CN116401426A - 一种题目生成方法、装置、电子设备及存储介质 - Google Patents

一种题目生成方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN116401426A
CN116401426A CN202310318644.4A CN202310318644A CN116401426A CN 116401426 A CN116401426 A CN 116401426A CN 202310318644 A CN202310318644 A CN 202310318644A CN 116401426 A CN116401426 A CN 116401426A
Authority
CN
China
Prior art keywords
target
word
question
words
sentence
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
Application number
CN202310318644.4A
Other languages
English (en)
Inventor
胡鑫
康嫣然
大卫·莱德劳·史蒂文森
王璇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Youzhuju Network Technology Co Ltd
Original Assignee
Beijing Youzhuju Network Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Youzhuju Network Technology Co Ltd filed Critical Beijing Youzhuju Network Technology Co Ltd
Priority to CN202310318644.4A priority Critical patent/CN116401426A/zh
Publication of CN116401426A publication Critical patent/CN116401426A/zh
Priority to PCT/CN2024/083785 priority patent/WO2024199212A1/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B5/00—Electrically-operated educational appliances
    • G09B5/06—Electrically-operated educational appliances with both visual and audible presentation of the material to be studied
    • G09B5/065—Combinations of audio and video presentations, e.g. videotapes, videodiscs, television systems
    • 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
    • G06F16/903—Querying
    • G06F16/9035—Filtering based on additional data, e.g. user or group profiles
    • 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
    • G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • 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—Information and communication technology [ICT] specially adapted for implementation of business processes of 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Library & Information Science (AREA)
  • Multimedia (AREA)
  • Computational Linguistics (AREA)
  • Economics (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

本公开提供了一种题目生成方法、装置、电子设备及存储介质，该方法为，确定目标词语；基于多模态元素库，根据所述目标词语的释义信息和筛选条件，确定所述目标词语的候选多模态元素集，其中，所述多模态元素库包括多种类型的元素，所述元素用于生成题目的内容；根据所述候选多模态元素集，生成所述目标词语的目标题目，这样，可以基于候选多模态元素集，生成目标题目，实现多模态题型的自动出题，题型更加丰富，提高学习效率和学习效果。

Description

一种题目生成方法、装置、电子设备及存储介质
技术领域
本公开涉及计算机技术领域，具体而言，涉及一种题目生成方法、装置、电子设备及存储介质。
背景技术
目前，用户可以很方便地通过应用软件进行学习，例如英语学习场景，进行词汇练习时，应用软件可以给出题目，用户通过答题来掌握相关词汇，相关技术中，通常是人工出题，不同词汇的题目都是固定的，基于这些固定题目，向用户进行出题，并且题型比较单一，降低了学习效率。
发明内容
本公开实施例至少提供一种题目生成方法、装置、电子设备及存储介质。
第一方面，本公开实施例提供了一种题目生成方法，包括：
确定目标词语；
基于多模态元素库，根据所述目标词语的释义信息和筛选条件，确定所述目标词语的候选多模态元素集，其中，所述多模态元素库包括多种类型的元素，所述元素用于生成题目的内容；
根据所述候选多模态元素集，生成所述目标词语的目标题目。
第二方面，本公开实施例提供了一种题目生成方法，包括：
响应于目标对象的指示开始学习操作，获取针对所述目标对象的各目标词语的目标题目，其中，所述目标题目是基于多模态元素库，根据所述目标词语的释义信息和筛选条件确定出候选多模态元素集后，再根据所述候选多模态元素集确定的，所述多模态元素库包括多种类型的元素，所述元素用于生成题目的内容；
依次展示各所述目标词语的目标题目。
第三方面，本公开实施例还提供一种题目生成装置，包括：
第一确定模块，用于确定目标词语；
第二确定模块，用于基于多模态元素库，根据所述目标词语的释义信息和筛选条件，确定所述目标词语的候选多模态元素集，其中，所述多模态元素库包括多种类型的元素，所述元素用于生成题目的内容；
生成模块，用于根据所述候选多模态元素集，生成所述目标词语的目标题目。
第四方面，本公开实施例还提供一种题目生成装置，包括：
获取模块，用于响应于目标对象的指示开始学习操作，获取针对所述目标对象的各目标词语的目标题目，其中，所述目标题目是基于多模态元素库，根据所述目标词语的释义信息和筛选条件确定出候选多模态元素集后，再根据所述候选多模态元素集确定的，所述多模态元素库包括多种类型的元素，所述元素用于生成题目的内容；
第一展示模块，用于依次展示各所述目标词语的目标题目。
第五方面，本公开可选实现方式还提供一种电子设备，包括处理器、存储器，所述存储器存储有所述处理器可执行的机器可读指令，所述处理器用于执行所述存储器中存储的机器可读指令，所述机器可读指令被所述处理器执行时，所述机器可读指令被所述处理器执行时执行上述第一方面，或第二方面中任一种可能的实施方式中的步骤。
第六方面，本公开可选实现方式还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述第一方面，或第二方面中任一种可能的实施方式中的步骤。
本公开实施例中，确定目标词语；基于多模态元素库，根据所述目标词语的释义信息和筛选条件，确定所述目标词语的候选多模态元素集，其中，所述多模态元素库包括多种类型的元素，所述元素用于生成题目的内容；根据所述候选多模态元素集，生成所述目标词语的目标题目，进而在学习时，可以响应于目标对象的指示开始学习操作，获取针对所述目标对象的各目标词语的目标题目，依次展示各所述目标词语的目标题目，这样，可以聚合多种类型的元素，自动生成多模态的目标题目，提升了目标题目的丰富性，实现了自动出题，降低了人工出题成本，并且目标题目也是动态变化的，而不是预先设置固定不变的，还可以极大提高学习效率，提升学习效果，可以使得用户更好地掌握目标词语。
关于上述题目生成装置、电子设备、及计算机可读存储介质的效果描述参见上述题目生成方法的说明，这里不再赘述。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开的技术方案。
为使本公开的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，此处的附图被并入说明书中并构成本说明书中的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。应当理解，以下附图仅示出了本公开的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1示出了本公开实施例所提供的一种题目生成方法的流程图；
图2示出了本公开实施例所提供的一种添加目标词语的界面效果图；
图3示出了本公开实施例所提供的另一种题目生成方法的流程图；
图4示出了本公开实施例所提供的目标词语掌握度的展示效果示意图；
图5示出了本公开实施例所提供的一种生成目标题目中确定目标多模态元素的流程框图；
图6示出了本公开实施例所提供的看词选义题型的展示效果示意图；
图7示出了本公开实施例所提供的看义选词题型的展示效果示意图；
图8示出了本公开实施例所提供的听音选义题型的展示效果示意图；
图9示出了本公开实施例所提供的词语朗读题型的展示效果示意图；
图10示出了本公开实施例所提供的朗读填空题型的展示效果示意图；
图11示出了本公开实施例所提供的词句练习题型的展示效果示意图；
图12示出了本公开实施例所提供的一种题目生成装置的结构示意图；
图13示出了本公开实施例所提供的另一种题目生成装置的结构示意图；
图14示出了本公开实施例所提供的一种电子设备的示意图。
具体实施方式
可以理解的是，在使用本公开各实施例公开的技术方案之前，均应当依据相关法律法规通过恰当的方式对本公开所涉及个人信息的类型、使用范围、使用场景等告知用户并获得用户的授权。
为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。通常在此处描述和示出的本公开实施例的组件可以以各种不同的配置来布置和设计。因此，以下对本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围，而是仅仅表示本公开的选定实施例。基于本公开的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。
经研究发现，目前用户可以很方便地通过应用软件进行学习，例如英语学习场景，进行词汇练习时，应用软件可以给出题目，用户通过答题来掌握相关词汇，相关技术中，通常是人工出题，不同词汇的题目都是固定的，基于这些固定题目，向用户进行出题，并且题型比较单一，降低了学习效率。
基于上述研究，本公开提供了一种题目生成方法，确定目标词语；基于多模态元素库，根据目标词语的释义信息和筛选条件，确定目标词语的候选多模态元素集，进而根据候选多模态元素集，生成目标词语的目标题目，这样，可以基于候选多模态元素集，生成目标题目，实现多模态题型的自动出题，题型更加丰富，提高学习效率。
针对以上方案所存在的缺陷，均是发明人在经过实践并仔细研究后得出的结果，因此，上述问题的发现过程以及下文中本公开针对上述问题所提出的解决方案，都应该是发明人在本公开过程中对本公开做出的贡献。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
为便于对本实施例进行理解，首先对本公开实施例所公开的一种题目生成方法进行详细介绍，本公开实施例所提供的题目生成方法的执行主体一般为具有一定计算能力的电子设备，该电子设备例如包括：终端设备或服务器或其它处理设备，终端设备可以为用户设备(User Equipment，UE)、移动设备、蜂窝电话、无绳电话、个人数字助理(PersonalDigital Assistant，PDA)、手持设备、计算设备、车载设备、可穿戴设备等。其中，个人数字助理是一种手持式电子设备，具有电子计算机的某些功能，可以用来管理个人信息，也可以上网浏览，收发电子邮件等，一般不配备键盘，也可以称为掌上电脑。在一些可能的实现方式中，该题目生成方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
下面以执行主体为服务器为例对本公开实施例提供的题目生成方法加以说明。参见图1所示，为本公开实施例提供的一种题目生成方法的流程图，该方法包括：
S101：确定目标词语。
本公开实施例中，可以针对用户在阅读或浏览过程等场景，可以为英文阅读场景，该目标词语可以为单词或短语等，当然也可以为其它语言的学习场景，本公开实施例中并不进行限制，可以挖掘所需学习的目标词语，具体针对该步骤S101确定目标词语，提供了几种可能的实施方式：
一种可能的实施方式，将目标词语关联的目标对象选择添加到词语学习本中的词语，确定为目标词语。
例如，用户在阅读文章过程中，对于不熟悉或想要学习的词语，可以通过长按进行选择，进而添加到单词本中以进行学习。
又例如，参阅图2所示，为本公开实施例中一种添加目标词语的界面效果图，用户可以观看英文视频或听英文音频过程中，在界面中可以展示对应的英文文字信息，用户可以针对其中任意词语进行长按，以选中该词语并将该词语添加到词语学习本中，该选中的词语即确定为目标词语，例如，图2中选择的目标词语为“however”，另外还可以同时将该目标词语在所听视频或音频中释义信息，添加到词语学习本中。
另一种可能的实施方式，根据目标对象的消费内容，从消费内容中确定出目标词语。
具体地包括：确定目标对象的学习水平等级；根据目标对象的学习水平等级和词语筛选因子，从消费内容中包括的各词语中确定出目标词语，其中，词语筛选因子包括以下至少一种：词语的难度等级、词性、词语的热度信息。
这样，本公开实施例中还可以自动从用户的消费内容中，筛选出目标词语，即可以支持推荐的目标词语的学习，帮助用户进行学习，提高效率。
进一步地，较佳的，在确定目标词语时，还同时确定该目标词语在消费内容中的释义信息，例如在消费内容中所表征的为动词、名词等，这样后续可以基于释义粒度来生成目标词的目标题目并进行学习，加强目标词语在消费内容中的熟悉度，促进对目标词语的运用。
S102：基于多模态元素库，根据目标词语的释义信息和筛选条件，确定目标词语的候选多模态元素集，其中，多模态元素库包括多种类型的元素，元素用于生成题目的内容。
其中，多模态元素库中多种类型的元素，例如包括图片、词语、句子、视频、音频等，本公开实施例中并不进行限制。
S103：根据候选多模态元素集，生成目标词语的目标题目。
进一步地，生成目标题目后，用户可以针对目标题目进行作答，本公开实施例中还可以针对用户的答案信息进行评价，具体提供了一种可能的实施方式，获得目标对象针对目标题目的答案信息；根据多个评价维度，对答案信息进行评估，获得针对答案信息的评估结果，并返回评估结果，其中，多个评价维度包括以下至少一种：语义相关度、句子准确度、发音流利度、发音准确度。
这样，针对答案信息，可以从多个评价维度进行评估和打分，并且可以提供针对性的评估结果，帮助用户锻炼表达能力和学习能力，还可以提高学习效果，便于用户更好地熟练掌握。
本公开实施例中，确定目标词语；基于多模态元素库，根据目标词语的释义信息和筛选条件，确定目标词语的候选多模态元素集，其中，多模态元素库包括多种类型的元素，元素用于生成题目的内容，并根据候选多模态元素集，生成目标词语的目标题目，这样，基于多种类型的元素，自动聚合对应的多种类型的元素，生成多模态的目标题目，提升了目标题目的丰富性，并且可以针对目标词语，动态基于候选多模态元素集，实现自动出题，因此目标题目也是动态变化的，而不是预先设置固定不变的，降低了人工出题成本，并且还可以极大提高学习效率，提升学习效果，可以使得用户更好地掌握目标词语。
基于上述实施例，本公开实施例中，多模态元素库中可以包括多种不同类型的元素，基于不同类型的元素，具体执行上述步骤S102基于多模态元素库，根据目标词语的释义信息和筛选条件，确定目标词语的候选多模态元素集，本公开提供了几种可能的实施方式。
(1)一种可能的实施方式，多模态元素库包括词语释义库，其中，词语释义库包括多个词语以及多个词语的释义信息。
其中，词语释义库可以根据权威词典为基准，从中获取释义粒度的各词语，并且还可以对可能会暴露答案的信息进行模糊或遮挡处理，从而建立获得词语释义库。
则执行上述步骤S102基于多模态元素库，根据目标词语的释义信息和筛选条件，确定目标词语的候选多模态元素集，包括：
S1、根据目标词语的释义信息和第一排序策略，对词语释义库中包括的多个词语进行排序，并筛选出排序前第一数目个词语，其中，第一排序策略包括以下至少一种：词性相同、难度等级的差异级别不大于预设级别范围、音形的差异度不大于预设差异阈值、相同属类。
S2、根据同近义词和相同拼写过滤规则，对筛选出的排序前第一数目个词语进行过滤，获得目标词语的候选干扰项集，其中，候选干扰项集中包括各候选干扰词语和对应的各候选干扰释义信息。
在多模态元素库包括词语释义库情况下，即元素包括词语，该词语主要用于针对目标词语的干扰项，为了使得干扰性更加合适，并且保证答案的唯一性，因此在筛选候选干扰项集时，可以通过词性相同、难度等级相近、音形相近、形同属类，还可以结合用户的熟悉程度等进行排序和筛选，可以筛选出与目标词语更相近的词语，提高干扰项的干扰效果，并且还可以通过同近义词和相同拼写再进行进一步过滤，保证答案的唯一性，提高候选干扰项集的有效性。
(2)一种可能的实施方式，多模态元素库包括句子语料库和词语释义库，其中，词语释义库包括多个词语以及多个词语的释义信息，句子语料库包括多个句子。
则执行上述步骤S102基于多模态元素库，根据目标词语的释义信息和筛选条件，确定目标词语的候选多模态元素集，包括：
S1、根据句子语料库和词语释义库，从句子语料库中筛选出包括目标词语的各句子。
具体地，基于句子语料库和词语释义库，可以获得词语释义和句子语料的关系库，从而基于词语释义和句子语料的关系库，筛选出包括目标词语的各句子。
S2、根据第二排序策略，对各句子进行排序，并筛选出排序前第二数目个句子，将筛选出的排序前第二数目个句子作为目标词语的候选句子集，其中，第二排序策略包括以下至少一种：句子结构符合规范条件、句子长度符合长度条件、句子难度符合难度条件。
本公开实施例中，筛选出的候选句子集中各句子，应该尽量保证句子结构的规范完整，句子长度和难度合适，并且本公开实施例中，基于句子生成目标题目时，可以出音频题目，因此句子中也尽量不含影响目标词语的发音内容，可以使得最终生成的目标题目，更加聚集对以释义粒度的目标词语的运用，提升学习效率。
(3)多模态元素库包括视频库。
则执行上述步骤S102基于多模态元素库，根据目标词语的释义信息和筛选条件，确定目标词语的候选多模态元素集，提供了以下两种可能的实施方式。
一种实施方式中，包括：根据目标词语关联的目标对象选择目标词语时所对应的源视频，确定目标词语的候选视频集。
例如，用户在观看视频，可以针对视频中字幕信息进行选择以确定目标词语，或者自动从视频中推荐目标词语，进而将目标词语添加到单词本以进行学习，此时用户观看的视频即为目标词语的源视频，可以将源视频确定为候选视频集，作为目标词语出题时的语境视频，可以加强用户的学习印象，提高学习效率。
另一种实施方式中，包括：从视频库中，筛选出对应的视频句子中包括目标词语的各视频；根据第三排序策略，对各视频进行排序，并筛选出排序前第三数目个句子，将筛选出的排序前第三数目个视频作为目标词语的候选视频集，其中，第三排序策略包括以下至少一种：视频时长符合时长要求、视频句子中所述目标词语与所述源视频中目标词语的释义信息相同。
即本公开实施例中还可以从源视频和/或非源视频中进行选择，为提高目标题目中视频的质量，可以从已上线的专业生产内容(Professional Generated Content，PGC)、影视资源等中，获得视频库，并且在筛选时，要求视频句子中包括目标词语，并且和目标词语的释义信息相同，视频时长符合时长要求，例如在[a,b]秒内比较合适，a和b可以预先进行配置，另外在展示时，视频如果有字幕信息，需要对字幕信息进行擦除，避免答案外露。
(4)多模态元素库包括图片库。
则执行上述步骤S102基于多模态元素库，根据目标词语的释义信息和筛选条件，确定目标词语的候选多模态元素集，包括：根据第四排序策略，对图片库中各图片进行排序，并筛选出排序前第四数目个图片，将筛选出的排序前第四数目个视频作为目标词语的候选图片集，其中，第四排序策略包括以下至少一种：图片中包括所述目标词语、图片内容符合内容条件、图片属性符合属性条件。
本公开实施例中，还可以支持图片元素，为了保证和提高图片质量，并且是针对目标词语的图片，在筛选候选图片集中，首先需要图片中包括目标词语，即可以匹配目标词语和目标词语的释义信息和解释信息等，并且还可以要求图片内容合规、关键信息较突出，图片属性符合属性条件，例如图片的分辨率、尺寸、清晰度等符合要求，进一步地为提升效果，可以使图片的风格尽量统一，对此本公开实施例中并不进行限制。
进而基于上述实施例，基于多模态元素库，可以获得用于生成目标题目的候选多模态元素集，包括候选干扰项集、候选句子集、候选视频集和候选图片集等，进而可以根据候选多模态元素集，生成目标题目，具体地，针对上述步骤S103根据候选多模态元素集，生成目标词语的目标题目，本公开还提供了可能的实施方式，根据候选多模态元素集，生成目标词语的目标题目，包括：
1)获取目标对象的历史行为数据。
2)根据历史行为数据和候选多模态元素集，生成目标词语的目标题目。
具体地包括：根据历史行为数据，从候选多模态元素集中，确定出目标数目个目标多模态元素；根据各题型要求和目标多模态元素，生成目标词语的各题型对应的目标题目。
这样，本公开实施例中，可以结合用户的历史行为数据，来生成针对目标词语的目标题目，可以提高目标题目的个性化，更加符合该用户的需求。
下面基于不同的题型要求，针对根据各题型要求和目标多模态元素，生成目标词语的各题型对应的目标题目，可以分为以下几种不同的情况进行具体说明。
1)一种情况中，在题型为看词选义题型的情况下，根据目标数目的目标干扰释义信息和目标词语的释义信息，确定为目标题目中的各备选项，并根据目标词语的拼写，或，根据目标词语的拼写和目标词语的目标视频，确定为目标题目中的题干。
其中，看词选义题型表征根据目标词语选择释义信息，例如，目标词语为英文单词，备选项可以包括该英文单词的中文翻译和干扰中文翻译，并且目标题目的题干即可以为该英文单词的拼写，另外为了便于用户学习，加强学习效果，目标题目的题干中处理目标词语的拼写，还可以包括目标词语的目标视频，例如该目标视频为目标词语的源视频，并不进行限制。
其中，目标数目并不进行限制，可以预先进行设置，例如目标数目为三个。
2)一种情况中，在题型为看义选词题型的情况下，根据目标数目的目标干扰词语和目标词语，确定为目标题目中的各备选项，并根据目标词语的英文释义或中文释义，确定为目标题目中的题干，或者，根据目标词语的英文释义或中文释义，以及目标词语的目标图片，确定为目标题目中的题干。
其中，看义选词题型表示根据释义信息选择目标词语，例如，备选项为目标词语和目标干扰词语，目标题目中的题干为英文释义或中文释义，还可以包括目标图片，以提高题目的丰富性，加强学习记忆。
3)一种情况中，在题型为听音选义题型的情况下，根据目标数目的目标干扰释义信息和目标词语的释义信息，确定为目标题目中的各备选项，并根据目标词语的发音，或者根据目标词语的发音和目标词语的目标视频，确定为目标题目中的题干。
其中，听音选义题型表示根据目标词语的发音的音频来选择目标词语的释义信息，例如目标词语为英文单词，各备选项包括该英文单词的中文释义信息和其它目标干扰释义信息，题干即为该英文单词的英文发音的音频，还可以包括目标词语的目标视频，用户可以通过播放题干中发音的音频和目标视频，可以选择该发音的英文单词所对应的释义信息是什么。
4)一种情况中，在题型为词语朗读题型的情况下，根据目标词语的英文释义或中文释义，生成目标题目，或者根据目标词语的英文释义或中文释义，以及目标词语的目标图片，生成目标题目。
其中，词语朗读题型表征指示朗读英文释义或中文释义对应的词语，该词语朗读题型可以锻炼用户的朗读能力，给出释义信息，用户可以输入该释义信息对应的目标词语的音频，以进行作答。
5)一种情况中，在题型为朗读填空题型的情况下，根据目标词语的目标句子，隐藏目标句子中的所述目标词语，并生成目标题目，或者，根据目标词语的目标句子和目标词语的目标图片，隐藏目标句子中的目标词语，并生成目标题目。
其中，朗读填空题型表示根据隐藏了目标词语的目标句子指示朗读出包含目标词语的完整目标句子，例如，目标句子为英文句子，目标题目中给出该英文句子并且隐藏目标词语，并且划出该英文句子中目标词语的空缺位置，还可以给出该英文句子的中文翻译，进而用户可以基于中文翻译，确定该目标词语是什么，并朗读出包含目标词语的完整的目标句子。
6)一种情况中，在题型为词句练习题型的情况下，根据目标词语的目标句子的中文，确定为目标题目，词句练习题型表征指示使用目标词语，采用预设方式输入目标句子的英文；接收到词语提示请求情况下，确定并返回目标词语的释义信息和/或目标视频；接收到句子提示请求情况下，根据目标句子的英文中包括的各词语的难度等级，将难度等级符合难度等级条件的词语确定为提示词语，并返回提示词语。
例如，目标词语为英文单词，可以从候选句子集中确定出目标句子，目标题目中展示该目标句子的中文翻译，并展示使用该目标英文单词进行造句的提示信息，进而用户使用该英文单词进行造句，预设方式可以为语音，即输入句子的音频信息。
并且在词句练习题型中，还可以支持句子提示功能，用户若对于完整句子并不是很熟悉，造句有些难度，可以请求提示，可以支持词语提示和句子提示两种功能，例如用户进行词语提示请求操作，可以返回目标词语的释义信息，还可以返回对应的目标视频，帮助用户快速并且更好地理解该目标词语，又例如，用户可以进行句子提示请求操作，此时可以针对目标题目中的中文翻译所对应的英文句子参考答案，挑选其中较难的词组或者单词作为提示词语以返回给用户，最终目的是为了锻炼用户对于目标单词的学习程度。
需要说明的是，上述第1)-5)为词语练习场景，针对词语练习场景，可以基于目标多模态元素，可以生成多模态的不同题型下的目标题目，从中英文释义信息、朗读发音等不同角度，使得用户对该目标词语进行学习，提高学习效果和学习效率，使得用户更好地掌握和运用该目标词语，上述第6)为词句练习场景，该词句练习场景主要是针对目标词语进行题干目标句子和句子提示的自动出题，侧重于对于句子的练习，可以锻炼用户的口语表达能力和句子组织能力等。
进而本公开实施例中，可以针对词语练习场景和词句练习场景，实现多模态题型的自动出题，降低人工出题成本，提升了效率，并且针对选择或推荐的目标词语，以目标词语的释义粒度聚合多模态元素，以生成多种不同的多模态题型，提升了学习效率，使得用户更好地实现对于目标词语的掌握和运用。
从而基于针对目标词语生成的多种不同的多模态题型的目标题目，可以生成相应的学习计划，以进一步提高学习效果，进一步地，本公开实施例中还提供了一种可能的实施方式：
针对目标对象生成学习计划，其中，学习计划中包括针对目标词语的多轮学习计划；在目标词语的每轮学习计划中，根据目标对象针对目标词语的题型学习情况，选择未学习的各题型中的一种题型所对应的目标题目以返回给目标对象，直至目标对象完成对目标词语的所有题型的学习，确定完成目标词语的多轮学习计划，并将目标词语的学习状态更新为已掌握。
也就是说，本公开实施例中，针对每个目标词语可以生成多个不同题型的目标题目，例如，每个目标词语对应生成五个题型的目标题目，则需要用户将这五个题型的目标题目都学习完成，才确定对该目标词语学习完成，以提升学习效果，并且基于学习记忆和效果出发，不会一次性让用户学习该目标单词的五个目标题目，而是分为多轮学习，每轮可以学习其中一种题型，直至学习完所有的题型，然后可以将该目标词语的学习状态更新为已掌握，可以进一步提升学习效率和学习效果。
下面以执行主体为终端设备为例对本公开实施例提供的题目生成方法加以说明。参见图3所示，为本公开实施例提供的另一种题目生成方法的流程图，该方法包括：
S301：响应于目标对象的指示开始学习操作，获取针对目标对象的各目标词语的目标题目，其中，目标题目是基于多模态元素库，根据目标词语的释义信息和筛选条件确定出候选多模态元素集后，再根据候选多模态元素集确定的，多模态元素库包括多种类型的元素，元素用于生成题目的内容。
进一步地，本公开实施例中各目标词语可以是用户选择并添加到词语学习本中的，具体包括：接收目标对象在消费内容中针对目标词语的选择添加操作；将目标词语和目标词语在消费内容中的词性添加到目标对象的词语学习本中。
另外，本公开实施例中，目标词语还可以是从目标对象的消费内容所推荐的，对此本公开实施例中并不进行限制。
其中，目标题目的具体确定方式，与上述服务器侧实施例确定目标题目的方式相同，这里就不再进行赘述了。
本公开实施例中，可以针对每个目标词语生成多轮学习计划，用户在学习时，可以分别获得每轮学习计划中的目标题目以进行学习，具体提供了一种可能的实施方式，获取针对目标对象的各目标词语的目标题目，包括：获取针对目标对象的各目标词语在本轮学习计划中的目标题目；其中，各目标词语对应有各题型的目标题目，各目标词语对应有多轮学习计划，每轮学习计划中包括各目标词语的一种题型的目标题目，并在每轮学习计划中，各目标词语的一种题型是从对应的各题型中未学习的题型中确定的。
这样，通过多轮学习，对目标词语的多种不同题型的目标题目，分别进行学习和练习，可以逐步加强对于目标词语的掌握度，提高学习效率，并且提升用户的学习效果。
进一步地，本公开实施例中，还可以在词语学习本中展示各目标词语的掌握度，便于用户更加清晰了解自己的学习情况，具体提供了一种可能的实施方式，展示针对各目标词语的掌握度，其中，掌握度是根据目标对象针对各词语的题型学习情况确定的。
例如，参阅图4所示，为本公开实施例中目标词语掌握度的展示效果示意图，如图4所示，未完成学习的目标词语，可以在词语学习本中的学习中部分进行展示，并且展示各目标词语所对应的掌握度，如通过一个圆形，每学习完一轮即一种题型的目标题目，则在该圆形中以不同颜色高亮显示一定占比，直至都学习完成后，该圆形即可以使用该颜色全部高亮，更加清晰，便于用户理解，都学习完成后，目标词语的学习状态更新为已掌握，并且可以展示在词语学习本中的已掌握部分，用户通过点击“学习中”或“已掌握”即可以进行切换，以查看学习中的目标词语或已掌握的目标词语。
这样，根据用户对目标词语的多轮学习情况，更新对应的掌握度，多轮均学习完成后，该目标词语的掌握度才更新为已完成，其中，掌握度的展示形式并不进行限制，可以提高展示效果。
S302：依次展示各目标词语的目标题目。
本公开实施例中，针对目标词语的目标题目可以包括词语练习场景和词句练习场景，其中，针对词语练习场景具体可以同上述服务器侧实施例，这里就不再进行赘述了，针对词句练习场景，在终端设备侧还提供了一种可能的实施方式，目标题目的题型为词句练习题型情况下，目标题目包括目标词语的目标句子的中文，词句练习题型表征指示使用目标词语，采用预设方式输入目标句子的英文，则还可以包括：响应于目标对象针对目标题目的词语提示操作，展示目标词语的释义信息和/或目标视频；响应于目标对象针对目标题目的句子提示操作，展示目标句子的英文所对应的提示词语，其中，提示词语是根据目标句子的英文中包括的各词语的难度等级确定的。
进一步地，依次展示各目标词语的目标题目后，用户可以针对目标题目进行作答，本公开实施例中还提供了一种针对答案信息的评估方式，具体地包括：接收目标对象针对目标题目的答案信息；获取针对答案信息的评估结果，其中，评估结果是根据多个评价维度确定的，多个评价维度包括以下至少一种：语义相关度、句子准确度、发音流利度、发音准确度；展示评估结果。
这样，可以从多种评价维度，对答案信息进行评估，提供针对性的反馈评估结果，进一步提升学习效果，便于用户及时了解作答情况，以进行针对性的改正和学习。
本公开实施例中，响应于目标对象的指示开始学习操作，获取针对目标对象的各目标词语的目标题目，依次展示各目标词语的目标题目，其中，目标题目是基于多模态元素库，根据目标词语的释义信息和筛选条件确定出候选多模态元素集后，再根据候选多模态元素集确定的，这样，可以自动聚合多模态元素，实现多模态目标题目的自动生成，提升了效率，进行可以展示各目标词语的目标题目以供用户进行学习，由于目标题目可以动态自动生成，并且目标题目更加丰富多样，从而可以提升学习效率和学习效果，促进对于目标词语的掌握。
本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
下面采用具体应用场景进行说明。本公开实施例中，可以根据候选多模态元素集，生成目标词语的目标题目，具体地，可以根据目标对象的历史行为数据，从候选多模态元素集中，确定出目标多模态元素，根据各题型要求和目标多模态元素，生成目标词语的各题型对应的目标题目。
以多模态元素库包括句子语料库和词语释义库为例，则候选多模态元素集可以包括候选干扰项集、候选句子集，参阅图5所示，为本公开实施例中一种生成目标题目中确定目标多模态元素的流程框图，如图5所示，本公开实施例中，先获取词语释义库、句子语料库和该句子语料库对应的句子语料标签，该句子语料标签中包括针对句子语料库中各句子的标签信息，例如句子长度、句子难度、句子结构是否规范等，用于可以进行句子的排序筛选；然后，可以根据词语释义库，进行排序筛选，获得候选干扰项集，进而结合目标对象的历史行为数据，确定出目标干扰词语和对应的目标干扰释义信息。
如图5所示，可以根据词语释义库和句子语料库，建立词语和句子的关联关系，以获得词语释义和句子语料关系库，便于筛选出包括目标词语的各句子，进而根据词语释义和句子语料关系库、句子语料标签，获得候选句子集，进而结合目标对象的历史行为数据，确定出目标句子。
上述图5仅是一种可能的示例，本公开实施例中多模态元素库还可以包括视频库和图片库，则候选多模态元素集还可以包括候选视频集和候选图片集，进而可以基于候选干扰项集、候选句子集、候选视频集和候选图片集，根据各题型要求，生成各题型对应的目标题目。
以针对不同题型，并且目标词语为英文词语为例，分别对生成的目标题目进行说明。
例如，参阅图6所示，为本公开实施例中看词选义题型的展示效果示意图，如图6所示，看词选义题型的目标题目中题干包括目标词语的拼写和目标视频，例如目标词语为“however”，目标题目中的各备选项包括目标干扰释义信息和目标词语的释义信息，例如各备选项包括：“n.答案一”、“adv.然而”、“conj.答案二”，进而用户可以通过点击从中选择一个选项以进行作答，另外该界面中还可以展示目标词语的掌握度，又例如，为便于用户灵活操作，还可以在界面中提供针对该目标词语的操作控件，如已掌握或不知道的操作控件，用户可以根据实际情况而进行选择，本公开实施例中对于具体界面实现并不进行限制。
参阅图7所示，为本公开实施例中看义选词题型的展示效果示意图，如图7所示，看义选词题型的目标题目中题干包括目标词语的释义信息，如图7展示的英文释义信息，如为英文单词“a1”的英文释义信息，各备选项包括目标词语和目标干扰词语，例如包括：“a1”、“b1”、“c1”。
参阅图8所示，为本公开实施例中听音选义题型的展示效果示意图，如图8所示，在听音选义题型的目标题目中，展示目标词语的英文发音的音频，例如为“you”的音频，各备选项为对应的中文翻译，例如包括：“n.你，你们”、“n.她”、“n.他”。
参阅图9所示，为本公开实施例中词语朗读题型的展示效果示意图，如图9所示，在词语朗读题型中，可以展示英文词语的英文释义，指示用户读出英文释义对应的词语，用户可以通过输入语音信息以进行作答，另外还可以支持词语提示，例如给出包含目标词语的多个词语，进而用户可以从中选择正确的目标词语并进行朗读。
参阅图10所示，为本公开实施例中朗读填空题型的展示效果示意图，如图9所示，在朗读填空题型中，展示隐藏了目标词语的目标句子和对应的中文翻译，例如展示的目标句子为“I'm very__to see you”我见到你很高兴，指示用户根据提示读出完整的英文句子，此时用户可以根据该中文翻译信息，确定英文句子中空格部分的单词是什么，并通过语音朗读出完整的英文句子。
参阅图11所示，为本公开实施例中词句练习题型的展示效果示意图，如图11中最左图所示，在词句练习题型中，展示目标句子的中文翻译，并指示使用目标词语进行造句，例如目标句子的中文为“你吃饭了吗？”并且提示的目标词语为“eat”，进而用户可以通过语音输入使用“eat”，针对该中文的英文句子。
并且本公开实施例中，在词句练习题型场景下，可以提供词语提示和句子提示功能，如图11中最左图所示，点击“关键词提示”功能，即可以展示“eat”的相关提示信息，例如释义信息和/或目标视频，若此时用户仍不知道对应的英文句子是什么，可以进一步点击“句子提示”功能，此时如图11中的中间图所示，可以继续展示目标句子的英文中的提示词语，可以为一些较难的词语，例如，提示词语为“you”，进而用户根据这些提示信息，可以朗读出对应的英文句子以进行作答。
另外本公开实施例中，还可以针对答案信息进行评估并展示评估结果，如图11中最右图所示，用户作答后，可以针对用户输入的答案信息返回评估结果，若用户回答正确并且发音等都较好，可以返回如“Good！”，又例如若用户回答错误，可以返回相关信息，如“回答错误，遗漏了部分信息”，并且还可以返回对应的标准答案以供用户进行学习和参考。
本公开实施例中，可以针对目标词语，基于多模态元素了，自动聚合目标句子、目标视频、目标图片、干扰项等元素，自动生成多模态的多种不同题型的目标题目，提高目标题目的丰富性，提升学习效率和学习效果，促进用户对于目标词语的掌握和灵活运用。
需要说明的是，本公开实施例中的界面展示效果示意图，仅是一种可能的示例，不应对本公开实施例进行限制。
基于同一发明构思，本公开实施例中还提供了与题目生成方法对应的题目生成装置，由于本公开实施例中的装置解决问题的原理与本公开实施例上述方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。
参照图12所示，为本公开实施例提供的一种题目生成装置的结构示意图，该装置包括：
第一确定模块1201，用于确定目标词语；
第二确定模块1202，用于基于多模态元素库，根据所述目标词语的释义信息和筛选条件，确定所述目标词语的候选多模态元素集，其中，所述多模态元素库包括多种类型的元素，所述元素用于生成题目的内容；
生成模块1203，用于根据所述候选多模态元素集，生成所述目标词语的目标题目。
一种可选的实施例中，所述确定目标词语，第一确定模块1201用于：
将所述目标词语关联的目标对象选择添加到词语学习本中的词语，确定为所述目标词语；或，
根据所述目标对象的消费内容，从所述消费内容中确定出所述目标词语。
一种可选的实施例中，所述根据所述目标对象的消费内容，从所述消费内容中确定出所述目标词语时，第一确定模块1201用于：
确定所述目标对象的学习水平等级；
根据所述目标对象的学习水平等级和词语筛选因子，从所述消费内容中包括的各词语中确定出所述目标词语，其中，所述词语筛选因子包括以下至少一种：词语的难度等级、词性、词语的热度信息。
一种可选的实施例中，所述多模态元素库包括词语释义库，其中，所述词语释义库包括多个词语以及所述多个词语的释义信息；
则所述基于多模态元素库，根据所述目标词语的释义信息和筛选条件，确定所述目标词语的候选多模态元素集时，第二确定模块1202用于：
根据所述目标词语的释义信息和第一排序策略，对所述词语释义库中包括的多个词语进行排序，并筛选出排序前第一数目个词语，其中，所述第一排序策略包括以下至少一种：词性相同、难度等级的差异级别不大于预设级别范围、音形的差异度不大于预设差异阈值、相同属类；
根据同近义词和相同拼写过滤规则，对筛选出的排序前第一数目个词语进行过滤，获得所述目标词语的候选干扰项集，其中，所述候选干扰项集中包括各候选干扰词语和对应的各候选干扰释义信息。
一种可选的实施例中，所述多模态元素库包括句子语料库和词语释义库，其中，所述词语释义库包括多个词语以及所述多个词语的释义信息，所述句子语料库包括多个句子；
则所述基于多模态元素库，根据所述目标词语的释义信息和筛选条件，确定所述目标词语的候选多模态元素集时，第二确定模块1202用于：
根据所述句子语料库和所述词语释义库，从所述句子语料库中筛选出包括所述目标词语的各句子；
根据第二排序策略，对所述各句子进行排序，并筛选出排序前第二数目个句子，将筛选出的排序前第二数目个句子作为所述目标词语的候选句子集，其中，所述第二排序策略包括以下至少一种：句子结构符合规范条件、句子长度符合长度条件、句子难度符合难度条件。
一种可选的实施例中，所述多模态元素库包括视频库；
则所述基于多模态元素库，根据所述目标词语的释义信息和筛选条件，确定所述目标词语的候选多模态元素集时，第二确定模块1202用于：
根据所述目标词语关联的目标对象选择所述目标词语时所对应的源视频，确定所述目标词语的候选视频集；或，
从所述视频库中，筛选出对应的视频句子中包括所述目标词语的各视频；
根据第三排序策略，对所述各视频进行排序，并筛选出排序前第三数目个句子，将筛选出的排序前第三数目个视频作为所述目标词语的候选视频集，其中，所述第三排序策略包括以下至少一种：视频时长符合时长要求、所述视频句子中所述目标词语与所述源视频中所述目标词语的释义信息相同。
一种可选的实施例中，所述多模态元素库包括图片库；
则所述基于多模态元素库，根据所述目标词语的释义信息和筛选条件，确定所述目标词语的候选多模态元素集时，第二确定模块1202用于：
根据第四排序策略，对所述图片库中各图片进行排序，并筛选出排序前第四数目个图片，将筛选出的排序前第四数目个视频作为所述目标词语的候选图片集，其中，所述第四排序策略包括以下至少一种：图片中包括所述目标词语、图片内容符合内容条件、图片属性符合属性条件。
一种可选的实施例中，所述根据所述候选多模态元素集，生成所述目标词语的目标题目时，生成模块1203用于：
获取所述目标对象的历史行为数据；
根据所述历史行为数据和所述候选多模态元素集，生成所述目标词语的目标题目。
一种可选的实施例中，所述根据所述历史行为数据和所述候选多模态元素集，生成所述目标词语的目标题目时，生成模块1203用于：
根据所述历史行为数据，从所述候选多模态元素集中，确定出目标数目个目标多模态元素；
根据各题型要求和所述目标多模态元素，生成所述目标词语的各题型对应的目标题目。
一种可选的实施例中，所述根据各题型要求和所述目标多模态元素，生成所述目标词语的各题型对应的目标题目时，生成模块1203用于：
在所述题型为看词选义题型的情况下，根据所述目标数目的目标干扰释义信息和所述目标词语的释义信息，确定为目标题目中的各备选项，并根据所述目标词语的拼写，或，根据所述目标词语的拼写和所述目标词语的目标视频，确定为目标题目中的题干；
在所述题型为看义选词题型的情况下，根据所述目标数目的目标干扰词语和所述目标词语，确定为目标题目中的各备选项，并根据所述目标词语的英文释义或中文释义，确定为目标题目中的题干，或者，根据所述目标词语的英文释义或中文释义，以及所述目标词语的目标图片，确定为所述目标题目中的题干；
在所述题型为听音选义题型的情况下，根据所述目标数目的目标干扰释义信息和所述目标词语的释义信息，确定为所述目标题目中的各备选项，并根据所述目标词语的发音，或者根据所述目标词语的发音和所述目标词语的目标视频，确定为所述目标题目中的题干；
在所述题型为词语朗读题型的情况下，根据所述目标词语的英文释义或中文释义，生成所述目标题目，或者根据所述目标词语的英文释义或中文释义，以及所述目标词语的目标图片，生成所述目标题目；其中，所述词语朗读题型表征指示朗读所述英文释义或所述中文释义对应的词语；
在所述题型为朗读填空题型的情况下，根据所述目标词语的目标句子，隐藏所述目标句子中的所述目标词语，并生成所述目标题目，或者，根据所述目标词语的目标句子和所述目标词语的目标图片，隐藏所述目标句子中的所述目标词语，并生成所述目标题目。
一种可选的实施例中，所述根据各题型要求和所述目标多模态元素，生成所述目标词语的各题型对应的目标题目时，生成模块1203用于：
在所述题型为词句练习题型的情况下，根据所述目标词语的目标句子的中文，确定为所述目标题目，所述词句练习题型表征指示使用所述目标词语，采用预设方式输入所述目标句子的英文；
接收到词语提示请求情况下，确定并返回所述目标词语的释义信息和/或目标视频；
接收到句子提示请求情况下，根据所述目标句子的英文中包括的各词语的难度等级，将难度等级符合难度等级条件的词语确定为提示词语，并返回所述提示词语。
一种可选的实施例中，还包括，学习计划模块1204用于：
针对所述目标对象生成学习计划，其中，所述学习计划中包括针对所述目标词语的多轮学习计划；
在所述目标词语的每轮学习计划中，根据所述目标对象针对所述目标词语的题型学习情况，选择未学习的各题型中的一种题型所对应的目标题目以返回给所述目标对象，直至所述目标对象完成对所述目标词语的所有题型的学习，确定完成所述目标词语的多轮学习计划，并将所述目标词语的学习状态更新为已掌握。
一种可选的实施例中，还包括，评估模块1205用于：
获得目标对象针对所述目标题目的答案信息；
根据多个评价维度，对所述答案信息进行评估，获得针对所述答案信息的评估结果，并返回所述评估结果，其中，所述多个评价维度包括以下至少一种：语义相关度、句子准确度、发音流利度、发音准确度。
参照图13所示，为本公开实施例提供的另一种题目生成装置的结构示意图，该装置包括：
获取模块1301，用于响应于目标对象的指示开始学习操作，获取针对所述目标对象的各目标词语的目标题目，其中，所述目标题目是基于多模态元素库，根据所述目标词语的释义信息和筛选条件确定出候选多模态元素集后，再根据所述候选多模态元素集确定的，所述多模态元素库包括多种类型的元素，所述元素用于生成题目的内容；
第一展示模块1302，用于依次展示各所述目标词语的目标题目。
一种可选的实施例中，还包括，添加模块1303用于：
接收所述目标对象在消费内容中针对所述目标词语的选择添加操作；
将所述目标词语和所述目标词语在所述消费内容中的词性添加到所述目标对象的词语学习本中。
一种可选的实施例中，所述获取针对所述目标对象的各目标词语的目标题目时，获取模块1301用于：
获取针对所述目标对象的各目标词语在本轮学习计划中的目标题目；
其中，各所述目标词语对应有各题型的目标题目，各所述目标词语对应有多轮学习计划，每轮学习计划中包括各所述目标词语的一种题型的目标题目，并在所述每轮学习计划中，各所述目标词语的一种题型是从对应的所述各题型中未学习的题型中确定的。
一种可选的实施例中，还包括，第二展示模块1304用于：
展示针对各所述目标词语的掌握度，其中，所述掌握度是根据所述目标对象针对各所述词语的题型学习情况确定的。
一种可选的实施例中，在所述目标题目的题型为词句练习题型情况下，所述目标题目包括所述目标词语的目标句子的中文，所述词句练习题型表征指示使用所述目标词语，采用预设方式输入所述目标句子的英文，则还包括，第三展示模块1305用于：
响应于所述目标对象针对所述目标题目的词语提示操作，展示所述目标词语的释义信息和/或目标视频；
响应于所述目标对象针对所述目标题目的句子提示操作，展示所述目标句子的英文所对应的提示词语，其中，所述提示词语是根据所述目标句子的英文中包括的各词语的难度等级确定的。
一种可选的实施例中，还包括，评估展示模块1306用于：
接收所述目标对象针对所述目标题目的答案信息；
获取针对所述答案信息的评估结果，其中，所述评估结果是根据多个评价维度确定的，所述多个评价维度包括以下至少一种：语义相关度、句子准确度、发音流利度、发音准确度；
展示所述评估结果。
关于装置中的各模块的处理流程、以及各模块之间的交互流程的描述可以参照上述方法实施例中的相关说明，这里不再详述。
本公开实施例还提供了一种电子设备，如图14所示，为本公开实施例提供的电子设备结构示意图，包括：
处理器141和存储器142；所述存储器142存储有处理器141可执行的机器可读指令，处理器141用于执行存储器142中存储的机器可读指令，所述机器可读指令被处理器141执行时，处理器141执行下述步骤：
确定目标词语；
基于多模态元素库，根据所述目标词语的释义信息和筛选条件，确定所述目标词语的候选多模态元素集，其中，所述多模态元素库包括多种类型的元素，所述元素用于生成题目的内容；
根据所述候选多模态元素集，生成所述目标词语的目标题目。
或者，处理器141执行下述步骤：
响应于目标对象的指示开始学习操作，获取针对所述目标对象的各目标词语的目标题目，其中，所述目标题目是基于多模态元素库，根据所述目标词语的释义信息和筛选条件确定出候选多模态元素集后，再根据所述候选多模态元素集确定的，所述多模态元素库包括多种类型的元素，所述元素用于生成题目的内容；
依次展示各所述目标词语的目标题目。
上述存储器142包括内存1421和外部存储器1422；这里的内存1421也称内存储器，用于暂时存放处理器141中的运算数据，以及与硬盘等外部存储器1422交换的数据，处理器141通过内存1421与外部存储器1422进行数据交换。
上述指令的具体执行过程可以参考本公开实施例中所述的题目生成方法的步骤，此处不再赘述。
本公开实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述方法实施例中所述的题目生成方法的步骤。其中，该存储介质可以是易失性或非易失的计算机可读取存储介质。
本公开实施例还提供一种计算机程序产品，该计算机程序产品承载有程序代码，所述程序代码包括的指令可用于执行上述方法实施例中所述的题目生成方法的步骤，具体可参见上述方法实施例，在此不再赘述。
其中，上述计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(Software Development Kit，SDK)等等。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在本公开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。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，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，又例如，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通信接口，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。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本公开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。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台电子设备(可以是个人计算机，服务器，或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本公开的具体实施方式，用以说明本公开的技术方案，而非对其限制，本公开的保护范围并不局限于此，尽管参照前述实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本公开实施例技术方案的精神和范围，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应所述以权利要求的保护范围为准。

Claims (23)

1.一种题目生成方法，其特征在于，包括：
确定目标词语；
基于多模态元素库，根据所述目标词语的释义信息和筛选条件，确定所述目标词语的候选多模态元素集，其中，所述多模态元素库包括多种类型的元素，所述元素用于生成题目的内容；
根据所述候选多模态元素集，生成所述目标词语的目标题目。
2.根据权利要求1所述的方法，其特征在于，所述确定目标词语，包括：
将所述目标词语关联的目标对象选择添加到词语学习本中的词语，确定为所述目标词语；或，
根据所述目标对象的消费内容，从所述消费内容中确定出所述目标词语。
3.根据权利要求2所述的方法，其特征在于，所述根据所述目标对象的消费内容，从所述消费内容中确定出所述目标词语，包括：
确定所述目标对象的学习水平等级；
根据所述目标对象的学习水平等级和词语筛选因子，从所述消费内容中包括的各词语中确定出所述目标词语，其中，所述词语筛选因子包括以下至少一种：词语的难度等级、词性、词语的热度信息。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述多模态元素库包括词语释义库，其中，所述词语释义库包括多个词语以及所述多个词语的释义信息；
则所述基于多模态元素库，根据所述目标词语的释义信息和筛选条件，确定所述目标词语的候选多模态元素集，包括：
根据所述目标词语的释义信息和第一排序策略，对所述词语释义库中包括的多个词语进行排序，并筛选出排序前第一数目个词语，其中，所述第一排序策略包括以下至少一种：词性相同、难度等级的差异级别不大于预设级别范围、音形的差异度不大于预设差异阈值、相同属类；
根据同近义词和相同拼写过滤规则，对筛选出的排序前第一数目个词语进行过滤，获得所述目标词语的候选干扰项集，其中，所述候选干扰项集中包括各候选干扰词语和对应的各候选干扰释义信息。
5.根据权利要求1-3任一项所述的方法，其特征在于，所述多模态元素库包括句子语料库和词语释义库，其中，所述词语释义库包括多个词语以及所述多个词语的释义信息，所述句子语料库包括多个句子；
则所述基于多模态元素库，根据所述目标词语的释义信息和筛选条件，确定所述目标词语的候选多模态元素集，包括：
根据所述句子语料库和所述词语释义库，从所述句子语料库中筛选出包括所述目标词语的各句子；
根据第二排序策略，对所述各句子进行排序，并筛选出排序前第二数目个句子，将筛选出的排序前第二数目个句子作为所述目标词语的候选句子集，其中，所述第二排序策略包括以下至少一种：句子结构符合规范条件、句子长度符合长度条件、句子难度符合难度条件。
6.根据权利要求1-3任一项所述的方法，其特征在于，所述多模态元素库包括视频库；
则所述基于多模态元素库，根据所述目标词语的释义信息和筛选条件，确定所述目标词语的候选多模态元素集，包括：
根据所述目标词语关联的目标对象选择所述目标词语时所对应的源视频，确定所述目标词语的候选视频集；或，
从所述视频库中，筛选出对应的视频句子中包括所述目标词语的各视频；
根据第三排序策略，对所述各视频进行排序，并筛选出排序前第三数目个句子，将筛选出的排序前第三数目个视频作为所述目标词语的候选视频集，其中，所述第三排序策略包括以下至少一种：视频时长符合时长要求、所述视频句子中所述目标词语与所述源视频中所述目标词语的释义信息相同。
7.根据权利要求1-3任一项所述的方法，其特征在于，所述多模态元素库包括图片库；
则所述基于多模态元素库，根据所述目标词语的释义信息和筛选条件，确定所述目标词语的候选多模态元素集，包括：
根据第四排序策略，对所述图片库中各图片进行排序，并筛选出排序前第四数目个图片，将筛选出的排序前第四数目个视频作为所述目标词语的候选图片集，其中，所述第四排序策略包括以下至少一种：图片中包括所述目标词语、图片内容符合内容条件、图片属性符合属性条件。
8.根据权利要求4-7任一项所述的方法，其特征在于，所述根据所述候选多模态元素集，生成所述目标词语的目标题目，包括：
获取所述目标对象的历史行为数据；
根据所述历史行为数据和所述候选多模态元素集，生成所述目标词语的目标题目。
9.根据权利要求8所述的方法，其特征在于，所述根据所述历史行为数据和所述候选多模态元素集，生成所述目标词语的目标题目，包括：
根据所述历史行为数据，从所述候选多模态元素集中，确定出目标数目个目标多模态元素；
根据各题型要求和所述目标多模态元素，生成所述目标词语的各题型对应的目标题目。
10.根据权利要求9所述的方法，其特征在于，所述根据各题型要求和所述目标多模态元素，生成所述目标词语的各题型对应的目标题目，包括：
在所述题型为看词选义题型的情况下，根据所述目标数目的目标干扰释义信息和所述目标词语的释义信息，确定为目标题目中的各备选项，并根据所述目标词语的拼写，或，根据所述目标词语的拼写和所述目标词语的目标视频，确定为目标题目中的题干；
在所述题型为看义选词题型的情况下，根据所述目标数目的目标干扰词语和所述目标词语，确定为目标题目中的各备选项，并根据所述目标词语的英文释义或中文释义，确定为目标题目中的题干，或者，根据所述目标词语的英文释义或中文释义，以及所述目标词语的目标图片，确定为所述目标题目中的题干；
在所述题型为听音选义题型的情况下，根据所述目标数目的目标干扰释义信息和所述目标词语的释义信息，确定为所述目标题目中的各备选项，并根据所述目标词语的发音，或者根据所述目标词语的发音和所述目标词语的目标视频，确定为所述目标题目中的题干；
在所述题型为词语朗读题型的情况下，根据所述目标词语的英文释义或中文释义，生成所述目标题目，或者根据所述目标词语的英文释义或中文释义，以及所述目标词语的目标图片，生成所述目标题目；其中，所述词语朗读题型表征指示朗读所述英文释义或所述中文释义对应的词语；
在所述题型为朗读填空题型的情况下，根据所述目标词语的目标句子，隐藏所述目标句子中的所述目标词语，并生成所述目标题目，或者，根据所述目标词语的目标句子和所述目标词语的目标图片，隐藏所述目标句子中的所述目标词语，并生成所述目标题目。
11.根据权利要求9所述的方法，其特征在于，所述根据各题型要求和所述目标多模态元素，生成所述目标词语的各题型对应的目标题目，包括：
在所述题型为词句练习题型的情况下，根据所述目标词语的目标句子的中文，确定为所述目标题目，所述词句练习题型表征指示使用所述目标词语，采用预设方式输入所述目标句子的英文；
接收到词语提示请求情况下，确定并返回所述目标词语的释义信息和/或目标视频；
接收到句子提示请求情况下，根据所述目标句子的英文中包括的各词语的难度等级，将难度等级符合难度等级条件的词语确定为提示词语，并返回所述提示词语。
12.根据权利要求9-11任一项所述的方法，其特征在于，所述方法还包括：
针对所述目标对象生成学习计划，其中，所述学习计划中包括针对所述目标词语的多轮学习计划；
在所述目标词语的每轮学习计划中，根据所述目标对象针对所述目标词语的题型学习情况，选择未学习的各题型中的一种题型所对应的目标题目以返回给所述目标对象，直至所述目标对象完成对所述目标词语的所有题型的学习，确定完成所述目标词语的多轮学习计划，并将所述目标词语的学习状态更新为已掌握。
13.根据权利要求1-12任一项所述的方法，其特征在于，所述方法还包括：
获得目标对象针对所述目标题目的答案信息；
根据多个评价维度，对所述答案信息进行评估，获得针对所述答案信息的评估结果，并返回所述评估结果，其中，所述多个评价维度包括以下至少一种：语义相关度、句子准确度、发音流利度、发音准确度。
14.一种题目生成方法，其特征在于，包括：
响应于目标对象的指示开始学习操作，获取针对所述目标对象的各目标词语的目标题目，其中，所述目标题目是基于多模态元素库，根据所述目标词语的释义信息和筛选条件确定出候选多模态元素集后，再根据所述候选多模态元素集确定的，所述多模态元素库包括多种类型的元素，所述元素用于生成题目的内容；
依次展示各所述目标词语的目标题目。
15.根据权利要求14所述的方法，其特征在于，所述方法还包括：
接收所述目标对象在消费内容中针对所述目标词语的选择添加操作；
将所述目标词语和所述目标词语在所述消费内容中的词性添加到所述目标对象的词语学习本中。
16.根据权利要求14所述的方法，其特征在于，所述获取针对所述目标对象的各目标词语的目标题目，包括：
获取针对所述目标对象的各目标词语在本轮学习计划中的目标题目；
其中，各所述目标词语对应有各题型的目标题目，各所述目标词语对应有多轮学习计划，每轮学习计划中包括各所述目标词语的一种题型的目标题目，并在所述每轮学习计划中，各所述目标词语的一种题型是从对应的所述各题型中未学习的题型中确定的。
17.根据权利要求16所述的方法，其特征在于，所述方法还包括：
展示针对各所述目标词语的掌握度，其中，所述掌握度是根据所述目标对象针对各所述词语的题型学习情况确定的。
18.根据权利要求14所述的方法，其特征在于，在所述目标题目的题型为词句练习题型情况下，所述目标题目包括所述目标词语的目标句子的中文，所述词句练习题型表征指示使用所述目标词语，采用预设方式输入所述目标句子的英文，则所述方法还包括：
响应于所述目标对象针对所述目标题目的词语提示操作，展示所述目标词语的释义信息和/或目标视频；
响应于所述目标对象针对所述目标题目的句子提示操作，展示所述目标句子的英文所对应的提示词语，其中，所述提示词语是根据所述目标句子的英文中包括的各词语的难度等级确定的。
19.根据权利要求14-18任一项所述的方法，其特征在于，所述方法还包括：
接收所述目标对象针对所述目标题目的答案信息；
获取针对所述答案信息的评估结果，其中，所述评估结果是根据多个评价维度确定的，所述多个评价维度包括以下至少一种：语义相关度、句子准确度、发音流利度、发音准确度；
展示所述评估结果。
20.一种题目生成装置，其特征在于，包括：
第一确定模块，用于确定目标词语；
第二确定模块，用于基于多模态元素库，根据所述目标词语的释义信息和筛选条件，确定所述目标词语的候选多模态元素集，其中，所述多模态元素库包括多种类型的元素，所述元素用于生成题目的内容；
生成模块，用于根据所述候选多模态元素集，生成所述目标词语的目标题目。
21.一种题目生成装置，其特征在于，包括：
获取模块，用于响应于目标对象的指示开始学习操作，获取针对所述目标对象的各目标词语的目标题目，其中，所述目标题目是基于多模态元素库，根据所述目标词语的释义信息和筛选条件确定出候选多模态元素集后，再根据所述候选多模态元素集确定的，所述多模态元素库包括多种类型的元素，所述元素用于生成题目的内容；
第一展示模块，用于依次展示各所述目标词语的目标题目。
22.一种电子设备，其特征在于，包括：处理器、存储器，所述存储器存储有所述处理器可执行的机器可读指令，所述处理器用于执行所述存储器中存储的机器可读指令，所述机器可读指令被所述处理器执行时，所述处理器执行如权利要求1-13或14-19任一项所述方法的步骤。
23.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1-13或14-19任一项所述方法的步骤。
CN202310318644.4A 2023-03-28 2023-03-28 一种题目生成方法、装置、电子设备及存储介质 Pending CN116401426A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202310318644.4A CN116401426A (zh) 2023-03-28 2023-03-28 一种题目生成方法、装置、电子设备及存储介质
PCT/CN2024/083785 WO2024199212A1 (zh) 2023-03-28 2024-03-26 题目生成方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310318644.4A CN116401426A (zh) 2023-03-28 2023-03-28 一种题目生成方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN116401426A true CN116401426A (zh) 2023-07-07

Family

ID=87011699

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310318644.4A Pending CN116401426A (zh) 2023-03-28 2023-03-28 一种题目生成方法、装置、电子设备及存储介质

Country Status (2)

Country Link
CN (1) CN116401426A (zh)
WO (1) WO2024199212A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024199212A1 (zh) * 2023-03-28 2024-10-03 北京有竹居网络技术有限公司 题目生成方法、装置、电子设备及存储介质

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100273138A1 (en) * 2009-04-28 2010-10-28 Philip Glenny Edmonds Apparatus and method for automatic generation of personalized learning and diagnostic exercises
CN106897950B (zh) * 2017-01-16 2020-07-28 北京师范大学 一种基于单词认知状态模型适应性学习系统及方法
CN107451126B (zh) * 2017-08-21 2020-07-28 广州多益网络股份有限公司 一种近义词筛选方法及系统
CN112307160A (zh) * 2020-02-26 2021-02-02 北京字节跳动网络技术有限公司 用于生成信息的方法和装置
US20220129637A1 (en) * 2020-10-23 2022-04-28 International Business Machines Corporation Computerized selection of semantic frame elements from textual task descriptions
CN116401426A (zh) * 2023-03-28 2023-07-07 北京有竹居网络技术有限公司 一种题目生成方法、装置、电子设备及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024199212A1 (zh) * 2023-03-28 2024-10-03 北京有竹居网络技术有限公司 题目生成方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
WO2024199212A1 (zh) 2024-10-03

Similar Documents

Publication Publication Date Title
Chujo et al. A corpus and grammatical browsing system for remedial EFL learners
Ke From EFL to English as an international and scientific language: Analysing Taiwan's high-school English textbooks in the period 1952–2009
Lee Effects of contact with Korean popular culture on KFL learners' motivation
WO2024199212A1 (zh) 题目生成方法、装置、电子设备及存储介质
Dressman Reading as the interpretation of signs
WO2015022992A1 (ja) 情報処理装置及びその制御方法、コンピュータプログラム
CN109741641A (zh) 基于生词检测的语言学习系统
Camiciottoli The OpenCourseWare lecture: A new twist on an old genre?
Putra et al. The diversity of internet memes interpretations: A discourse analysis of incongruity of popular memes made by indonesian netizen
Onyedum Social media Neologisms: A morpho-semantic analysis
Tahir et al. Impact of Netspeak on the writing skills of Generation X and Generation Y
Xu Differences between novice and experienced academics in their engagement with audience members in conference Q&A sessions
KR101113940B1 (ko) 사용자 설정 상황에서 사용자가 선택한 단어를 기반으로 하는 언어 학습 시스템 및 그 언어 학습 방법
CN116450010A (zh) 一种信息展示方法、装置、计算机设备及存储介质
CN116501948A (zh) 一种搜索方法、装置、电子设备及存储介质
CN115963963A (zh) 互动小说生成方法、呈现方法、装置、设备及介质
Moroz App assisted language learning: How students perceive Japanese smartphone apps
RU2479867C2 (ru) Способ работы пользовательского лингвистического интерфейса
Caruso et al. How can app design improve lexicographic outcomes? examples from an italian idiom dictionary
McSweeney Literacies of Bilingual Youth: A profile of bilingual academic, social, and txt literacies
Munuku et al. Influence Of Framing Of The Hashtag On Public Opinion Formation On Socio-Political Issues In Kenya
CN111047924A (zh) 一种记忆英语单词的视觉化方法及系统
Womble roth Is roth as roth: Autofiction and the Implied Author
CN111162994A (zh) 信息提示方法、电子设备及存储介质
Wallwork Giving an Academic Presentation in English: Intermediate Level

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