股份有限公司 | 一种题目搜索、批改方法、装置、电子设备和存储介质 |
CN112000881A (zh) * | 2020-07-31 | 2020-11-27 | 广州未名中智教育科技有限公司 | 推荐知识的学习方法、系统、计算机设备和存储介质 |
CN111930901A (zh) * | 2020-10-09 | 2020-11-13 | 北京世纪好未来教育科技有限公司 | 知识点向量获取、推荐题目确定方法及相关装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109271401B (zh) | 一种题目搜索、批改方法、装置、电子设备和存储介质 | |
CN109817046B (zh) | 一种基于家教设备的学习辅助方法及家教设备 | |
CN109583429B (zh) | 一种批改试卷中应用题的方法及装置 | |
CN110362671B (zh) | 题目推荐方法、设备和存储介质 | |
CN109284355B (zh) | 一种批改试卷中口算题的方法及装置 | |
CN111475627B (zh) | 解答推导题目的检查方法、装置、电子设备及存储介质 | |
CN109189895B (zh) | 一种针对口算题的题目批改方法及装置 | |
CN113377936B (zh) | 智能问答方法、装置及设备 | |
CN111046188A (zh) | 用户偏好度确定方法、装置、电子设备及可读存储介质 | |
CN109933650B (zh) | 一种作业中图片题目的理解方法及系统 | |
CN112182178A (zh) | 智能问答方法、装置、设备及可读存储介质 | |
CN111460185A (zh) | 书籍搜索方法、装置和系统 | |
CN110765241B (zh) | 推荐题的超纲检测方法、装置、电子设备和存储介质 | |
CN112100378A (zh) | 文本分类模型训练方法、装置、计算机设备及存储介质 | |
CN113127682A (zh) | 题目讲解方法、系统、电子设备及计算机可读存储介质 | |
CN112800177B (zh) | 基于复杂数据类型的faq知识库自动生成方法和装置 | |
CN113220854A (zh) | 机器阅读理解的智能对话方法及装置 | |
CN112417174A (zh) | 一种数据处理的方法和装置 | |
CN111062449A (zh) | 预测模型的训练方法、兴趣度预测方法、装置和存储介质 | |
WO2023024898A1 (zh) | 题目辅助方法、题目辅助装置和题目辅助系统 | |
CN112948426A (zh) | 相似题的确认和显示方法、装置、电子设备及存储介质 | |
CN116228361A (zh) | 基于特征匹配的课程推荐方法、装置、设备和存储介质 | |
CN111027536A (zh) | 一种基于电子设备的搜题方法及电子设备 | |
CN114281942A (zh) | 问答处理方法、相关设备及可读存储介质 | |
CN115017886A (zh) | 文本匹配方法、文本匹配装置、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 |