CN114238787A - 答题处理方法、装置 - Google Patents
答题处理方法、装置 Download PDFInfo
- Publication number
- CN114238787A CN114238787A CN202111600003.5A CN202111600003A CN114238787A CN 114238787 A CN114238787 A CN 114238787A CN 202111600003 A CN202111600003 A CN 202111600003A CN 114238787 A CN114238787 A CN 114238787A
- Authority
- CN
- China
- Prior art keywords
- question
- answer
- user
- presenting
- pair
- 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
- 238000003672 processing method Methods 0.000 title claims description 20
- 239000000463 material Substances 0.000 claims abstract description 168
- 238000000034 method Methods 0.000 claims abstract description 43
- 238000012545 processing Methods 0.000 claims abstract description 34
- 230000000875 corresponding effect Effects 0.000 claims description 39
- 238000009826 distribution Methods 0.000 claims description 20
- 230000004044 response Effects 0.000 claims description 18
- 230000002596 correlated effect Effects 0.000 claims description 13
- 230000009191 jumping Effects 0.000 claims description 6
- 230000000699 topical effect Effects 0.000 claims description 6
- 230000003993 interaction Effects 0.000 abstract description 13
- 238000003860 storage Methods 0.000 abstract description 11
- 238000010586 diagram Methods 0.000 description 28
- 238000012550 audit Methods 0.000 description 26
- 230000015654 memory Effects 0.000 description 21
- 230000008569 process Effects 0.000 description 19
- 238000007726 management method Methods 0.000 description 18
- 238000012552 review Methods 0.000 description 10
- 230000008859 change Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000012549 training Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 239000013598 vector Substances 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013475 authorization Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 238000009827 uniform distribution Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000008713 feedback mechanism Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9538—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本申请提供了一种答题处理方法、装置、电子设备及计算机可读存储介质;方法包括:接收出题素材,并呈现出题素材的内容;呈现出题入口,其中,出题入口用于表征出题素材能够被设置题目;响应于针对出题入口的出题触发操作,呈现出题页面,并通过出题页面接收出题用户输入的问答对,其中,问答对包括题目和至少一个答案;响应于题目提交操作,将问答对与素材进行关联,并呈现题目提交成功消息。通过本申请,能够高效和准确地构建用于答题互动的题库并防止作弊。
Description
技术领域
本申请涉及互联网技术,尤其涉及一种答题处理方法、装置、电子设备及计算机可读存储介质。
背景技术
随着互联网技术的发展,信息传播的方式得以进一步丰富。传统的问答式的交互方式是基于信息相关的问答对(包括问题和答案)进行的,由于能够促进用户对信息的关注和理解,因此在新闻聚合、社交网络公众号、在线教育等等方面得到了应用,并取得良好的信息传播效果。
然而,由于互联网中传播的信息是海量的,且类型也是多样化,相关技术中缺乏高效的解决方案来针对海量且多样化的信息形成题库并防止用户在答题过程中的作弊行为。
发明内容
本申请实施例提供一种答题处理方法、装置、电子设备及计算机可读存储介质,能够高效和准确地构建用于答题互动的题库并防止作弊。
本申请实施例的技术方案是这样实现的:
本申请实施例提供一种答题处理方法,包括:
接收出题素材,并呈现所述出题素材的内容;
呈现出题入口,其中,所述出题入口用于表征所述出题素材能够被设置题目;
响应于针对所述出题入口的出题触发操作,呈现出题页面,并
通过所述出题页面接收出题用户输入的问答对,其中,所述问答对包括题目和至少一个答案;
响应于题目提交操作,将所述问答对与所述素材进行关联,并呈现题目提交成功消息。
本申请实施例提供一种答题处理装置,包括:
第一接收模块,用于接收出题素材,并呈现所述出题素材的内容;
呈现模块,用于呈现出题入口,其中,所述出题入口用于表征所述出题素材能够被设置题目;
第二接收模块,用于响应于针对所述出题入口的出题触发操作,呈现出题页面,并通过所述出题页面接收出题用户输入的问答对,其中,所述问答对包括题目和至少一个答案;
关联模块,用于响应于题目提交操作,将所述问答对与所述素材进行关联,并呈现题目提交成功消息。
在上述方案中,所述呈现模块,还用于:
在所述出题素材的特定位置呈现出题入口;
其中,所述特定位置包括以下至少之一:
所述出题素材的结束位置;
所述出题素材中未被设置为答案的内容所处的位置;
所述出题素材中被特定用户设置为答案的内容所处的位置,其中,所述特定用户与所述出题用户具有社交关系。
在上述方案中,所述装置还包括:审核模块,用于:
对所接收的问答对进行审核操作,当审核操作通过时,确定将所述问答对与所述素材进行关联;
其中,所述审核操作通过的条件包括以下至少之一:所述问答对不包括敏感信息;所述问答对与所述出题素材相关;所述问答对与所述出题素材已经关联的历史问答对不相似;所述问答对中的答案正确。
在上述方案中,所述关联模块,还用于:
确定所述出题用户通过提交所述问答对而获得的出题积分;
呈现所述出题积分,并根据所述出题积分更新所述出题用户的累计积分。
在上述方案中,所述关联模块,还用于:
通过以下方式之一确定所述出题用户通过提交所述问答对而获得的出题积分:
将所述出题用户提交的所述问答对的数量、以及提交一个问答对所能够获得的固定积分的乘积,确定为出题积分;
根据所述出题素材已关联的问答对的数量和分布情况,确定所述出题素材已关联的问答对的完善度,并确定与所述完善度负相关的出题积分;
获取多个评分用户对所述出题用户提交的所述问答对的评分,并根据每个评分用户对应的权重和评分,得到所述出题积分。
在上述方案中,所述装置还包括:答题模块,用于:
呈现答题入口;
响应于答题用户针对所述答题入口的触发操作,呈现选中问答对的题目,其中,所述选中问答对是从与所述出题素材关联的题库中选择得到;
响应于答题用户的提交答案,将所述提交答案与所述选中问答对中的答案比对;
当比对一致时,呈现题目回答正确消息;
当比对不一致时,呈现题目回答错误消息,并呈现所述选中问答对中的答案和答案位置入口,响应于针对所述正确答案位置入口的触发操作,跳转到所述选中问答对中的答案在所述出题素材中所处的位置。
在上述方案中,选中问答对的类型包括以下至少之一:
与所述答题用户的地理距离小于地理距离阈值的出题用户所提交的问答对;
与所述答题用户具有社交关系的出题用户所提交的问答对。
在上述方案中,所述答题模块,还用于:
确定所述答题用户通过提交正确答案而获得的新积分;
呈现所述新积分,并根据所述新积分更新所述答题用户的累计积分;
其中,所述确定所述答题用户通过提交正确答案而获得的新积分,包括:
通过以下方式至少之一确定所述答题用户通过提交正确答案而获得的新积分:
将每次回答正确所能够获得的固定积分确定为新积分;
根据所述选中问答对中题目的难度系数,确定与所述难度系数正相关的新积分;
根据所述出题用户和所述答题用户的社交距离,确定所述社交距离正相关的新积分,其中,所述社交距离表示在人际图谱中从所述答题用户到达所述出题用户需要经过的中间用户的数量。
在上述方案中,所述装置还包括:举报模块,用于:
呈现举报入口;
响应于针对所述举报入口的触发操作,呈现举报页面,并通过所述举报页面接收举报用户针对被举报问答对提交的举报信息;
当所述举报信息确定所述被举报问答对不满足审核操作通过的条件时,呈现举报属实消息,并
确定所述举报用户通过提交所述举报信息而获得的举报积分,呈现所述举报积分,根据所述举报积分更新所述举报用户的累计积分,并
从提交所述被举报问答对的出题用户的累计积分中扣除所述被举报问答对的出题积分。
本申请实施例提供一种电子设备,包括:
存储器,用于存储可执行指令;
处理器,用于执行所述存储器中存储的可执行指令时,实现本申请实施例提供的答题处理方法。
本申请实施例提供一种计算机可读存储介质,存储有可执行指令,用于被处理器执行时,实现本申请实施例提供的答题处理方法。
本申请实施例具有以下有益效果:
在呈现出题素材内容的过程中,通过出题入口触发出题页面的方式,从观看过出题素材的用户即出题用户收集相应的问答对(即形成题库),由于是出题用户出于主观的出题的意愿而设置问答对的,因此保证了问答对的准确性;任意形式的出题素材都可以采用类似的方式来高效地收集问答对;并且题目由出题用户自己根据出题素材输入,难以在在网络中找到对应的答案,有效地防止了作弊行为。
附图说明
图1A是相关技术提供的客户端中准备答题的页面;
图1B是相关技术提供的答题正确时的显示页面;
图1C是相关技术提供的答题过程中被淘汰的显示页面;
图2A是本申请实施例提供的答题处理系统100的架构示意图;
图2B是本申请实施例提供的答题处理系统100的架构示意图;
图3是本申请实施例提供的终端的结构示意图;
图4是本申请实施例提供的答题处理方法的流程示意图;
图5A是本申请实施例提供的出题素材的呈现页面示意图;
图5B是本申请实施例提供的出题入口的示意图;
图5C是本申请实施例提供的出题入口的示意图;
图6A-6B是本申请实施例提供的出题页面的示意图;
图6C是本申请实施例提供的出题页面中自动填充答案的示意图;
图7是本申请实施例提供的智能问答模型的结构示意图;
图8是本申请实施例提供的成功提交页面;
图9A是本申请实施例提供的答题处理方法的流程示意图;
图9B是本申请实施例提供的答题处理方法的流程示意图;
图10A是本申请实施例提供的举报页面的示意图;
图10B是本申请实施例提供的举报成功提交的页面示意图;
图10C是本申请实施例提供的举报属实的页面示意图;
图11A是本申请实施例提供的题目回答正确的示意图;
图11B是本申请实施例提供的题目回答错误的示意图;
图12A是本申请实施例提供的出题处理的原理示意图;
图12B是本申请实施例提供的答题处理的原理示意图;
图12C是本申请实施例提供的举报处理的原理示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请作进一步地详细描述,所描述的实施例不应视为对本申请的限制,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它实施例,都属于本申请保护的范围。
在以下的描述中,涉及到“一些实施例”,其描述了所有可能实施例的子集,但是可以理解,“一些实施例”可以是所有可能实施例的相同子集或不同子集,并且可以在不冲突的情况下相互结合。
下面首先分析相关技术提供的答题处理方案。
如图1A所示,图1A是相关技术提供的客户端中准备答题的页面。用户在输入邀请码101后,点击“进入直播间”的按钮102,即可进入直播间参与答题。图1B是相关技术提供的答题正确时的显示页面,如图1B所示,当用户选择了正确答案时,在显示页面的上方显示“答对了”103,并在题目下方的各个答案选项处显示选择该答案选项的人数。图1C是相关技术提供的答题过程中被淘汰的显示页面,如图1C所示,如果用户答题错误的数量超过设定值,则会被淘汰,在显示页面上方显示“已被淘汰”104,并在题目下方的各个答案选项处显示选择该答案选项的人数。图1B-1C所示的客户端中的题目来自于已有题库,容易在网络中找到对应的答案,因此,相关技术中的问答方式并不利于用户思考,且难以防止作弊行为。
并且,由于互联网中传播的信息是海量、多样化且没有针对性的,相关技术根据这些互联网信息形成的题库经常会出现题目与出题素材关联程度较小的问题,以致削弱了用户的参与感和体验感。
对于以上技术问题,本申请实施例提供一种答题处理方法,能够高效和准确地构建用于答题互动的题库,提高题目与出题素材之间的关联性,有效地防止用户答题时的作弊行为。
下面说明本申请实施例提供的电子设备的示例性应用,本申请实施例提供的电子设备可以实施为台式电脑、笔记本电脑、智能手机、平板电脑等各种类型的用户终端。
在一些实施例中,本申请实施例提供的答题处理方法可以由终端实现,在另一些实施例中,本申请实施例提供的答题处理方法可以由终端和服务器协同实现,下面以服务器和终端协同实施本申请实施例提供的答题处理方法为例进行说明一个示例性的答题处理系统。参见图2A,图2A是本申请实施例提供的答题处理系统100的架构示意图。终端(示例性示出了终端400-1和400-2)通过网络300连接服务器200,网络300可以是广域网或者局域网,又或者是二者的组合。
以终端400-1中进行出题处理为例,终端400-1在接收到来自服务器200的出题素材后,呈现出题素材的内容和出题入口,以及出题页面,在出题页面中接收到用户输入的问答对后,将问答对发送至服务器200,服务器200对问答对进行审核,并向终端400-1发送审核结果和积分变化情况。
当进行答题处理时,服务器200在接收到终端400-1发送的答题用户提交的问答对之后,比对并确定问答对中答案的正误,并将比对结果返回给终端400-1。当针对问答对进行举报处理时,服务器200确定举报信息是否属实,并根据举报处理结果更新举报用户和被举报的出题用户的累计积分。
作为示例,当出题素材是直播视频时,在直播过程中,用户可针对直播内容进行出题、答题和举报等操作。当出题素材是新闻时,用户可在阅读过程中或阅读结束后针对新闻全文或新闻的部分内容进行出题,还可通过答题入口进入答题页面,回答与该新闻相关的题目,或举报不符合规定的题目。当出题素材是公众号文章时,用户可通过针对文章内容出题,或回答与文章关联的题目获得积分等奖励,还可通过举报入口举报不符合规定的题目或作者或公众号,若举报通过,也可得到相应的奖励。需要说明的是,出题素材的形式并不限于上述形式,还可以是在线教育资料(如高等数学学习资料)、图集等,本申请实施例对此不做限制。
本申请实施例还可以通过区块链技术来实现,参见图2B,服务器以及终端都可以加入区块链网络310而成为其中的一个节点。区块链网络310的类型是灵活多样的,例如可以为公有链、私有链或联盟链中的任意一种。以公有链为例,任何业务主体的电子设备例如终端,都可以在不需要授权的情况下接入区块链网络310,以作为区块链网络310的共识节点,例如服务器200映射为区块链网络310中的共识节点310-0,终端400-1映射为区块链网络310中的共识节点310-1,终端400-2映射为区块链网络310中的共识节点310-2。
以区块链网络310为联盟链为例,服务器和终端在获得授权后可以接入区块链网络310而成为节点。节点在接收到终端400-1发送的问答对时,可以通过执行智能合约(集成了审核操作通过的条件)的方式对问答对进行审核操作,审核操作通过后将问答对签署数字签名(即背书),当一个问答对有足够的背书时,例如超过数目阈值的节点的背书时,表示审核操作通过,问答对将被存储到题库,题库可以运行在区块链网络310或服务器200中,也可以是独立于区块链网络310和服务器200而部署的。
答题积分、举报积分的确定同样可以通过节点调用智能合约的方式来确定。后续若有节点向区块链网络310提交答案,节点会将提交的答案与题库所存储的问答对中的答案进行比对,并调用智能合约(集成了不同类型的答题积分),基于比对结果确定积分。后续若有节点向区块链网络310举报问答对,且节点确定举报信息属实,节点调用智能合约确定举报用户得到的积分以及被举报用户应扣除的积分。
此外,节点在审核时,还可以对问答对进行评分,节点的评分的均值或加权平均值,可作为输入问答对的用户通过出题获得的积分。可见,通过多个节点对提交的问答对进行共识审核,可以提高审核的精确性。
在一些实施例中,以本申请实施例提供的电子设备为终端为例,终端通过运行计算机程序来实现本申请实施例提供的答题处理方法,计算机程序可以是操作系统中的原生程序或软件模块;可以是本地(Native)应用程序(APP,Application),即需要在操作系统中安装才能运行的程序,例如直播客户端、新闻客户端、在线交易客户端等;也可以是小程序,即只需要下载到浏览器环境中就可以运行的程序;还可以是能够嵌入至任意APP中的即时通讯小程序或文件管理小程序。总而言之,上述计算机程序可以是任意形式的应用程序、模块或插件。
在一些实施例中,服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。终端400可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等,但并不局限于此。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本申请实施例中不做限制。
以本申请实施例提供的电子设备为上文所述的终端为例,参见图3,图3是本申请实施例提供的终端的结构示意图,图3所示的终端400包括:至少一个处理器410、存储器450、至少一个网络接口420和用户接口430。终端400中的各个组件通过总线系统440耦合在一起。可理解,总线系统440用于实现这些组件之间的连接通信。总线系统440除包括数据总线之外,还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见,在图3中将各种总线都标为总线系统440。
处理器410可以是一种集成电路芯片,具有信号的处理能力,例如通用处理器、数字信号处理器(DSP,Digital Signal Processor),或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等,其中,通用处理器可以是微处理器或者任何常规的处理器等。
用户接口430包括使得能够呈现媒体内容的一个或多个输出装置431,包括一个或多个扬声器和/或一个或多个视觉显示屏。用户接口430还包括一个或多个输入装置432,包括有助于用户输入的用户接口部件,比如键盘、鼠标、麦克风、触屏显示屏、摄像头、其他输入按钮和控件。
存储器450可以是可移除的,不可移除的或其组合。示例性的硬件设备包括固态存储器,硬盘驱动器,光盘驱动器等。存储器450可选地包括在物理位置上远离处理器410的一个或多个存储设备。
存储器450包括易失性存储器或非易失性存储器,也可包括易失性和非易失性存储器两者。非易失性存储器可以是只读存储器(ROM,Read Only Memory),易失性存储器可以是随机存取存储器(RAM,Random Access Memory)。本申请实施例描述的存储器450旨在包括任意适合类型的存储器。
在一些实施例中,存储器450能够存储数据以支持各种操作,这些数据的示例包括程序、模块和数据结构或者其子集或超集,下面示例性说明。
操作系统451,包括用于处理各种基本系统服务和执行硬件相关任务的系统程序,例如框架层、核心库层、驱动层等,用于实现各种基础业务以及处理基于硬件的任务;
网络通信模块452,用于经由一个或多个(有线或无线)网络接口420到达其他计算设备,示例性的网络接口420包括:蓝牙、无线相容性认证(WiFi)、和通用串行总线(USB,Universal Serial Bus)等;
呈现模块453,用于经由一个或多个与用户接口430相关联的输出装置431(例如,显示屏、扬声器等)使得能够呈现信息(例如,用于操作外围设备和显示内容和信息的用户接口);
输入处理模块454,用于对一个或多个来自一个或多个输入装置432之一的一个或多个用户输入或互动进行检测以及翻译所检测的输入或互动。
在一些实施例中,本申请实施例提供的答题处理装置可以采用软件方式实现,图3示出了存储在存储器450中的答题处理装置455,其可以是程序和插件等形式的软件,包括以下软件模块:第一接收模块4551、呈现模块4552、第二接收模块4553、关联模块4554、审核模块4555、答题模块4556、举报模块4557。这些模块是逻辑上的,因此根据所实现的功能可以进行任意的组合或进一步拆分。将在下文中说明各个模块的功能。
下面说明本申请实施例提供的答题处理方法,下述方法的执行主体为终端,具体可以是终端通过运行上文的各种计算机程序来实现的;当然,根据对下文的理解,不难看出也可以由终端和服务器协同实施本申请实施例提供的答题处理方法。
参见图4,图4是本申请实施例提供的答题处理方法的流程示意图,将结合图4示出的步骤进行说明。
在步骤401中,接收出题素材,并呈现出题素材的内容。
在一些实施例中,当终端接收到用户针对某链接或某标题的触发操作后,终端向服务器请求与链接或标题对应的出题素材,接收服务器发送的出题素材并呈现出题素材的内容。其中,触发操作可以是单击、双击或滑动等。出题素材可以是视频、图片或文本(如新闻、公众号文章、电子书等)。以下以出题素材是新闻为例进行说明。
在一个可能的示例中,终端接收到针对新闻标题“国家防总:**中下游水位处于退水态势”的点击操作后,向服务器请求与该新闻标题对应的出题素材,接收出题素材并呈现如图5A所示,图5A是本申请实施例提供的出题素材的呈现页面示意图。其中,新闻标题和具体的新闻内容构成呈现页面的主体501。
在步骤402中,呈现出题入口,其中,出题入口用于表征出题素材能够被设置题目。
在一些实施例中,呈现出题入口,可以采用如下方式实现:在出题素材的特定位置呈现出题入口;其中,特定位置包括以下至少之一:出题素材的结束位置;出题素材中未被设置为答案的内容所处的位置;出题素材中被特定用户设置为答案的内容所处的位置,其中,特定用户与出题用户具有社交关系。
其中,社交关系可以是社交网络中通过订阅、关注、转发、点赞等互动行为形成的关系;特别地,可以是通过答题互动形成的关系,例如,出题用户曾经答复过特定用户设置的题目,或者特定用户曾经答复过出题用户设置的题目,则出题用户与特定用户之间形成社交关系。
在一个可能的示例中,如图5B所示,图5B是本申请实施例提供的出题入口的示意图。在图5B中,当检测到用户向上滑动主体501(即出题素材)至出题素材的结束位置后,在主体501下方呈现答题入口502、出题入口503和举报入口504。若获取到用户针对出题入口503“我也要出题”的点击操作,则会跳转至出题页面。这种出题入口的设置方式,可在用户阅读完全文,并对全文有了一定的了解后呈现出题入口,出题入口的呈现方式和呈现位置较为自然,符合用户阅读习惯。
在一个可能的示例中,当其他用户有针对图5A中的新闻中的第一段和第三段设置问题,即,第一段和第三段的内容分别是所设置的问题的答案时,终端将未被设置为答案的第二段作为特定位置,并对第二段进行特殊显示,如加粗显示、加下划线显示、斜体显示、放大显示或在第二段的开端/末尾显示“出题”按钮等。当接收到用户针对特定位置或“出题”按钮的点击操作时,跳转至出题页面。这种出题入口的设置方式,有利于与出题素材相关联的问题在出题素材中的平均分布,可促进答题用户全面阅读出题素材并答题。
在一个可能的示例中,当特定用户将图5A中的新闻中的第一段的内容作为所设置的题目的答案时,也将第一段作为特定位置进行上文所述的特殊显示,当接收到用户针对特定位置的点击操作时,跳转至出题页面。这种出题入口的设置方式有利于实现出题用户与特定用户之间的社交网络互动。
在一个可能的示例中,为了方便用户在阅读出题素材的过程中随时可以针对出题素材出题,因此,出题素材中的任意位置都可以显示出题入口。如图5C所示,图5C是本申请实施例提供的出题入口的示意图。当检测到用户长按并选中图5C所示新闻的部分内容时,呈现选项卡505。选项卡中包括复制、剪切、粘贴、全选、设置题目等选项。其中“设置题目”即为出题入口,表示可以选中的内容作为正确答案出处设置题目。若获取到用户针对“设置题目”的选取操作,跳转至出题页面。如此,用户可以随时阅读随时出题,不必在阅读完出题素材后,再回到出题素材的某一部分重新阅读并出题,提高了出题效率,优化了用户体验。
在步骤403中,响应于针对出题入口的出题触发操作,呈现出题页面。
在一个可能的示例中,如步骤402所述,当获取到用户针对出题入口503“我也要出题”或选项卡505的“设置题目”的出题触发操作(如点击操作等),终端响应于出题触发操作,呈现图6A或图6B所示的出题页面,图6A-6B是本申请实施例提供的出题页面的示意图。出题页面主要包括图6A所示的题目输入601、答案输入602、提交题目603和取消604四个部分。其中,答案输入部分除了以图6A所示的选择形式(即选择题形式)出现以外,还可以以图6B中的填空形式(即填空题形式)的答案输入605出现。图6A所示的选择形式包括单选和多选两种。图6A和图6B中答案输入602中的“+增加新选项”用于在用户输入的选项个数多于提供的选项个数,或用户输入的正确答案个数多于提供的正确答案个数时,在出题页面中新增选项或正确答案。
在一些实施例中,终端运行的客户端中呈现出题素材,如果出题用户为未登录客户端的游客,在获取到出题用户针对出题入口的出题触发操作后,将跳转至登录页面,引导出题用户登录或注册。
需要说明的是,本申请实施例中的出题页面并不局限于图6A-图6B所示,还可以是任何具有输入并提交题目和答案功能的页面。
如此,在通过出题入口触发出题页面后,出题用户可以在出题页面中输入问答对,实现问答对的输入和提交,由于是出题用户出于主观的出题意愿而设置的问答对,因此保证了问答对的准确性。
在步骤404中,通过出题页面接收出题用户输入的问答对,其中,问答对包括题目和至少一个答案。
在一些实施例中,在呈现出题页面后,终端接收出题用户输入的问答对。例如,当出题页面为图6A时,对应的题目类型为选择题。若答案输入602接收的选项中只有一个选项被选作正确答案,则为单选题;若有多个选项被选作正确答案,则为多选题。当出题页面如图6B所示时,对应的题目类型为填空题或自由回答题。
在一个可能的示例中,若通过题目输入601接收到问题“**水库拦蓄多少亿立方米洪量?”,通过答案输入602接收到三个选项,分别为选项A:227.2、选项B:75和选项C:95.5。其中,只有选项B被选作正确答案。此时为单选题。
在一个可能的示例中,若通过题目输入接收到问题“**水库拦蓄__亿立方米洪量?”,通过答案输入605接收到一个正确的答案“75”,则此时题目类型为填空题。需要说明的是,在一些情况中,因为存在同义词以及语言转换等情况,通过答案输入605可接收到不止一个正确答案。
在一个可能的示例中,若通过题目输入接收到问题“如何实现防洪减灾?”,通过答案输入605接收到正确答案1“以**水库为龙头的**干支流水库群协同作战,拦洪蓄洪、削峰错峰”和正确答案2“通过精细调度和联合调度”,则此时题目类型为自由回答题。只要答题用户的回答与正确答案1或正确答案2的语义相同即认为回答正确。
在一些实施例中,出题页面中还可包括用于指向正确答案出处的锚点。当终端接收到出题页面中针对锚点的触发操作时,返回至出题素材的呈现页面,当确定用户在出题素材的呈现页面中选取了正确答案出处后,将选取的正确答案出处作为锚点指向的特定部分。如此,在答题用户回答问题时,如果回答错误,可以通过锚点查看正确答案出处,还可根据正确答案出处进一步确定出题用户所设置的问答对是否正确。
在一些实施例中,在接收到出题用户输入的问题后,调用智能问答模型(例如,可以是包括各种知识领域的问答对的知识图谱)生成多个候选答案,并以弹窗、自动填充答案输入602或答案输入605等形式显示候选答案,以供出题用户选择和/或修改后作为输入的答案。
例如,如图6C所示,图6C是本申请实施例提供的出题页面中自动填充答案的示意图。在接收到针对图6A中新闻出的问题“**水库拦蓄多少亿立方米洪量?”后,在出题页面的答案输入602的三个选项框中分别显示227.2、75和95.5,并在75所在的选项框右方勾选,表明75为正确答案。因为这三个选项中包括正确答案,因此,无需出题用户对它们进行修改,可直接作为输入的答案。此时,出题用户只用输入问题,而无需手动输入答案,可见,智能问答模型可帮助减少用户操作,并起到提示作用,优化了用户体验。
其中,当出题素材为文本(例如新闻、公众号文章、阅读理解题的阅读材料)时,智能问答模型可以为基于机器学习的阅读理解模型,如图7所示,图7是本申请实施例提供的智能问答模型的结构示意图。在图7中,模型包括表示层701,编码层702,交互层703和预测层704。其中,表示层用于将获取的原文(即出题素材)和问题的自然语言文本序列分别转为固定维度的向量表示;编码层用于对原文和问题进行编码,提取特征,编码后原文和问题的向量表示就蕴含了上下文的语义信息;交互层用于捕捉问题和原文之间的交互关系,并输出编码了问题语义信息的原文表示。预测层用于根据编码了问题语义信息的原文表示和答案类型来预测答案并输出。其中,预测层通过序列模型或边界模型在原文中预测答案的边界。
答案类型包括完形填空式、多项选择式、片段抽取式和自由作答式四类。完形填空式是将文本中的某个实体用占位符替换,机器阅读理解模型确定残缺段落后寻找正确的词进行补充,使原文完整;多项选择式是从给定的若干选项中选出正确答案;片段抽取式是从原文中抽取一段连续的句子或短语作为问题的答案;自由作答式不限定模型生成答案的形式,允许模型自由生成语句。本申请实施例中当题目类型为单选题或者多选题时,对应的答案类型为多项选择式;当题目类型为填空题时,对应的答案类型为完形填空式;当题目类型为自由回答题时,对应的答案类型为片段抽取式或自由作答式。
智能问答模型通过预训练和微调得到。例如,针对科技类新闻的智能问答模型,其训练过程如下:获取数据集中科技类新闻对应的问答对;从问答对中分别选取用于训练的问答对和用于校验的问答对;对问答对中的答案进行标注,以表明其是否为正确答案;将标注后的用于训练的问答对输入预训练模型进行训练,得到训练好的模型;通过用于校验的问答对对训练好的模型进行校验和调整,得到校验后的模型。其中,数据集可以是基于数据集-基于对话的问答系统(CoQA,Conversational Question Answering),预训练模型可以是双向注意力流网络(BiDAF,Bi-Directional Attention Flow for MachineComprehension)或基于变换器的双向编码表征网络(BERT,Bidirectional EncoderRepresentations from Transformers)等。
在实际应用过程中,智能问答模型在获取出题素材和出题用户输入的问题后,会生成与该问题对应的多个答案。然后,获取出题用户最终提交的答案,若答案与模型所提供的答案不一致,将问题以及最终提交的答案存入智能问答模型对应的数据库中。智能问答模型可根据其数据库中存储的问答对对模型进行微调,以提高其精确度,显然,数据库中的问答对越多,智能问答模型的精确度就越高。如此,通过不断地微调,可不断提高智能问答模型的精确度。
在步骤405中,响应于题目提交操作,将问答对与出题素材进行关联,并呈现题目提交成功消息。
在一些实施例中,将问答对与出题素材进行关联时,可以通过将问答对存储到与出题素材关联的题库中的方式实现。
在一些实施例中,题目提交操作可以是出题用户针对提交题目603的点击操作。响应于题目提交操作,终端通过服务器对用户提交的问答对进行安全审核,若安全审核操作通过,即问答对中不包含敏感词汇,则呈现题目提交成功消息。
在一些实施例中,终端在将问答对与素材进行关联时,还确定出题用户通过提交问答对而获得的出题积分;呈现出题积分,并根据出题积分更新出题用户的累计积分。
在一些实施例中,通过以下方式之一确定出题用户通过提交问答对而获得的出题积分:将出题用户提交的问答对的数量、以及提交一个问答对所能够获得的固定积分的乘积,确定为出题积分;根据出题素材已关联的问答对的数量和分布情况,确定出题素材已关联的问答对的完善度,并确定与完善度负相关的出题积分;获取多个评分用户对出题用户提交的问答对的评分,并根据每个评分用户对应的权重和评分,得到出题积分。
在一个可能的示例中,在获取多个评分用户对出题用户提交的问答对的评分之后,以每个评分用户对应的权重对每个评分用户的评分进行加权求和,得到出题积分。
在一个可能的示例中,默认当出题用户每成功提交一个问答对时,奖励出题用户3积分。若出题用户一共提交了4个问答对,则一共获得12积分。呈现出题用户获得了12积分,并对出题用户的累计积分进行更新,即在原积分的基础上累加12积分。
在一个可能的示例中,根据出题素材的已有问答对的数量和分布情况确定问答对的完善度,可以采用如下方式实现:获取同等长度出题素材对应的问答对数量均值;计算已有问答对的数量与问答对数量均值的比值;确定已有问答对的答案在出题素材中的分布密度,其中,分布密度用于表示答案是否在出题素材中均匀分布;根据比值和分布密度确定已有问答对的完善度。
其中,当出题素材为文本时,则同等长度出题素材为字符数相同或相近的其他文本;当出题素材为图集时,则同等长度出题素材为图片数量相同的其他图集;当出题素材为视频时,则同等长度出题素材为视频时长相同或相近的其他视频。在本申请实施例中,分布密度为小于等于1的正数,当分布密度为1时,表示已有问答对均匀分布;当分布密度小于1时,表示已有问答对为非均匀分布。当比值为1,分布密度为1时,完善度为1,此时为最佳状态。若完善度大于1,说明问答对过多,此时,随着完善度数值的增加(大于1),出题积分逐渐减少;若完善度小于1,说明出题素材中问答对不足,此时,随着完善度数值的减小(小于1),出题积分逐渐增加。
例如,出题素材为新闻,同等长度出题素材对应的问答对数量均值为10,已有问答对数量为8,则比值为0.8,已有问答对的分布密度为0.5,即,已针对出题素材一半的内容出过题,还有一半内容并没有被设定过问答对。完善度为:0.8×0.5=0.4。每个问答对对应的积分G=k/完善度,k为正数,选取k=1,则每个问答对对应的积分G=2.5分。
本申请实施例中,根据出题素材的已有问答对的数量和分布情况确定问答对的完善度,且完善度与获得的积分负相关。只有分布均匀时,分布密度的值才最大(为1),如此,可促进问答对的均匀分布。已有问答对的数量与问答对数量均值的比值越大,则出题素材的完善度越高,问答对分布越密集,此时,不需要布置更多的问答对;而比值越小,完善度越低时,则还需要布置问答对。因此,完善度与积分负相关可将问答对的数量控制在一定的合理范围内,不至于过多或过少。
在一些实施例中,还可以根据提交的问答对中的答案在出题素材中的位置是否存在已有问答对来确定出题积分。例如,提交的问答对中的答案在出题素材(新闻)的第二段处,而第二段已经有两个关联的问答对,则提交的问答对对应的出题积分较小,例如为0.5分;若第二段处没有关联的问答对,则提交的问答对对应的出题积分较大,例如为3.5分。如此,可以促进出题素材中问题的均匀分布。
在一些实施例中,评分用户的终端可以加入区块链网络而成为节点。节点的权重与节点自身提交的问答对的次数或提交的问答对的数量正相关。提交的问答对的次数可以是出题用户提交的所有的问答对的次数,也可以是提交与当前出题素材类型相同的素材的关联问答对的次数。各节点评分的均值或加权平均值,可以作为出题用户的出题积分。当出题积分高于预设积分值时,问答对将被存储到题库和区块链网络中。后续若某节点的答题用户向区块链网络提交答案,节点会将提交的答案与题库中的答案比对,并对答题用户给出答题评分。同时,提交问答对的出题用户的出题积分会更新。例如,问答对中的题目每被回答一次,就为出题用户增加一固定积分。当出题积分低于预设积分值时,认为提交的问答对无效,不存储该问答对,但仍给予出题用户对应的出题积分,以鼓励其继续参与出题。可见,通过至少一个评分用户对提交的问答对进行评分,可以综合把控问答对的质量,减少机器误判的可能。
例如,在出题用户提交问答对后,两个节点对出题用户提交的问答对做出的评分分别为5分和3分,而这两个节点的权重分别为0.5和0.6,则出题用户此次的出题积分为5×0.5+3×0.6=4.3分。
在本申请实施例中,积分可用于兑换客户端的付费服务,如阅读付费文章、观看付费视频、兑换头像或商品等。需要说明的是,积分只是本申请实施例作为奖励答题用户的一种形式,也可以是现金、抽奖、优惠券等其他形式,本申请实施例对此不做限制。
如图8所示,图8是本申请实施例提供的成功提交页面。当出题用户提交问答对之后,跳转至图8的成功提交页面,并显示题目成功提交消息801,题目成功提交消息中包括出题用户此次出题获得的出题积分以及每次他人答题时,出题用户可获得的积分。
在一些实施例中,在步骤405之前,终端对所接收的问答对进行审核操作,当审核操作通过时,确定将问答对与素材进行关联;其中,审核操作通过的条件包括以下至少之一:问答对不包括敏感信息;问答对与出题素材相关;问答对与已经与出题素材关联的历史问答对不相似;问答对中的答案正确。当审核未通过时,呈现审核未通过的原因。
其中,敏感信息包括法律、法规禁止传播的各类信息。问答对与出题素材相关指的是问答对中的问题和正确答案都与出题素材相关,本申请实施例中,可通过双向注意力流网络判定是否相关。当问答对与已经与出题素材关联的历史问答对相似时,认为二者高度重合,因此,不能通过审核,且给出重复提示,例如在当前页面中显示“该题已被提出,请提交其他题目”。或者,确定历史问答对在出题素材中的分布情况,并根据分布情况确定出题素材中缺少题目的部分,在给出重复提示的同时,建议出题用户针对出题素材中缺少题目的部分出题。例如,出题素材为新闻,在确定出题用户提交的问答对与该新闻关联的历史问答对相似后,经分析确认没有用户针对新闻文本的第二段出过题目,此时,提示用户“该题已被提出,用户可对第二段出题,提高通过概率”。如此,可使用户有针对性提交问答对,提高审核操作通过概率。
在本申请实施例中,通过对提交的问答对进行审核,从而可以过滤掉含有敏感信息的问答对,提高问答对与出题素材的关联程度,并去除重复度高的问答对。
在呈现出题素材的内容后,还可进行答题处理。下面介绍答题处理的流程。参见图9A,图9A是本申请实施例提供的答题处理方法的流程示意图,将结合图9A示出的步骤进行说明。
在步骤901中,接收出题素材,并呈现出题素材的内容。
在步骤902中,呈现答题入口。
在步骤903中,响应于答题用户针对答题入口的触发操作,呈现选中问答对的题目,其中,选中问答对是从与出题素材关联的题库中选择得到。
在一个可能的示例中,在出题素材的呈现页面(如图5A),将出题素材中作为已有问答对的正确答案出处突出显示,并作为答题入口。当接收到针对答题入口的触发操作,如点击操作时,可从出题素材关联的题库中选择与该正确答案出处对应的选中问答对,并弹出选中问答对中的问题。
在一个可能的示例中,如图5B所示。在图5B中,当用户向上滑动主体501至结束位置后,在主体501下方呈现答题入口502,并从出题素材关联的题库中选择选中问答对,呈现于答题入口502中,供用户直接在答题入口502处做答。
其中,选中问答对的类型包括以下至少之一:与答题用户的地理距离小于地理距离阈值的出题用户所提交的问答对;与答题用户具有社交关系的出题用户所提交的问答对。
例如:地理距离阈值为500米,出题用户当前位置与答题用户当前位置的地理距离为300米,则小于地理距离阈值,此时,可将出题用户提交的针对该出题素材的问答对作为选中问答对,提示“附近300米有位用户给你出了一道题”,提示答题用户进行作答。如此,通过出题用户与答题用户的地理距离来选取选中问答对,可以增加用户答题兴趣。
再例如:出题用户与答题用户是好友关系,此时,也可将出题用户提交的针对该出题素材的问答对作为选中问答对。如此,加强了出题用户与答题用户的互动,实现轻量社交。
选中问答对的方式包括以下至少之一:在题库中随机选题作为选中问答对;在题库中选择热门问答对,即被答复次数最多的题目对应的问答对作为选中问答对;如果答题用户曾经作答过与出题素材同类型的题目,优先选择曾作答题目的出题用户针对出题素材提交的问答对作为选中问答对;根据出题素材关联的问答对的回答正确率,对问题进行难度分级,提示答题用户选择问题的困难级别,并随机选择相应级别的问答对作为选中问答对;在题库中查找与答题用户具有社交关系的出题用户提交的问答对作为选中问答对。当查找到与答题用户具有社交关系的出题用户提交的问答对时,提示答题用户作答并显示或提示出题人身份,同时,呈现选中问答对的题目。例如,在出题素材的呈现页面中弹出消息框“好友xxx出了一道题邀请你回答”。
在一个可能的示例中,在答题过程中,可以增加倒计时,以增加紧张感和氛围感。
在步骤904中,响应于答题用户的提交答案,将提交答案与选中问答对中的答案比对。
在一些实施例中,当题目为选择题或者填空题时,可以通过调用浅层语义匹配或多分类模型(如支持向量机(SVM,Support Vector Machine)、随机森林等)确定答题用户的提交答案是否正确。当题目为自由回答题时,可通过调用深度学习模型如基于变换器的双向编码表征网络、深度结构化语义模型(DSSM,Deep Structured Semantic Models)等模型确定提交答案是否正确。
在通过上述模型确定提交答案是否正确的过程中,需要将提交答案与选中问答对中的答案比对,其步骤可如下:通过词向量按位累加的方式,计算提交答案与选中问答对中的答案的向量表示;利用余弦相似度计算两个向量表示的相似度。若相似度高于相似度阈值,认为二者相同,即比对一致,反之,认为比对不一致。如此,通过计算两个向量表示的相似度,即可确定提交答案是否正确,因为答案属于短文本,因此比对过程相对快速,效率较高。
在步骤905中,当比对一致时,呈现题目回答正确消息。
在一些实施例中,呈现题目回答正确消息,可以采用如下方式实现:确定答题用户通过提交正确答案而获得的新积分;呈现新积分,并根据新积分更新答题用户的累计积分。
在一些实施例中,通过以下方式至少之一确定答题用户通过提交正确答案而获得的新积分:将每次回答正确所能够获得的固定积分确定为新积分;根据选中问答对中题目的难度系数,确定与难度系数正相关的新积分;根据出题用户和答题用户的社交距离,确定与社交距离正相关的新积分,其中,社交距离表示在人际图谱中从答题用户到达出题用户需要经过的中间用户的数量。
其中,根据选中问答对的已有回答的正确率确定与正确率负相关的难度系数。正相关指的是,若X和Y正相关,则Y相对于X的增长,同步呈现增长趋势,X和Y之间的关系可以是线性的(对应直线函数),也可以是非线性的(对应曲线函数);负相关指的是,若X和Y负相关,则Y相对于X的增长,同步呈现减少趋势,X和Y之间的关系可以是线性的(对应直线函数),也可以是非线性的(对应曲线函数)。例如,若难度系数=1/正确率,积分=3×难度系数,且选中问答对的已有回答的正确率为50%,则相应的难度系数为2,新积分为6。通过难度系数确定新积分可以对不同难度的问题进行区别并赋予不同的积分值,激励用户挑战难度更大的题目。
社交距离与新积分正相关,即,若出题用户和答题用户越不熟悉,则答题获得的新积分越高,如此,可以促进社交距离远的出题用户和答题用户之间的互动。
在确定答题用户获得的新积分后,如图11A所示呈现新积分,图11A是本申请实施例提供的回答正确的示意图。图11A中,弹出了“恭喜你答对了!奖励5积分!”的积分获得提示信息1101。若答题用户之前的累计积分为10分,则获得新积分后,累计积分更新为15分。
在步骤906中,当比对不一致时,呈现题目回答错误消息,并呈现选中问答对中的答案和答案位置入口,响应于针对正确答案位置入口的触发操作,跳转到选中问答对中的答案在出题素材中所处的位置。
如图11B所示,图11B是本申请实施例提供的回答错误的示意图。若答题用户回答错误,在图11B中选择了错误的第三个答案,将第三个答案标红显示,并将正确的第一个答案标绿显示,并在页面上方弹出“很抱歉回答错误,再接再厉。”的回答错误提示信息1102。响应于针对第一个答案位置入口的触发操作(如点击操作),跳转到第一个答案在出题素材中所处的位置,以使答题用户了解错误原因。此外,如果正确答案提供错误,也可通过这种方式及时发现,并通过图11B中的答题入口下方的举报入口“题目有问题”进行举报。
在呈现出题素材的内容后,还可进行举报处理。下面介绍举报处理的流程。在一些实施例中,如图9B所示,图9B是本申请实施例提供的答题处理方法的流程示意图,在步骤901之后(或者,步骤902至步骤903任一步骤之后)可以包括步骤907-913。
在步骤907中,呈现举报入口。
在一个可能的示例中,如图5B所示。在图5B中,当用户向上滑动主体501至结束位置后,在主体501下方将同时呈现答题入口502、出题入口503和举报入口504。若举报入口504“题目有问题”接收到用户的点击操作,则会跳转至举报页面。这种举报入口设置于题目下方,可在用户阅读完题目和选项,确定需要举报时,方便用户即时举报,页面简洁明了,操作简便。
在步骤908中,响应于针对举报入口的触发操作,呈现举报页面。
在一个可能的示例中,当出题素材为文章时,如图10A所示,图10A是本申请实施例提供的举报页面的示意图。举报页面中包括举报原因1001,举报原因包括“与文章无关”、“答案错误了”、“包括敏感信息”以及其他,可供用户选择。
在步骤909中,通过举报页面接收举报用户针对被举报问答对提交的举报信息。
其中,举报信息指的是举报原因,还可以包括对问答对的截图证据、文字描述等。如图10B所示,图10B是本申请实施例提供的举报成功提交的页面示意图。当服务器接收到举报信息后,通过终端呈现图10B中的举报成功提交消息框1002。
在步骤910中,当举报信息确定被举报问答对不满足审核操作通过的条件时,呈现举报属实消息。
在一些实施例中,以终端和服务器协同实施为例,当终端接收到举报信息后,将举报信息发送给服务器,服务器首先根据举报信息中的举报原因对被举报问答对进行审核,若审核操作通过,再逐一根据其他可能的举报原因对被举报问答对进行审核,只要被举报问答对存在任一举报原因中的问题,认为被举报问答对不满足审核操作通过的条件,呈现举报属实消息。如此,可一次性核查完被举报用户是否满足审核操作通过的条件,以免后续需要继续对其他举报原因进行核查。
在一些实施例中,服务器可以审核图10A中涉及到的所有类型的举报原因,也可以只审核部分类型的举报原因,即,对于服务器不确定举报信息是否属实的情况,由人工进行审核。
例如,对于举报原因是与文章无关的情况,如果服务器发现出题素材的文本摘要和问答对进行的关联程度(例如语义相似度)高于预设关联阈值,则服务器难以确定是恶意举报还是问答对确实是错误的,可以触发人工审核流程。
在另一些实施例中,服务器可以只审核“包括敏感信息”的问答对或者只审核“包括敏感信息”和“与文章无关”的问答对,涉及其他举报原因的问答对由人工审核。其中,对于“与文章无关”这一举报原因,可提取出题素材的文本摘要,并将文本摘要和问答对进行比对,以确定问答与文本摘要的关联程度,如果关联程度低于预设关联阈值,认为问答对与文章无关,举报属实。如此,通过机器审核和人工审核相互配合,提高了审核的正确性和审核效率。
在步骤911中,确定举报用户通过提交举报信息而获得的举报积分,呈现举报积分。
如图10C所示,图10C是本申请实施例提供的举报属实的页面示意图。当确定问答对存在举报原因中的问题时,弹出图10C中的举报属实消息框1003,举报属实消息框包括举报属实消息和举报积分。通过举报属实消息框1003可及时通知用户举报结果以及获得的举报积分。
在步骤912中,根据举报积分更新举报用户的累计积分。
例如,举报用户之前的累计积分为35分,通过这次举报获得举报积分3分,则累计积分更新为38分。
在步骤913中,从提交被举报问答对的出题用户的累计积分中扣除被举报问答对的出题积分。
例如,提交被举报问答对的出题用户之前的累计积分为50分,扣除被举报问答对的出题积分3分后,则累计积分更新为47分。本申请实施例中,通过奖励举报用户积分和扣除出题用户积分,可以激发用户举报不合格问答对的积极性,同时提示出题用户认真出题,自我把控出题质量。
下面,以本申请实施例提供的答题处理方法由终端和服务器协同实施为例,说明示例性应用,相应地,本申请实施例提供的答题处理装置可以包括多个功能模块,并分散部署在终端和服务器中。本申请实施例中,答题处理装置可以包括题目录入模块、机器审核模块、题目管理模块、积分管理模块、通知模块、题目展示及回答模块、举报提交模块、人工审核模块。
题目录入模块用于方便用户录入及修改题目和答案;机器审核模块用于进行基础的关键词过滤,结合语义识别进行安全审核,主要用于审核敏感词汇;题目管理模块用于记录每一篇文章的题库,以及当题目被举报属实时,从题库中删除相应的题目和答案;积分管理模块用于记录每位用户的积分增减情况;通知模块用于告知用户审核结果和积分变化情况,向用户反馈回答正确与否以及积分变化情况。题目展示及回答模块用于方便用户进行题目回答,以及回答后展示正确答案;举报提交模块用于当用户点击选项或输入描述进行举报时获取举报信息;人工审核模块用于对于机器审核模块不确定举报是否属实的部分,进行人工审核。以下以出题素材为文章进行说明。
如图12A所示,图12A是本申请实施例提供的出题处理的原理示意图。针对出题处理环节,答题处理装置中的题目录入模块110和通知模块114部署在终端中,机器审核模块111、题目管理模块112和积分管理模块113部署在服务器中。当出题用户出题时,终端中的题目录入模块110获取出题用户输入的题目和答案,并将题目和答案发送给服务器中的机器审核模块111。服务器端预先构建了包括法律、法规禁止传播的各类信息对应的词汇的敏感词汇库,在通过机器审核模块111进行机器审核时,基于敏感词汇库对题目进行关键词过滤,并结合语义识别进行安全审核。若审核结果通过,通过题目管理模块112将出题用户输入的问答对记录到文章已关联的题库中,通过积分管理模块113对出题用户的累计积分进行更新,并通过终端中的通知模块114告知出题用户审核操作通过以及积分变化情况。若审核结果未通过,通过终端中的通知模块114告知出题用户审核未通过。
如图12B所示,图12B是本申请实施例提供的答题处理的原理示意图。针对答题处理环节,答题处理装置中的题目展示及回答模块115和通知模块114部署在终端中,题目管理模块112和积分管理模块113部署在服务器中。当答题用户答题时,终端中的题目展示及回答模块115展示题目并获取答题用户输入的回答,将答题用户输入的回答发送给服务器中的题目管理模块112,题目管理模块112确定回答是否正确,若正确,通过积分管理模块113对答题用户的累计积分进行更新,并通过终端中的通知模块114向出题用户反馈回答正确以及积分变化情况。若不正确,通过通知模块114向出题用户反馈回答不正确。
如图12C所示,图12C是本申请实施例提供的举报处理的原理示意图。针对举报处理环节,答题处理装置中的举报提交模块116和通知模块114部署在终端中,机器审核模块111、人工审核模块117、题目管理模块112和积分管理模块113部署在服务器中。终端中的举报提交模块116获取答题用户的举报操作以及具体的举报信息,并将举报信息发送给服务器中的机器审核模块111。当举报信息为涉及敏感词汇时,机器审核模块111通过人工智能模型对举报信息的真实度进行判定,得到审核结果,若举报属实,在题目管理模块112的题库中删除相应的题目及答案。对举报用户奖励积分,并对出题用户扣除对应积分,在积分管理模块113中对举报用户和出题用户的积分进行更新。通过终端中的通知模块114告知出题用户和举报用户举报的审核结果以及积分变化情况。若举报不属实,通过通知模块114告知举报用户审核结果。当举报信息涉及“与文章无关”、“答案错误”等原因时,机器审核对这些举报原因无法核实,此时,通过人工审核模块117进行审核。之后,对审核结果的操作过程与前述机器审核一致,在此不再赘述。
如果一篇文章没有关联的问答对,终端将引导用户在阅读结束后出题。如果文章中已经埋入题库,当检测到用户阅读到文章底部时,显示如图5B所示的答题入口502,响应于用户针对答题入口502的选取操作,得到用户选取的答案,并核实答案是否正确,若回答正确,给予用户积分奖励,如图11A所示;如果回答错误,提示正确答案,如图11B所示。
当答题用户发现题目与文章本身关联不大或者答案错误或者涉及敏感信息等,并通过点击图5B中的举报入口504,即“题目有问题”按钮进行举报时,呈现如图10A所示的举报页面,举报成功的页面如图10B所示。经审核,如果的确是题目有问题,答题用户即举报用户可以获得积分奖励,同时出题用户会被扣除积分作为惩罚。
当用户点击图5B中文章底部的出题入口503,即“我也要出题”按钮,进行出题时,弹出如图6A所示的出题页面,并获取用户输入的题目和答案选项,并标注正确答案(可以是单选或者多选),点击“提交问题”之后即时可获得出题的积分奖励,如图8所示。后续每次有人回答该题目,出题用户都可获得持续的积分奖励,但是如果该题目审核没有通过,或者被他人举报并且属实,则会扣除所有通过该题目获得的积分奖励。
其中,题目类型也可为填空题等形式,当为填空题时,获取出题用户为题目设置的一个或多个类似的答案,当答题用户的回答命中其中任意一个答案时,即认为回答正确。或者,当识别到答题用户的回答为答案的同义词替换时,认为回答正确。
可见,通过对出题用户提交的题目进行审核,可初步确保其安全性,举报提交模块116的存在进一步确保了其有效性,同时增强了其安全性。不管用户参与的是出题、答题,还是举报,在用户执行完相应操作后,系统都会及时向用户反馈处理结果以及积分的变化情况,使用户能及时掌握积分的动态变化。本申请中这种反馈机制和举报机制以及对积分的设置,可有效的提高用户答题的积极性。
下面继续说明本申请实施例提供的如图3示出的答题处理装置455的实施为软件模块的示例性结构,在一些实施例中,如图3所示,存储在存储器440的答题处理装置455中的软件模块可以包括:第一接收模块4551,用于接收出题素材,并呈现出题素材的内容;呈现模块4552,用于呈现出题入口,其中,出题入口用于表征出题素材能够被设置题目;第二接收模块4553,用于响应于针对出题入口的出题触发操作,呈现出题页面,并通过出题页面接收出题用户输入的问答对,其中,问答对包括题目和至少一个答案;关联模块4554,用于响应于题目提交操作,将问答对与素材进行关联,并呈现题目提交成功消息。
在一些实施例中,呈现模块4552,还用于:在出题素材的特定位置呈现出题入口;其中,特定位置包括以下至少之一:出题素材的结束位置;出题素材中未被设置为答案的内容所处的位置;出题素材中被特定用户设置为答案的内容所处的位置,其中,特定用户与出题用户具有社交关系。
在一些实施例中,装置还包括:审核模块4555,用于:对所接收的问答对进行审核操作,当审核操作通过时,确定将问答对与素材进行关联;其中,审核操作通过的条件包括以下至少之一:问答对不包括敏感信息;问答对与出题素材相关;问答对与已经与出题素材关联的历史问答对不相似;问答对中的答案正确。
在一些实施例中,关联模块4554,还用于:确定出题用户通过提交问答对而获得的出题积分;呈现出题积分,并根据出题积分更新出题用户的累计积分。
在一些实施例中,关联模块4554,还用于:
通过以下方式之一确定出题用户通过提交问答对而获得的出题积分:将出题用户提交的问答对的数量、以及提交一个问答对所能够获得的固定积分的乘积,确定为出题积分;根据出题素材已关联的问答对的数量和分布情况,确定出题素材已关联的问答对的完善度,并确定与完善度负相关的出题积分;获取多个评分用户对出题用户提交的问答对的评分,并根据每个评分用户对应的权重和评分,得到出题积分。
在一些实施例中,装置还包括:答题模块4556,用于:呈现答题入口;响应于答题用户针对答题入口的触发操作,呈现选中问答对的题目,其中,选中问答对是从与出题素材关联的题库中选择得到响应于答题用户的提交答案,将提交答案与选中问答对中的答案比对;当比对一致时,呈现题目回答正确消息;当比对不一致时,呈现题目回答错误消息,并呈现选中问答对中的答案和答案位置入口,响应于针对正确答案位置入口的触发操作,跳转到选中问答对中的答案在出题素材中所处的位置。
在一些实施例中,选中问答对的类型包括以下至少之一:与答题用户的地理距离小于地理距离阈值的出题用户所提交的问答对;与答题用户具有社交关系的出题用户所提交的问答对。
在一些实施例中,答题模块4556,还用于:确定答题用户通过提交正确答案而获得的新积分;呈现新积分,并根据新积分更新答题用户的累计积分;其中,通过以下方式至少之一确定答题用户通过提交正确答案而获得的新积分:将每次回答正确所能够获得的固定积分确定为新积分;根据选中问答对中题目的难度系数,确定与难度系数正相关的新积分;根据出题用户和答题用户的社交距离,确定社交距离正相关的新积分,其中,社交距离表示在人际图谱中从答题用户到达出题用户需要经过的中间用户的数量。
在一些实施例中,装置还包括:举报模块4557,用于:呈现举报入口;响应于针对举报入口的触发操作,呈现举报页面,并通过举报页面接收举报用户针对被举报问答对提交的举报信息;当举报信息确定被举报问答对不满足审核操作通过的条件时,呈现举报属实消息,并确定举报用户通过提交举报信息而获得的举报积分,呈现举报积分,根据举报积分更新举报用户的累计积分,并从提交被举报问答对的出题用户的累计积分中扣除被举报问答对的出题积分。
本申请实施例提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行本申请实施例上述的答题处理方法。
本申请实施例提供一种存储有可执行指令的计算机可读存储介质,其中存储有可执行指令,当可执行指令被处理器执行时,将引起处理器执行本申请实施例提供的答题处理方法。
在一些实施例中,计算机可读存储介质可以是FRAM、ROM、PROM、EPROM、EEPROM、闪存、磁表面存储器、光盘、或CD-ROM等存储器;也可以是包括上述存储器之一或任意组合的各种设备。
在一些实施例中,可执行指令可以采用程序、软件、软件模块、脚本或代码的形式,按任意形式的编程语言(包括编译或解释语言,或者声明性或过程性语言)来编写,并且其可按任意形式部署,包括被部署为独立的程序或者被部署为模块、组件、子例程或者适合在计算环境中使用的其它单元。
作为示例,可执行指令可以但不一定对应于文件系统中的文件,可以可被存储在保存其它程序或数据的文件的一部分,例如,存储在超文本标记语言(HTML,Hyper TextMarkup Language)文档中的一个或多个脚本中,存储在专用于所讨论的程序的单个文件中,或者,存储在多个协同文件(例如,存储一个或多个模块、子程序或代码部分的文件)中。
作为示例,可执行指令可被部署为在一个计算设备上执行,或者在位于一个地点的多个计算设备上执行,又或者,在分布在多个地点且通过通信网络互连的多个计算设备上执行。
综上所述,本申请实施例在呈现出题素材内容的过程中,通过出题入口触发出题页面的方式,从观看过出题素材的用户即出题用户收集相应的问答对(即形成题库),由于是出题用户出于主观的出题的意愿而设置问答对的,因此保证了问答对的准确性;任意形式的出题素材都可以采用类似的方式来高效地收集问答对。
以上所述,仅为本申请的实施例而已,并非用于限定本申请的保护范围。凡在本申请的精神和范围之内所作的任何修改、等同替换和改进等,均包含在本申请的保护范围之内。
Claims (10)
1.一种答题处理方法,其特征在于,包括:
接收出题素材,并呈现所述出题素材的内容;
呈现出题入口,其中,所述出题入口用于表征所述出题素材能够被设置题目;
响应于针对所述出题入口的出题触发操作,呈现出题页面,并
通过所述出题页面接收出题用户输入的问答对,其中,所述问答对包括题目和至少一个答案;
响应于题目提交操作,将所述问答对与所述素材进行关联,并呈现题目提交成功消息。
2.根据权利要求1所述的方法,其特征在于,所述呈现出题入口,包括:
在所述出题素材的特定位置呈现出题入口;
其中,所述特定位置包括以下至少之一:
所述出题素材的结束位置;
所述出题素材中未被设置为答案的内容所处的位置;
所述出题素材中被特定用户设置为答案的内容所处的位置,其中,所述特定用户与所述出题用户具有社交关系。
3.根据权利要求1所述的方法,其特征在于,所述将所述问答对与所述素材进行关联之前,所述方法还包括:
对所接收的问答对进行审核操作,当审核操作通过时,确定将所述问答对与所述素材进行关联;
其中,所述审核操作通过的条件包括以下至少之一:所述问答对不包括敏感信息;所述问答对与所述出题素材相关;所述问答对与所述出题素材已经关联的历史问答对不相似;所述问答对中的答案正确。
4.根据权利要求1所述的方法,其特征在于,所述将所述问答对与所述素材进行关联时,所述方法还包括:
确定所述出题用户通过提交所述问答对而获得的出题积分;
呈现所述出题积分,并根据所述出题积分更新所述出题用户的累计积分。
5.根据权利要求4所述的方法,其特征在于,所述确定所述出题用户通过提交所述问答对而获得的出题积分,包括:
通过以下方式之一确定所述出题用户通过提交所述问答对而获得的出题积分:
将所述出题用户提交的所述问答对的数量、以及提交一个问答对所能够获得的固定积分的乘积,确定为出题积分;
根据所述出题素材已关联的问答对的数量和分布情况,确定所述出题素材已关联的问答对的完善度,并确定与所述完善度负相关的出题积分;
获取多个评分用户对所述出题用户提交的所述问答对的评分,并根据每个评分用户对应的权重和评分,得到所述出题积分。
6.根据权利要求1所述的方法,其特征在于,当呈现所述出题素材的内容时,所述方法还包括:
呈现答题入口;
响应于答题用户针对所述答题入口的触发操作,呈现选中问答对的题目,其中,所述选中问答对是从与所述出题素材关联的题库中选择得到;
响应于答题用户的提交答案,将所述提交答案与所述选中问答对中的答案比对;
当比对一致时,呈现题目回答正确消息;
当比对不一致时,呈现题目回答错误消息,并呈现所述选中问答对中的答案和答案位置入口,响应于针对所述正确答案位置入口的触发操作,跳转到所述选中问答对中的答案在所述出题素材中所处的位置。
7.根据权利要求6所述的方法,其特征在于,所述选中问答对的类型包括以下至少之一:
与所述答题用户的地理距离小于地理距离阈值的出题用户所提交的问答对;
与所述答题用户具有社交关系的出题用户所提交的问答对。
8.根据权利要求6所述的方法,其特征在于,所述呈现题目回答正确消息时,所述方法还包括:
确定所述答题用户通过提交正确答案而获得的新积分,呈现所述新积分,并根据所述新积分更新所述答题用户的累计积分;
其中,所述确定所述答题用户通过提交正确答案而获得的新积分,包括:
通过以下方式至少之一确定所述答题用户通过提交正确答案而获得的新积分:
将每次回答正确所能够获得的固定积分确定为新积分;
根据所述选中问答对中题目的难度系数,确定与所述难度系数正相关的新积分;
根据所述出题用户和所述答题用户的社交距离,确定所述社交距离正相关的新积分,其中,所述社交距离表示在人际图谱中从所述答题用户到达所述出题用户需要经过的中间用户的数量。
9.根据权利要求1至8任一项所述的方法,其特征在于,所述方法还包括:
呈现举报入口;
响应于针对所述举报入口的触发操作,呈现举报页面,并通过所述举报页面接收举报用户针对被举报问答对提交的举报信息;
当所述举报信息确定所述被举报问答对不满足审核操作通过的条件时,呈现举报属实消息,并
确定所述举报用户通过提交所述举报信息而获得的举报积分,呈现所述举报积分,根据所述举报积分更新所述举报用户的累计积分,并
从提交所述被举报问答对的出题用户的累计积分中扣除所述被举报问答对的出题积分。
10.一种答题处理装置,其特征在于,包括:
第一接收模块,用于接收出题素材,并呈现所述出题素材的内容;
呈现模块,用于呈现出题入口,其中,所述出题入口用于表征所述出题素材能够被设置题目;
第二接收模块,用于响应于针对所述出题入口的出题触发操作,呈现出题页面,并通过所述出题页面接收出题用户输入的问答对,其中,所述问答对包括题目和至少一个答案;
关联模块,用于响应于题目提交操作,将所述问答对与所述素材进行关联,并呈现题目提交成功消息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111600003.5A CN114238787B (zh) | 2020-08-31 | 2020-08-31 | 答题处理方法、装置 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010898325.1 | 2020-08-31 | ||
CN202111600003.5A CN114238787B (zh) | 2020-08-31 | 2020-08-31 | 答题处理方法、装置 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010898325.1 Division | 2020-08-31 | 2020-08-31 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114238787A true CN114238787A (zh) | 2022-03-25 |
CN114238787B CN114238787B (zh) | 2024-03-29 |
Family
ID=80774615
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111600003.5A Active CN114238787B (zh) | 2020-08-31 | 2020-08-31 | 答题处理方法、装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114238787B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116452836A (zh) * | 2023-05-10 | 2023-07-18 | 武汉精阅数字传媒科技有限公司 | 一种基于图像数据处理的新媒体素材内容采集系统 |
Citations (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20010029440A (ko) * | 1999-09-13 | 2001-04-06 | 김세용 | 질문과 답변 서비스를 이용한 정보 거래 중개 방법 및 그장치 |
CN1784675A (zh) * | 2003-05-13 | 2006-06-07 | Nhn株式会社 | 用于在因特网上提供对问题的回答的方法 |
US8832584B1 (en) * | 2009-03-31 | 2014-09-09 | Amazon Technologies, Inc. | Questions on highlighted passages |
CN104063410A (zh) * | 2013-04-15 | 2014-09-24 | 腾讯科技(深圳)有限公司 | 一种举报信息的处理方法和系统 |
CN105117999A (zh) * | 2015-08-28 | 2015-12-02 | 上海第九城市教育科技股份有限公司 | 一种多媒体课件的强制型交互系统及方法 |
CN105139706A (zh) * | 2015-09-11 | 2015-12-09 | 康佳集团股份有限公司 | 一种基于智能电视的在线教育课程互动方法及系统 |
CN105704520A (zh) * | 2016-01-21 | 2016-06-22 | 上海第九城市教育科技股份有限公司 | 一种基于互动内容的视频在线直播方法及系统 |
US20160314114A1 (en) * | 2013-12-09 | 2016-10-27 | International Business Machines Corporation | Testing and Training a Question-Answering System |
US20170075881A1 (en) * | 2015-09-14 | 2017-03-16 | Cerego, Llc | Personalized learning system and method with engines for adapting to learner abilities and optimizing learning processes |
KR101730365B1 (ko) * | 2016-09-02 | 2017-05-11 | 남상기 | 유명인을 대상으로 한 음성 기반의 질의응답시스템 |
CN107103005A (zh) * | 2016-02-23 | 2017-08-29 | 阿里巴巴集团控股有限公司 | 问答语料的收集方法及装置 |
CN108322833A (zh) * | 2018-01-15 | 2018-07-24 | 上海全土豆文化传播有限公司 | 信息交互方法和信息交互装置 |
CN108345593A (zh) * | 2017-01-22 | 2018-07-31 | 北京新唐思创教育科技有限公司 | 一种基于题库系统的教学讲义生成方法及其装置 |
CN108419137A (zh) * | 2018-01-15 | 2018-08-17 | 上海全土豆文化传播有限公司 | 数据处理方法和数据处理装置 |
CN108427755A (zh) * | 2018-03-15 | 2018-08-21 | 掌阅科技股份有限公司 | 电子书问题的答题方法、电子设备及计算机存储介质 |
CN108495194A (zh) * | 2018-03-21 | 2018-09-04 | 优酷网络技术(北京)有限公司 | 答题过程中的视频播放方法、计算机存储介质及终端设备 |
CN207895450U (zh) * | 2018-03-30 | 2018-09-21 | 李欣宇 | 基于同根双链式区块链的知识问答系统 |
CN108900888A (zh) * | 2018-06-15 | 2018-11-27 | 优酷网络技术(北京)有限公司 | 播放控制方法及装置 |
CN109587574A (zh) * | 2017-09-28 | 2019-04-05 | 上海全土豆文化传播有限公司 | 一种信息交互方法以及信息交互装置 |
CN110166802A (zh) * | 2019-05-06 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 弹幕处理方法、装置及存储介质 |
CN110308947A (zh) * | 2019-05-24 | 2019-10-08 | 深圳壹账通智能科技有限公司 | 问答信息的处理方法、系统、计算机设备和存储介质 |
CN110400180A (zh) * | 2019-07-29 | 2019-11-01 | 腾讯科技(深圳)有限公司 | 基于推荐信息的显示方法、装置及存储介质 |
CN110784772A (zh) * | 2019-09-10 | 2020-02-11 | 上海道浮于海科技有限公司 | 一种短视频答题系统及方法 |
CN110798746A (zh) * | 2019-09-10 | 2020-02-14 | 上海道浮于海科技有限公司 | 一种短视频答题系统及方法 |
US20200074999A1 (en) * | 2018-08-30 | 2020-03-05 | Flamingo Ai Limited | Semi-supervised question answering machine |
CN111046152A (zh) * | 2019-10-12 | 2020-04-21 | 平安科技(深圳)有限公司 | Faq问答对自动构建方法、装置、计算机设备及存储介质 |
CN111126959A (zh) * | 2019-12-23 | 2020-05-08 | 山东爱城市网信息技术有限公司 | 一种基于区块链的影视内容管理方法、设备及介质 |
CN111580726A (zh) * | 2020-04-28 | 2020-08-25 | 掌阅科技股份有限公司 | 一种电子书的显示方法、电子设备及存储介质 |
-
2020
- 2020-08-31 CN CN202111600003.5A patent/CN114238787B/zh active Active
Patent Citations (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20010029440A (ko) * | 1999-09-13 | 2001-04-06 | 김세용 | 질문과 답변 서비스를 이용한 정보 거래 중개 방법 및 그장치 |
CN1784675A (zh) * | 2003-05-13 | 2006-06-07 | Nhn株式会社 | 用于在因特网上提供对问题的回答的方法 |
US8832584B1 (en) * | 2009-03-31 | 2014-09-09 | Amazon Technologies, Inc. | Questions on highlighted passages |
CN104063410A (zh) * | 2013-04-15 | 2014-09-24 | 腾讯科技(深圳)有限公司 | 一种举报信息的处理方法和系统 |
US20160314114A1 (en) * | 2013-12-09 | 2016-10-27 | International Business Machines Corporation | Testing and Training a Question-Answering System |
CN105117999A (zh) * | 2015-08-28 | 2015-12-02 | 上海第九城市教育科技股份有限公司 | 一种多媒体课件的强制型交互系统及方法 |
CN105139706A (zh) * | 2015-09-11 | 2015-12-09 | 康佳集团股份有限公司 | 一种基于智能电视的在线教育课程互动方法及系统 |
US20170075881A1 (en) * | 2015-09-14 | 2017-03-16 | Cerego, Llc | Personalized learning system and method with engines for adapting to learner abilities and optimizing learning processes |
CN105704520A (zh) * | 2016-01-21 | 2016-06-22 | 上海第九城市教育科技股份有限公司 | 一种基于互动内容的视频在线直播方法及系统 |
CN107103005A (zh) * | 2016-02-23 | 2017-08-29 | 阿里巴巴集团控股有限公司 | 问答语料的收集方法及装置 |
KR101730365B1 (ko) * | 2016-09-02 | 2017-05-11 | 남상기 | 유명인을 대상으로 한 음성 기반의 질의응답시스템 |
CN108345593A (zh) * | 2017-01-22 | 2018-07-31 | 北京新唐思创教育科技有限公司 | 一种基于题库系统的教学讲义生成方法及其装置 |
CN109587574A (zh) * | 2017-09-28 | 2019-04-05 | 上海全土豆文化传播有限公司 | 一种信息交互方法以及信息交互装置 |
CN108322833A (zh) * | 2018-01-15 | 2018-07-24 | 上海全土豆文化传播有限公司 | 信息交互方法和信息交互装置 |
CN108419137A (zh) * | 2018-01-15 | 2018-08-17 | 上海全土豆文化传播有限公司 | 数据处理方法和数据处理装置 |
CN108427755A (zh) * | 2018-03-15 | 2018-08-21 | 掌阅科技股份有限公司 | 电子书问题的答题方法、电子设备及计算机存储介质 |
CN108495194A (zh) * | 2018-03-21 | 2018-09-04 | 优酷网络技术(北京)有限公司 | 答题过程中的视频播放方法、计算机存储介质及终端设备 |
CN207895450U (zh) * | 2018-03-30 | 2018-09-21 | 李欣宇 | 基于同根双链式区块链的知识问答系统 |
CN108900888A (zh) * | 2018-06-15 | 2018-11-27 | 优酷网络技术(北京)有限公司 | 播放控制方法及装置 |
US20200074999A1 (en) * | 2018-08-30 | 2020-03-05 | Flamingo Ai Limited | Semi-supervised question answering machine |
CN110166802A (zh) * | 2019-05-06 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 弹幕处理方法、装置及存储介质 |
CN110308947A (zh) * | 2019-05-24 | 2019-10-08 | 深圳壹账通智能科技有限公司 | 问答信息的处理方法、系统、计算机设备和存储介质 |
CN110400180A (zh) * | 2019-07-29 | 2019-11-01 | 腾讯科技(深圳)有限公司 | 基于推荐信息的显示方法、装置及存储介质 |
CN110784772A (zh) * | 2019-09-10 | 2020-02-11 | 上海道浮于海科技有限公司 | 一种短视频答题系统及方法 |
CN110798746A (zh) * | 2019-09-10 | 2020-02-14 | 上海道浮于海科技有限公司 | 一种短视频答题系统及方法 |
CN111046152A (zh) * | 2019-10-12 | 2020-04-21 | 平安科技(深圳)有限公司 | Faq问答对自动构建方法、装置、计算机设备及存储介质 |
CN111126959A (zh) * | 2019-12-23 | 2020-05-08 | 山东爱城市网信息技术有限公司 | 一种基于区块链的影视内容管理方法、设备及介质 |
CN111580726A (zh) * | 2020-04-28 | 2020-08-25 | 掌阅科技股份有限公司 | 一种电子书的显示方法、电子设备及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116452836A (zh) * | 2023-05-10 | 2023-07-18 | 武汉精阅数字传媒科技有限公司 | 一种基于图像数据处理的新媒体素材内容采集系统 |
CN116452836B (zh) * | 2023-05-10 | 2023-11-28 | 杭州元媒科技有限公司 | 一种基于图像数据处理的新媒体素材内容采集系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114238787B (zh) | 2024-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220254265A1 (en) | Method and apparatus for advancing through a deck of digital flash cards to manage the incentivizing of learning | |
Ericsson et al. | Machine scoring of student essays: Truth and consequences | |
CN112631997B (zh) | 数据处理方法、装置、终端及存储介质 | |
US20160293036A1 (en) | System and method for adaptive assessment and training | |
Grysman | Collecting narrative data on Amazon's Mechanical Turk | |
US20110212430A1 (en) | Teaching and learning system | |
CN106056991B (zh) | 一种基于汉字识别的儿童早教系统、方法 | |
KR20170103586A (ko) | 메신저 서비스를 이용한 인공지능 학습 방법 및 시스템, 그리고 인공지능을 이용한 답변 중계 방법 및 시스템 | |
Demszky et al. | Can automated feedback improve teachers’ uptake of student ideas? evidence from a randomized controlled trial in a large-scale online course | |
US9171255B2 (en) | Method, software, and system for making a decision | |
US20220157189A1 (en) | Personalized learning system | |
KR20190006409A (ko) | 암기학습 데이터를 활용한 단어 인지상태 정량화와 스마트기기 학습 및 스케줄링 장치 및 방법 | |
US11328232B2 (en) | Method of matching employers with job seekers | |
O'Leary | An analysis of Watson vs. BARD vs. ChatGPT: The Jeopardy! Challenge | |
CN114238787B (zh) | 答题处理方法、装置 | |
Chng et al. | Cross-modal masked repetition and semantic priming in auditory lexical decision | |
Hodges et al. | Gifted education on Reddit: A social media sentiment analysis | |
Riechert | Advocacy group and news media framing of public policy issues: Frame mapping the wetlands debates | |
KR102096429B1 (ko) | 인공지능 기반 잠금화면에서 구동되는 리워드형 학습 서비스 제공 방법 | |
KR101490511B1 (ko) | 학습 컨텐츠 관리 방법 및 장치 | |
JP7154619B2 (ja) | 課題レコメンドシステム | |
Rzepka | Transforming First Language Learning Platforms towards Adaptivity and Fairness | |
US8504580B2 (en) | Systems and methods for creating an artificial intelligence | |
KR101802377B1 (ko) | 유형별 퀴즈 기반의 지식 수집용 클라우드 소싱 서비스 시스템 | |
KR102308474B1 (ko) | 퀴즈 플랫폼에서 퀴즈 출제자에게 보상을 부여하는 방법 및 장치 |
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 |