CN117493683A - 题目推荐方法、装置、电子设备及存储介质 - Google Patents
题目推荐方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117493683A CN117493683A CN202311531537.6A CN202311531537A CN117493683A CN 117493683 A CN117493683 A CN 117493683A CN 202311531537 A CN202311531537 A CN 202311531537A CN 117493683 A CN117493683 A CN 117493683A
- Authority
- CN
- China
- Prior art keywords
- knowledge
- target
- topic
- questions
- number domain
- 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
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000004364 calculation method Methods 0.000 claims abstract description 150
- 230000004044 response Effects 0.000 claims description 13
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000013145 classification model Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- TVEXGJYMHHTVKP-UHFFFAOYSA-N 6-oxabicyclo[3.2.1]oct-3-en-7-one Chemical compound C1C2C(=O)OC1C=CC2 TVEXGJYMHHTVKP-UHFFFAOYSA-N 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- Human Computer Interaction (AREA)
- Economics (AREA)
- Computational Linguistics (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供一种题目推荐方法、装置、电子设备及存储介质,方法包括:响应于用户上传题目为计算类题目,获取所述用户上传题目的计算公式;确定所述计算公式对应的目标公式模板,其中,所述目标公式模板为由所述计算公式中的运算符按序组成的字符序列;基于预设的计算题目搜索条件和所述目标公式模板,从题库中确定满足所述计算题目搜索条件的待推荐标准题目;将所述待推荐标准题目推荐给用户。本方案实现了根据用户上传题目对应的公式模板进行题目搜索和推荐,无需依赖题目所对应的知识标签,从而题库中的题目无论是否存在知识标签,符合计算题目搜索条件即可被推荐,充分利用了题库中的题目,能够提高题目推荐的准确性和推荐题目的质量。
Description
技术领域
本公开涉及数据处理技术领域,尤其涉及一种题目推荐方法、装置、电子设备及存储介质。
背景技术
在题目搜索与推荐系统中,当用户上传一道题目图像,系统返回该题目的答案解析与视频讲解,同时还根据用户上传的题目为用户推荐练习题。
目前,现有的题目推荐方案,通常是根据题目对应的知识标签进行推荐,将题库中携带的知识标签与用户上传题目携带的知识标签相同或相近的标准题目推荐给用户。
然而,由于对题目进行知识标签标注较为费时费力,题库中携带知识标签的题目数量有限,因此,基于知识标签进行题目推荐,存在优质的题目因为没有知识标签而不能被推荐的问题,导致推荐题目的质量和准确度不佳。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题,本公开实施例提供了一种题目推荐方法、装置、电子设备及存储介质。
根据本公开的一方面,提供了一种题目推荐方法,包括:
响应于用户上传题目为计算类题目,获取所述用户上传题目的计算公式;
确定所述计算公式对应的目标公式模板,其中,所述目标公式模板为由所述计算公式中的运算符按序组成的字符序列;
基于预设的计算题目搜索条件和所述目标公式模板,从题库中确定满足所述计算题目搜索条件的待推荐标准题目;
将所述待推荐标准题目推荐给用户。
根据本公开的另一方面,提供了一种题目推荐装置,包括:
公式获取模块,用于响应于用户上传题目为计算类题目,获取所述用户上传题目的计算公式;
公式模板确定模块,用于确定所述计算公式对应的目标公式模板,其中,所述目标公式模板为由所述计算公式中的运算符按序组成的字符序列;
计算题目搜索模块,用于基于预设的计算题目搜索条件和所述目标公式模板,从题库中确定满足所述计算题目搜索条件的待推荐标准题目;
题目推荐模块,用于将所述待推荐标准题目推荐给用户。
根据本公开的另一方面,提供了一种电子设备,包括:
处理器;以及
存储程序的存储器,
其中,所述程序包括指令,所述指令在由所述处理器执行时使所述处理器执行根据前述一方面所述的题目推荐方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据前述一方面所述的题目推荐方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被处理器执行时实现前述一方面所述的题目推荐方法。
本公开实施例中提供的一个或多个技术方案,通过响应于用户上传题目为计算类题目,获取用户上传题目的计算公式,并确定计算公式对应的目标公式模板,其中,目标公式模板为由计算公式中的运算符按序组成的字符序列,进而基于预设的计算题目搜索条件和目标公式模板,从题库中确定满足计算题目搜索条件的待推荐标准题目,并将该待推荐标准题目推荐给用户。采用本公开的方案,实现了根据用户上传题目对应的公式模板进行题目搜索和推荐,无需依赖题目所对应的知识标签,从而题库中的题目无论是否存在知识标签,符合计算题目搜索条件即可被推荐,充分利用了题库中的题目,能够提高题目推荐的准确性和推荐题目的质量。
附图说明
在下面结合附图对于示例性实施例的描述中,本公开的更多细节、特征和优点被公开,在附图中:
图1示出了根据本公开一示例性实施例的题目推荐方法的流程图;
图2示出了根据本公开另一示例性实施例的题目推荐方法的流程图;
图3示出了根据本公开又一示例性实施例的题目推荐方法的流程图;
图4示出了根据本公开再一示例性实施例的题目推荐方法的流程图;
图5示出了根据本公开示例性实施例的题目推荐装置的示意性框图;
图6示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
以下参照附图描述本公开提供的题目推荐方法、装置、电子设备及存储介质。
图1示出了根据本公开一示例性实施例的题目推荐方法的流程图,该方法可以由本公开实施例提供的题目推荐装置执行,其中该装置可以采用软件和/或硬件实现,一般可集成在电子设备中,所述电子设备包括手机、平板电脑、智能学习设备等设备。
如图1所示,该题目推荐方法可以包括以下步骤:
步骤101,响应于用户上传题目为计算类题目,获取所述用户上传题目的计算公式。
本公开实施例中,用户可以通过拍照上传、截图上传、文本输入等方式上传题目。
示例性地,当用户在纸质文档中做题时,用户可以通过拍照上传的方式上传包含题目的图像,电子设备可以对用户上传的图像进行识别,得到用户上传题目。如果题目中仅包含文字,用户还可以通过文本输入的方式上传题目,电子设备将接收的文本内容作为用户上传题目。
示例性地,当用户在电子设备中做题时,用户可以通过截图上传的方式上传包含题目的图像,电子设备可以对用户上传的图像进行识别,得到用户上传题目。
本公开实施例中,对于获取的用户上传题目,电子设备可以检测其题目类型,判断用户上传题目是否为计算类题目。
示例性地,电子设备可以利用预先训练好的题目分类模型来识别用户上传题目的题目类型,其中,题目分类模型输出两个类别,即计算类和非计算类,以及输出每个类别分别对应的置信度(也即预测概率)。如果题目分类模型输出的计算类的置信度高于非计算类的置信度,则认为用户上传题目为计算类题目,否则认为用户上传题目为非计算类题目。
示例性地,电子设备可以获取与用户上传题目匹配的标准题目,并获取标准题目对应的标准题目答案,基于标准题目答案来判断用户上传题目是否为计算类题目。如果该标准题目答案中存在计算公式,则判定用户上传题目为计算类题目,否则认为用户上传题目为非计算类题目。
本公开实施例中,如果检测到用户上传题目为计算类题目,则进一步获取该用户上传题目的计算公式。
示例性地,在获取用户上传题目的计算公式时,可以先从题库中搜索与用户上传题目对应的标准题目,并获取标准题目对应的标准题目答案,将标准题目答案中的计算公式确定为用户上传题目的计算公式。
需要说明的是,本公开实施例中,标准题目答案中的公式是预先处理好的,对于解答过程包含多个计算步骤的情况,预先将多个计算步骤分别对应的小计算公式合并为一个总的大计算公式,将该大计算公式作为标准题目的计算公式。
步骤102,确定所述计算公式对应的目标公式模板,其中,所述目标公式模板为由所述计算公式中的运算符按序组成的字符序列。
本公开实施例中,对于获取的计算公式,可以确定该计算公式对应的公式模板,称为目标公式模板。
其中,公式模板被定义为:对于一个计算公式,计算公式中除角标以外的数字可以发生变化,其他运算符号和角标数字均不可以修改。例如,对于计算公式“(3+2)2-5”和计算公式“(5+4)2-13”,两者对应的公式模板均为“(+)2-”。
本公开实施例中,基于上述公式模板的定义,可以去除用户上传题目的计算公式中除角标以外的所有数字,剩余的运算符组成的字符序列即为该计算公式对应的目标公式模板。
步骤103,基于预设的计算题目搜索条件和所述目标公式模板,从题库中确定满足所述计算题目搜索条件的待推荐标准题目。
其中,计算题目搜索条件可以根据实际需求进行设置和选择,可以包括一个或多个搜索条件。
示例性地,计算题目搜索条件可以包括简单题目搜索条件、同级题目搜索条件和稍难题目搜索条件中的至少一个,其中,简单题目搜索条件为搜索次级模板题目,同级题目搜索条件为搜索相同公式模板的题目,稍难题目搜索条件为搜索高级模板题目。
本公开实施例中,次级模板被定义为:对于一个计算公式,其中拥有的运算符的个数大于等于2,去除第一个运算符及以前的数字或去除最后一个运算符及以后的数字,剩余的部分组成的新公式模板为该计算公式对应的公式模板的次级模板。其中,去除第一个运算符及以前的数字的次级模板为后次级模板,去除最后一个运算符及以后的数字的次级模板为前次级模板。能够理解的是,对于公式中存在括号的,在获取次级模板时,需要去除冗余的括号。例如,对于计算公式“(3+2)2-5”,其对应的前次级模板为“(+)2”,后次级模板为“+-”。也就是说,一个计算公式的次级模板相对于该计算公式对应的公式模板,少一个运算符。
高级模板被定义为:对于一个计算公式,将该计算公式当做一个数,对该计算公式进行多一步运算所得到的新公式为高级模板。其中,多的一步运算可以包括:(1)在该计算公式后面加一个数或减一个数或乘以一个数或除以一个数;(2)在该计算公式前面加一个数或减一个数或乘以一个数或除以一个数;(3)对该计算公式进行开平方或开立方;(4)对该计算公式进行乘方或立方;(5)对该计算公式求对数。针对不同的年级,生成高级模板的多一步运算的选择不同,例如,对于小学年级的数学题目,可以选择上述(1)和(2)来生成高级模板,针对中学年级的数学题目,可以选择上述(1)~(5)来生成高级模板。也就是说,一个计算公式的高级模板相对于该计算公式对应的公式模板,多一个运算符。例如,对于计算公式“(3+2)2-5”,其对应的高级模板可以为“(+)2-+”、“-(+)2-”、“((+)2-)2”,等等。
本公开实施例中,基于计算题目搜索条件和确定的目标公式模板,可以从题库中搜索满足计算题目搜索条件的待推荐标准题目。
示例性地,假设计算题目搜索条件包括简单题目搜索条件,则根据目标公式模板,确定对应的次级模板,进而从题库中搜索计算公式的公式模板与该次级模板一致的标准题目作为待推荐标准题目。
示例性地,假设计算题目搜索条件包括同级题目搜索条件,则从题库中搜索计算公式的公式模板与该目标公式模板相同的标准题目作为待推荐标准题目。
示例性地,假设计算题目搜索条件包括稍难题目搜索条件,则根据该目标公式模板和预先定义的高级模板生成方式,生成对应的高级模板,进而从题库中搜索计算公式的公式模板与该高级模板一致的标准题目作为待推荐标准题目。
需要说明的是,本公开实施例中,在按照高级模板进行题目搜索时,可以优先基于上述(1)和(2)进行题目搜索,如果基于上述(1)和(2)搜索不到符合条件的标准题目,再依次基于上述(3)、(4)和(5)进行题目搜索。
示例性地,假设计算题目搜索条件包括简单题目搜索条件、同级题目搜索条件和稍难题目搜索条件中的至少两个,则可以分别针对每个搜索条件在题目中进行搜索,获取搜索到的所有满足搜索条件的待推荐标准题目。
步骤104,将所述待推荐标准题目推荐给用户。
本公开实施例中,获取到符合计算题目搜索条件的待推荐标准题目之后,即可将待推荐标准题目推荐给用户。
在本公开的一种可选实施方式中,当应用场景为题目练习场景时,用户通常希望能够练习到不同难度的题目,这种情况下,可以预先设置计算题目搜索条件包括简单题目搜索条件、同级题目搜索条件和稍难题目搜索条件,从而搜索到的标准题目中包括简答题、同级题和稍难题三种不能难度等级的待推荐标准题目,可以按照简单题-同级题-稍难题-简单题-同级题-稍难题的循环推荐次序,将不同难度等级的待推荐标准题目推荐给用户进行练习。
本公开实施例的题目推荐方法,通过响应于用户上传题目为计算类题目,获取用户上传题目的计算公式,并确定计算公式对应的目标公式模板,其中,目标公式模板为由计算公式中的运算符按序组成的字符序列,进而基于预设的计算题目搜索条件和目标公式模板,从题库中确定满足计算题目搜索条件的待推荐标准题目,并将该待推荐标准题目推荐给用户。采用本公开的方案,实现了根据用户上传题目对应的公式模板进行题目搜索和推荐,无需依赖题目所对应的知识标签,从而题库中的题目无论是否存在知识标签,符合计算题目搜索条件即可被推荐,充分利用了题库中的题目,能够提高题目推荐的准确性和推荐题目的质量。
通常,不同大小的数字对应的题目的难度等级也不同,题目中包含的数字越大,该题目的难度越难,为了进一步提高题目推荐的准确性和质量,在本公开的一种可选实施方式中,对于计算类题目,可以结合数域等级和目标公式模板进行题目搜索,其中,不同大小的数字对应的数域等级不同。图2示出了根据本公开另一示例性实施例的题目推荐方法的流程图,如图2所示,该题目推荐方法可以包括以下步骤:
步骤201,响应于用户上传题目为计算类题目,获取所述用户上传题目的计算公式。
步骤202,确定所述计算公式对应的目标公式模板,其中,所述目标公式模板为由所述计算公式中的运算符按序组成的字符序列。
需要说明的是,对于步骤201~步骤202的解释说明,可以参见前述实施例中对步骤101~步骤102的相关描述,此处不再赘述。
步骤203,获取所述用户上传题目中包含的每个数字对应的数域等级。
其中,不同的数字对应的数域等级是预先设定好的,其中,连续的多个数学符号组成一个数字,例如“123”表示一个数字,“5.26”表示一个数字,“1/2”表示一个数字。
示例性地,不同数字与数域等级的对应关系如表1所示。
表1
数域等级(由低到高) | 对应的数字范围 |
0 | 5以内的数 |
1 | 10以内的数 |
2 | 20以内的数 |
3 | 100以内的数 |
4 | 1000以内的数 |
5 | 万以内的数 |
6 | 同分母分数(分母≤10) |
7 | 一位小数 |
8 | 亿以内的数 |
9 | 亿以上的数 |
10 | 多位小数 |
11 | 同分母分数(分母10以上) |
12 | 异分母分数(分母≤10) |
13 | 异分母分数(分母10以上) |
14 | 百分数 |
本公开实施例中,对于获取的用户上传题目,可以获取用户上传题目中包含的每个数字,进而通过查询不同数字与数域等级的对应关系,确定每个数字分别对应的数域等级。
能够理解的是,本公开实施例中,获取每个数字对应的数域等级时,将该数字所满足的最小数域等级确定为该数字对应的数域等级。例如,对于数字5,其既满足“5以内的数”对应的数域等级“0”,又满足“10以内的数”对应的数域等级“1”,则将数域等级“0”作为数字“5”对应的数域等级。
需要说明的是,本公开实施例中,步骤202和步骤203的执行顺序不分先后,两者可以同步执行,也可以顺序执行,本公开实施例仅以步骤203在步骤202之后执行作为示例来解释说明本公开,而不能作为对本公开的限制。
步骤204,将所述数域等级中等级最高的数域等级确定为所述用户上传题目对应的第一数域等级。
本公开实施例中,获取了用户上传题目中每个数字对应的数域等级之后,可以从每个数字对应的数域等级中,确定出等级最高的数域等级作为用户上传题目对应的第一数域等级。
举例而言,假设用户上传题目中包含的每个数字对应的数域等级分别为0和1,由于数域等级“1”高于数域等级“0”,则将数域等级“1”确定为用户上传题目对应的第一数域等级。
步骤205,基于预设的计算题目搜索条件、所述目标公式模板和所述第一数域等级,从题库中确定满足所述计算题目搜索条件的待推荐标准题目。
其中,计算题目搜索条件可以根据实际需求进行设置和选择,可以包括至少一个搜索条件。
作为一种可选的实施方式,计算题目搜索条件可以包括用于搜索简单计算题的第一搜索条件、用于搜索同级别计算题的第二搜索条件和用于搜索稍难计算题的第三搜索条件中的至少一个。
其中,第一搜索条件中公式模板包含的运算符的个数少于目标公式模板包含的运算符的个数,和/或,数域等级低于第一数域等级。例如,第一搜索条件可以包括如下至少一种:公式模板在目标公式模板的基础上少至少一个运算符,数域等级不作要求;数域等级低于第一数域等级,公式模板不作要求;公式模板在目标公式模板的基础上少至少一个运算符,并且,数域等级比第一数域等级低。
第二搜索条件中公式模板包含的运算符的个数与目标公式模板包含的运算符的个数相同,且数域等级与第一数域等级相同。其中,公式模板包含运算符可以与目标公式模板包含的运算符相同也可以不同。
第三搜索条件中公式模板包含的运算符的个数多于目标公式模板包含的运算符的个数,和/或,数域等级高于第一数域等级。例如,第三搜索条件可以包括如下至少一种:公式模板在目标公式模板的基础上多至少一个运算符,数域等级不作要求;数域等级高于第一数域等级,公式模板不作要求;公式模板在目标公式模板的基础上多至少一个运算符,并且,数域等级比第一数域等级高。
进一步地,作为一种可选的实施方式,第一搜索条件包括如下条件中的至少一个:
公式模板与目标公式模板相同但数域等级比第一数域等级低,也即搜索公式模板相同但数域等级更低的标准题目;
数域等级与第一数域等级相同,但公式模板相对于目标公式模板在前端或后端少一个运算符,也即搜索数域等级相同的次级模板题目;
数域等级比第一数域等级低,且公式模板相对于目标公式模板在前端或后端少一个运算符,也即搜索数域等级更低的次级模板题目;
第二搜索条件包括:公式模板与目标公式模板相同且数域等级与第一数域等级相同,也即搜索数域等级相同且公式模板相同的标准题目;
第三搜索条件包括如下条件中的至少一个:
公式模板与目标公式模板相同,但数域等级比第一数域等级高,也即搜索公式模板相同但数域等级更高的标准题目;
数域等级与第一数域等级相同,但公式模板比目标公式模板多一个运算符,也即搜索数域等级相同的高级模板题目;
数域等级比第一数域等级高且公式模板比目标公式模板多一个运算符,也即搜索数域等级更高的高级模板题目。
需要说明的是,本实施例中,关于次级模板和高级模板的解释说明,可以参见前述实施例的相关介绍,此处不再赘述。
本公开实施例中,基于计算题目搜索条件和确定的目标公式模板、第一数域等级,可以从题库中搜索满足计算题目搜索条件的待推荐标准题目。
需要说明的是,关于本公开实施例中基于计算题目搜索条件和确定的目标公式模板、第一数域等级进行标准题目搜索的解释说明,可以参见前述实施例中关于基于计算题目搜索条件和确定的目标公式模板进行标准题目搜索的描述,只是在前述实施例的基础上增加了数域等级条件,因此此处不再对具体的搜索过程进行详细描述。
例如,可以采用与前述实施例搜索标准题目相同的方式,先从题库中搜索到符合本实施例的计算题目搜索条件中所要求的公式模板条件的初始标准题目,再利用本实施例中计算题目搜索条件中所要求满足的数域等级条件,对搜索到的初始标准题目进行筛选,筛选出初始标准题目中满足数域等级条件的标准题目作为待推荐标准题目,由此,即得到了满足本实施例的计算题目搜索条件的待推荐标准题目。
步骤206,将所述待推荐标准题目推荐给用户。
需要说明的是,对于不再206的解释说明,可以参照前述实施例中对步骤104的描述,此处不再赘述。
本公开实施例的题目推荐方法,通过获取用户上传题目的目标公式模板和第一数域等级,基于预设的计算题目搜索条件、目标公式模板和第一数域等级,从题库中确定满足计算题目搜索条件的待推荐标准题目推荐给用户,由此,实现了基于题目对应的公式模板和数域等级进行题目搜索和推荐,进一步提高了题目推荐的质量和准确性。
本公开实施例中,针对非计算类题目,可以采用知识标签结合数域等级的方式进行题目搜索和推荐,以保证推荐题目的质量和准确性。从而,如图3所示,在前述实施例的基础上,本公开提供的题目推荐方法,还可以包括以下步骤:
步骤301,响应于所述用户上传题目不为计算类题目,获取所述用户上传题目对应的目标知识标签和第二数域等级。
本公开实施例中,对于用户上传题目,如果检测到用户上传题目不为计算类题目,即属于非计算类题目,则可以进一步获取该用户上传题目对应的知识标签(为便于描述和区分,称为目标知识标签)和数域等级(为便于描述和区分,称为第二数域等级)。
其中,一个知识标签对应一个知识点,每个知识点对应的难度等级可以根据需求预先设置,一个知识点对应一个难度等级。考虑到实际应用中,教材中出现的知识点是按知识点难度顺序安排的,在前的知识点的难度低于在后的知识点的难度,从而,本实施例中,可以根据各知识点的先后顺序,确定知识点对应的难度等级。
本公开实施例中,在获取用户上传题目对应的目标知识标签时,可以通过利用知识点预测模型进行预测、根据对应的标准题目对应的知识标签进行确定等方式,确定用户上传题目对应的目标知识标签。
本公开实施例中,在获取用户上传题目对应的第二数域等级时,可以采用与前述实施例中获取第一数域等级相同的方式进行获取,关于数域等级的描述也参与前述实施例的相关内容,此处不再赘述。
步骤302,基于预设的非计算题目搜索条件、所述目标知识标签和所述第二数域等级,从所述题库中确定满足所述非计算题目搜索条件的待推荐标准题目。
其中,非计算题目搜索条件可以根据实际需求进行设置和选择,可以包括至少一个搜索条件。
在本公开的一种可选实施方式中,非计算题目搜索条件可以包括用于搜索简单非计算题的第四搜索条件、用于搜索同级别非计算题的第五搜索条件和用于搜索稍难非计算题的第六搜索条件中的至少一个。
其中,第四搜索条件中知识标签的最高难度等级低于目标知识标签中的最高难度等级,和/或,知识标签的个数少于目标知识标签的个数,和/或,数域等级比第二数域等级低。例如,第四搜索条件可以包括如下至少一种:知识标签的最高难度等级低于目标知识标签中的最高难度等级,对知识标签的个数和数域等级不作要求;知识标签的个数少于目标知识标签的个数,对知识标签的难度等级和数域等级不作要求;知识标签的最高难度等级低于目标知识标签中的最高难度等级,且知识标签的个数少于目标知识标签的个数;数域等级比第二数域等级低,对知识标签的难度等级及个数不作要求;数域等级比第二数域等级低,并且知识标签的个数少于目标知识标签的个数;数域等级比第二数域等级低,并且知识标签的最高难度等级低于目标知识标签中的最高难度等级;数域等级比第二数域等级低,并且知识标签的最高难度等级低于目标知识标签中的最高难度等级,并且知识标签的个数少于目标知识标签的个数。
第五搜索条件中知识标签的最高难度等级与目标知识标签中的最高难度等级相同,且数域等级与第二数域等级相同。
第六搜索条件中知识标签的最高难度等级高于目标知识标签中的最高难度等级,和/或,知识标签的个数多于目标知识标签的个数,和/或,数域等级比第二数域等级高。例如,第六搜索条件可以包括如下至少一种:知识标签的最高难度等级高于目标知识标签中的最高难度等级,对知识标签的个数和数域等级不作要求;知识标签的个数多于目标知识标签的个数,对知识标签的难度等级和数域等级不作要求;知识标签的最高难度等级高于目标知识标签中的最高难度等级,且知识标签的个数多于目标知识标签的个数;数域等级比第二数域等级高,对知识标签的难度等级及个数不作要求;数域等级比第二数域等级高,并且知识标签的个数多于目标知识标签的个数;数域等级比第二数域等级高,并且知识标签的最高难度等级高于目标知识标签中的最高难度等级;数域等级比第二数域等级高,并且知识标签的最高难度等级高于目标知识标签中的最高难度等级,并且知识标签的个数多于目标知识标签的个数。
进一步地,在本公开的一种可选实施方式中,第四搜索条件包括如下条件中的至少一个:
知识标签与目标知识标签一致,但数域等级比第二数域等级低,即搜索携带目标知识标签但数域等级更低的标准题目;
知识标签中的最高难度等级低于目标知识标签中的最高难度等级,且知识标签中的其他知识标签与目标知识标签中的其他知识标签一致,即搜索除最高难度等级的知识标签不同外,其余知识标签均一致,但最高难度等级低于目标知识标签的最高难度等级的标准题目,例如,目标知识标签包括A、B和C三个知识点,C的难度等级最高,则题库中符合这一条件的标准题目满足:携带知识标签A和B,且携带的另一知识标签的难度等级低于C的难度等级;
知识标签的个数比目标知识标签的个数少一个,这一条件适用于目标知识标签包含多个知识标签的情形;
第五搜索条件包括:
知识标签与目标知识标签一致且数域等级与第二数域等级一致,即搜索携带目标知识标签且数域等级与第二数域等级相同的标准题目;
第六搜索条件包括如下条件中的至少一个:
知识标签与目标知识标签一致,但数域等级比第二数域等级高,即搜索携带目标知识标签但数域等级更高的标准题目;
知识标签中的最高难度等级高于目标知识标签中的最高难度等级,且知识标签中的其他知识标签与目标知识标签中的其他知识标签一致,即搜索除最高难度等级的知识标签不同外,其余知识标签均一致,但最高难度等级高于目标知识标签的最高难度等级的标准题目;
知识标签的个数比目标知识标签的个数多一个。
本公开实施例中,基于非计算题目搜索条件、确定的目标知识标签和第二数域等级,即可从题库中搜索满足该非计算题目搜索条件的待推荐标准题目。
能够理解的是,本公开实施例中,当非计算题目搜索条件包括上述不止一个条件时,针对每个条件均从题库中搜索满足该条件的标准题目。
步骤303,将所述待推荐标准题目推荐给用户。
本公开实施例中,获取了满足非计算题目搜索条件的标准题目之后,即可按照预设的题目推荐规则,将待推荐标准题目推荐给用户。
本公开实施例的题目推荐方法,通过针对非计算类题目,获取用户上传题目对应的目标知识标签和第二数域等级,进而基于预设的非计算题目搜索条件、目标知识标签和第二数域等级,从题库中确定满足非计算题目搜索条件的待推荐标准题目并推荐给用户,由此,实现了结合题目的数域等级和知识标签进行题目推荐,相较于仅依赖知识标签进行题目推荐的方案,采用本方案推荐的题目的质量和准确性更佳。
在本公开的一种可选实施方式中,如图4所示,在如图3所示实施例的基础上,步骤301中获取用户上传题目对应的目标知识标签,可以包括以下子步骤:
步骤400,计算所述用户上传题目与精题库中每个标准题目之间的相似度,其中,精题库中的每个标准题目均携带知识标签。
其中,精题库是预先设置好的,精题库中包含多个标准题目,每个标准题目都携带对应的知识标签。题库中包含的标准题目的数量大于精题库中标准题目的数量,题库中除了包含精题库中的标准题目外,还包含大量的不携带知识标签的标准题目。
本公开实施例中,可以先基于用户上传题目在精题库中进行搜索,搜索精题库中是否存在与用户上传题目相同的目标标准题目,如果存在,则执行步骤402,如果不存在,则执行步骤404,以针对精题库中存在用户上传题目和不存在用户上传题目两种情形,分别采用相应的实施方案来获取用户上传题目对应的目标知识标签。具体地,精题库中是否存在与用户上传题目相同的目标标准题目,可以基于用户上传题目与精题库中各标准题目之间的相似度进行确定,如果计算得到的相似度中存在大于预设的相似度阈值的相似度,则确定精题库中存在与用户上传题目相同的目标标准题目,否则确定精题库中不存在与用户上传题目相同的目标标准题目。因此,为了搜索精题库中是否存在与用户上传题目相同的目标标准题目,需要先计算用户上传题目与精题库中每个标准题目之间的相似度。
其中,计算的相似度可以是特征相似度,也可以是文本相似度,本公开对此不作限制。
示例性地,在搜索精题库中是否存在与用户上传题目相同的目标标准题目时,可以通过计算特征相似度的方式进行搜索,此时需要计算精题库中的每个标准题目与用户上传题目之间的特征相似度。
示例性地,在搜索精题库中是否存在与用户上传题目相同的目标标准题目时,可以通过计算文本相似度的方式进行搜索,此时需要计算精题库中的每个标准题目与用户上传题目之间的文本相似度。
步骤401,响应于存在所述相似度大于相似度阈值,确定最大相似度对应的标准题目为与所述用户上传题目相同的目标标准题目。
其中,相似度阈值可以根据实际需求预先设定。例如,为了保证目标标准题目的准确度,进而保证确定的目标知识标签的准确度,可以将相似度阈值设置为一个较大的值,例如0.95、0.98等。
本公开实施例中,计算得到用户上传题目与精题库中每个标准题目之间的相似度之后,可以将得到的各相似度与相似度阈值进行比较,以判断得到的相似度中是否存在大于相似度阈值的相似度,如果存在相似度大于相似度阈值,则确定精题库中存在与用户上传题目相同的标准题目,并将最大相似度对应的标准题目确定为与用户上传题目相同的目标标准题目,并继续执行步骤402。如果计算得到的相似度均不大于相似度阈值,则确定精题库中不存在与用户上传题目相同的标准题目,这种情况下,继续执行步骤404。
需要说明的是,本公开实施例中,还可以采用文本搜索等其他题目搜索方式,来搜索精题库中是否存在与用户上传题目相同的目标标准题目,本公开对具体的搜索方式不作限制。
步骤402,获取所述目标标准题目对应的第一知识标签。
步骤403,将所述第一知识标签确定为所述用户上传题目对应的目标知识标签。
本公开实施例中,如果精题库中存在与用户上传题目相同的目标标准题目,则可以获取目标标准题目对应的知识标签(为便于区分和描述,称为第一知识标签),并将第一知识标签确定为用户上传题目对应的目标知识标签。
目前,对于无法匹配到相应的携带知识标签的标准题目的用户上传题目,通常采用利用预先训练的知识标签预测模型来预测题目的知识标签的方式,来获取用户上传题目对应的知识标签,进而基于预测的知识标签进行题目搜索和推荐。然而,由于现有的携带知识标签的题目有限,以及题目知识标签体系的复杂性,不同的教研人员对同一题目打的知识标签可能不同,这些都可能导致训练得到的知识标签预测模型的准确率不高。
为了弥补利用知识标签预测模型预测的知识标签不准确,导致推荐的题目不准确的不足,本公开实施例中,针对无法匹配到相应的携带知识标签的标准题目的情形,通过知识标签预测模型预测和精题库中搜索相结合的方式,根据模型预测的知识标签结合搜索到的相似标准题目携带的知识标签,确定用户上传题目对应的目标知识标签。从而,如图4所示,本公开提供的题目推荐方法,还可以通过以下步骤确定用户上传题目对应的目标知识标签:
步骤404,响应于所述相似度不大于所述相似度阈值,将所述标准题目按照所述相似度由高到低的顺序进行排序,并获取排序在前的预设个数的候选标准题目。
其中,预设个数可以根据实际需求进行设置,例如,预设个数设置为3。
本公开实施例中,如果精题库中不存在与用户上传题目相同的目标标准题目,则可以根据精题库中每个标准题目与用户上传题目之间的相似度,从精题库中确定出与用户上传题目之间的相似度最高的预设个数的候选标准题目,即按照相似度由高到低的顺序对精题库中的所有标准题目进行排序,选取排序最靠前的预设个数个标准题目作为候选标准题目。
步骤405,获取所述候选标准题目对应的候选知识标签。
本公开实施例中,获取了候选标准题目之后,针对每个候选标准题目,获取该候选标准题目对应的知识标签,汇总所有的候选标准题目对应的知识标签,并进行去重处理,去除重复的知识标签,即得到候选知识标签。
步骤406,利用预先训练的知识标签预测模型,对所述用户上传题目进行知识标签预测,得到预测知识标签。
其中,知识标签预测模型是利用携带知识标签的非计算题目作为训练样本,预先训练得到的。
本公开实施例中,当判定精题库中不存在与用户上传题目相同的目标标准题目时,可以将用户上传题目输入预先训练好的知识标签预测模型中,由知识标签预测模型对用户上传题目进行知识标签预测,并输出预测结果,预测结果中包含的知识标签即作为用户上传题目的预测知识标签。
需要说明的是,本公开实施例中,步骤404~步骤405与步骤406的执行顺序不分先后,两者可以顺序执行,也可以同时执行,本实施例仅以步骤406在步骤405之后执行作为示例来解释说明本公开,而不能作为对本公开的限制。
步骤407,根据所述候选知识标签和所述预测知识标签,确定所述用户上传题目对应的目标知识标签。
本公开实施例中,确定了用户上传题目对应的候选知识标签和预测知识标签之后,即可根据候选知识标签和预测知识标签,确定用户上传题目对应的目标知识标签。
作为一种可选的实施方式,可以先判断候选知识标签与预测知识标签之间是否存在相同的知识标签,也就是判定两者之间是否存在交集,响应于候选知识标签与预测知识标签之间存在相同的知识标签,则将相同的知识标签确定为用户上传题目对应的目标知识标签。
举例而言,假设确定的候选知识标签包括A、B、C和D四个知识标签,预测知识标签包含A、C和E三个知识标签,则将知识标签A和C确定为用户上传题目对应的目标知识标签。
进一步地,在本公开的一种可选实施方式中,响应于候选知识标签与预测知识标签之间不存在相同的知识标签,则根据候选标准题目与用户上传题目之间的相似度,从候选标准题目中确定最大相似度对应的目标题目,也就是说,从候选标准题目中确定出与用户上传题目之间的相似度最高的一个作为目标题目;接着,获取目标题目对应的目标候选知识标签,并获取目标候选知识标签中难度等级最高的第三知识标签,以及预测知识标签中难度等级最高的第二知识标签,进而将第二知识标签和第三知识标签确定为用户上传题目对应的目标知识标签。
举例而言,假设候选标准题目包括标准题目1、标准题目2和标准题目3,其中,标准题目1与用户上传题目之间的相似度为0.81,标准题目2与用户上传题目之间的相似度为0.92,标准题目3与用户上传题目之间的相似度为0.85,则当判定候选知识标签与预测知识标签之间不存在相同的知识标签时,基于相似度,确定标准题目2为目标题目,并获取标准题目2对应的知识标签作为目标候选知识标签。假设目标候选知识标签包括A、B和C三个标签,其中知识标签B的难度等级最高,则将知识标签B确定为第三知识标签,假设预测知识标签包括D和E两个知识标签,其中知识标签D的难度等级最高,则将知识标签D确定为第二知识标签,进而将知识标签B和知识标签D确定为用户上传题目对应的目标知识标签。
本公开实施例的题目推荐方法,通过针对精题库中存在与用户上传题目相同的目标标准题目的情形,将目标标准题目对应的第一知识标签确定为用户上传题目对应的目标知识标签,针对精题库中不存在与用户上传题目相同的目标标准题目的情形,通过从精题库中确定与用户上传题目之间的相似度最高的预设个数的候选标准题目,并获取候选标准题目对应的候选知识标签,以及利用预先训练的知识标签预测模型,对用户上传题目进行知识标签预测,得到预测知识标签,进而根据候选知识标签和预测知识标签,确定用户上传题目对应的目标知识标签,由此,实现了针对不同的情形采用相应的实施方案来获取用户上传题目对应的目标知识标签,保证了目标知识标签的准确性,为保证推荐题目的质量和准确性奠定了基础。
在本公开的一种可选实施方式中,在将待推荐标准题目推荐给用户时,可以先检测待推荐标准题目的数量,如果待推荐标准题目的个数大于预设值,则计算用户上传题目与每个待推荐标准题目之间的文本相似度,其中,预设值可以根据实际需求进行设置,接着,可以按照文本相似度从低到高的顺序对待推荐标准题目进行排序,得到排序结果,进而将排序结果中排序在前的N个待推荐标准题目推荐给用户,其中,N为正整数。由此,通过选择与用户上传题目之间的文本相似度低的待推荐标准题目推荐给用户,使得推荐给用户的题目的文本描述与用户上传题目存在较大的差异,实现了在知识点相同时推荐不同类型的题目,避免推荐的题目类型过于单一,从而方便了用户练习不同的题目,以帮助用户对当前知识点掌握的更牢靠。
本公开示例性实施例还提供了一种题目推荐装置。图5示出了根据本公开示例性实施例的题目推荐装置的示意性框图,如图5所示,该题目推荐装置50包括:公式获取模块510、公式模板确定模块520、计算题目搜索模块530和题目推荐模块540。
其中,公式获取模块510,用于响应于用户上传题目为计算类题目,获取所述用户上传题目的计算公式;
公式模板确定模块520,用于确定所述计算公式对应的目标公式模板,其中,所述目标公式模板为由所述计算公式中的运算符按序组成的字符序列;
计算题目搜索模块530,用于基于预设的计算题目搜索条件和所述目标公式模板,从题库中确定满足所述计算题目搜索条件的待推荐标准题目;
题目推荐模块540,用于将所述待推荐标准题目推荐给用户。
可选地,所述题目推荐装置50,还包括:
数域等级获取模块,用于获取所述用户上传题目中包含的每个数字对应的数域等级;
数域等级确定模块,用于将所述数域等级中等级最高的数域等级确定为所述用户上传题目对应的第一数域等级;
所述题目搜索模块530,还用于:
基于预设的计算题目搜索条件、所述目标公式模板和所述第一数域等级,从题库中确定满足所述计算题目搜索条件的待推荐标准题目。
可选地,所述计算题目搜索条件包括:用于搜索简单计算题的第一搜索条件、用于搜索同级别计算题的第二搜索条件和用于搜索稍难计算题的第三搜索条件中的至少一个;
其中,所述第一搜索条件中公式模板包含的运算符的个数少于所述目标公式模板包含的运算符的个数,和/或,数域等级低于所述第一数域等级;
所述第二搜索条件中公式模板包含的运算符的个数与所述目标公式模板包含的运算符的个数相同,且数域等级与所述第一数域等级相同;
所述第三搜索条件中公式模板包含的运算符的个数多于所述目标公式模板包含的运算符的个数,和/或,数域等级高于所述第一数域等级。
可选地,所述第一搜索条件包括如下条件中的至少一个:
公式模板与所述目标公式模板相同但数域等级比所述第一数域等级低;
数域等级与所述第一数域等级相同,但公式模板相对于所述目标公式模板在前端或后端少一个运算符;
数域等级比所述第一数域等级低,且公式模板相对于所述目标公式模板在前端或后端少一个运算符;
所述第二搜索条件包括:
公式模板与所述目标公式模板相同且数域等级与所述第一数域等级相同;
所述第三搜索条件包括如下条件中的至少一个:
公式模板与所述目标公式模板相同,但数域等级比所述第一数域等级高;
数域等级与所述第一数域等级相同,但公式模板比所述目标公式模板多一个运算符;
数域等级比所述第一数域等级高且公式模板比所述目标公式模板多一个运算符。
可选地,所述题目推荐装置50,还包括:
数据获取模块,用于响应于所述用户上传题目不为计算类题目,获取所述用户上传题目对应的目标知识标签和第二数域等级;
非计算题目搜索模块,用于基于预设的非计算题目搜索条件、所述目标知识标签和所述第二数域等级,从所述题库中确定满足所述非计算题目搜索条件的待推荐标准题目。
可选地,所述数据获取模块,包括:
计算单元,用于计算所述用户上传题目与精题库中每个标准题目之间的相似度,其中,精题库中的每个标准题目均携带知识标签;
第一确定单元,用于响应于存在所述相似度大于相似度阈值,确定最大相似度对应的标准题目为与所述用户上传题目相同的目标标准题目;
第一获取单元,用于响应于所述精题库中存在与所述用户上传题目相同的目标标准题目,获取所述目标标准题目对应的第一知识标签;
第二确定单元,用于将所述第一知识标签确定为所述用户上传题目对应的目标知识标签。
可选地,所述数据获取模块,还包括:
第三确定单元,用于响应于所述相似度不大于所述相似度阈值,将所述标准题目按照所述相似度由高到低的顺序进行排序,并获取排序在前的预设个数的候选标准题目;
第二获取单元,用于获取所述候选标准题目对应的候选知识标签;
第三获取单元,用于利用预先训练的知识标签预测模型,对所述用户上传题目进行知识标签预测,得到预测知识标签;
第四确定单元,用于根据所述候选知识标签和所述预测知识标签,确定所述用户上传题目对应的目标知识标签。
可选地,所述第三确定单元,还用于:
判断所述候选知识标签与所述预测知识标签之间是否存在相同的知识标签;
响应于所述候选知识标签与所述预测知识标签之间存在相同的知识标签,将所述相同的知识标签确定为所述用户上传题目对应的目标知识标签。
可选地,所述第三确定单元,还用于:
响应于所述候选知识标签与所述预测知识标签之间不存在相同的知识标签,根据所述候选标准题目与所述用户上传题目之间的相似度,从所述候选标准题目中确定最大相似度对应的目标题目;
获取所述目标题目对应的目标候选知识标签;
获取所述预测知识标签中难度等级最高的第二知识标签,以及所述目标候选知识标签中难度等级最高的第三知识标签;
将所述第二知识标签和所述第三知识标签确定为所述用户上传题目对应的目标知识标签。
可选地,所述非计算题目搜索条件,包括:用于搜索简单非计算题的第四搜索条件、用于搜索同级别非计算题的第五搜索条件和用于搜索稍难非计算题的第六搜索条件中的至少一个;
其中,所述第四搜索条件中知识标签的最高难度等级低于所述目标知识标签中的最高难度等级,和/或,知识标签的个数少于所述目标知识标签的个数,和/或,数域等级比所述第二数域等级低;
所述第五搜索条件中知识标签的最高难度等级与所述目标知识标签中的最高难度等级相同,且数域等级与所述第二数域等级相同;
所述第六搜索条件中知识标签的最高难度等级高于所述目标知识标签中的最高难度等级,和/或,知识标签的个数多于所述目标知识标签的个数,和/或,数域等级比所述第二数域等级高。
可选地,所述第四搜索条件包括如下条件中的至少一个:
知识标签与所述目标知识标签一致,但数域等级比所述第二数域等级低;
知识标签中的最高难度等级低于所述目标知识标签中的最高难度等级,且所述知识标签中的其他知识标签与所述目标知识标签中的其他知识标签一致;
知识标签的个数比所述目标知识标签的个数少一个;
所述第五搜索条件包括:
知识标签与所述目标知识标签一致且数域等级与所述第二数域等级一致;
所述第六搜索条件包括如下条件中的至少一个:
知识标签与所述目标知识标签一致,但数域等级比所述第二数域等级高;
知识标签中的最高难度等级高于所述目标知识标签中的最高难度等级,且所述知识标签中的其他知识标签与所述目标知识标签中的其他知识标签一致;
知识标签的个数比所述目标知识标签的个数多一个。
可选地,所述题目推荐模块,还用于:
响应于所述待推荐标准题目的个数大于预设值,计算所述用户上传题目与每个所述待推荐标准题目之间的文本相似度;
按照所述文本相似度从低到高的顺序对所述待推荐标准题目进行排序,得到排序结果;
将所述排序结果中排序在前的N个待推荐标准题目推荐给用户,其中,N为正整数。
本公开实施例所提供的题目推荐装置,可执行本公开实施例所提供的任意可应用于电子设备的题目推荐方法,具备执行方法相应的功能模块和有益效果。本公开装置实施例中未详尽描述的内容可以参考本公开任意方法实施例中的描述。
本公开示例性实施例还提供一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器。所述存储器存储有能够被所述至少一个处理器执行的计算机程序,所述计算机程序在被所述至少一个处理器执行时用于使所述电子设备执行根据本公开实施例的题目推荐方法。
本公开示例性实施例还提供一种存储有计算机程序的非瞬时计算机可读存储介质,其中,所述计算机程序在被计算机的处理器执行时用于使所述计算机执行根据本公开实施例的题目推荐方法。
本公开示例性实施例还提供一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被计算机的处理器执行时用于使所述计算机执行根据本公开实施例的题目推荐方法。
参考图6,现将描述可以作为本公开的服务器或客户端的电子设备1100的结构框图,其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图6所示,电子设备1100包括计算单元1101,其可以根据存储在只读存储器(ROM)1102中的计算机程序或者从存储单元1108加载到随机访问存储器(RAM)1103中的计算机程序,来执行各种适当的动作和处理。在RAM 1103中,还可存储设备1100操作所需的各种程序和数据。计算单元1101、ROM 1102以及RAM 1103通过总线1104彼此相连。输入/输出(I/O)接口1105也连接至总线1104。
电子设备1100中的多个部件连接至I/O接口1105,包括:输入单元1106、输出单元1107、存储单元1108以及通信单元1109。输入单元1106可以是能向电子设备1100输入信息的任何类型的设备,输入单元1106可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入。输出单元1107可以是能呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元1108可以包括但不限于磁盘、光盘。通信单元1109允许电子设备1100通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙TM设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元1101可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1101的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1101执行上文所描述的各个方法和处理。例如,在一些实施例中,题目推荐方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元1108。在一些实施例中,计算机程序的部分或者全部可以经由ROM 1102和/或通信单元1109而被载入和/或安装到电子设备1100上。在一些实施例中,计算单元1101可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行题目推荐方法。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
如本公开使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
Claims (15)
1.一种题目推荐方法,其中,所述方法包括:
响应于用户上传题目为计算类题目,获取所述用户上传题目的计算公式;
确定所述计算公式对应的目标公式模板,其中,所述目标公式模板为由所述计算公式中的运算符按序组成的字符序列;
基于预设的计算题目搜索条件和所述目标公式模板,从题库中确定满足所述计算题目搜索条件的待推荐标准题目;
将所述待推荐标准题目推荐给用户。
2.如权利要求1所述的题目推荐方法,其中,所述方法还包括:
获取所述用户上传题目中包含的每个数字对应的数域等级;
将所述数域等级中等级最高的数域等级确定为所述用户上传题目对应的第一数域等级;
所述基于预设的计算题目搜索条件和所述目标公式模板,从题库中确定满足所述题目搜索条件的待推荐标准题目,包括:
基于预设的计算题目搜索条件、所述目标公式模板和所述第一数域等级,从题库中确定满足所述计算题目搜索条件的待推荐标准题目。
3.如权利要求2所述的题目推荐方法,其中,所述计算题目搜索条件包括:
用于搜索简单计算题的第一搜索条件、用于搜索同级别计算题的第二搜索条件和用于搜索稍难计算题的第三搜索条件中的至少一个;其中,
所述第一搜索条件中公式模板包含的运算符的个数少于所述目标公式模板包含的运算符的个数,和/或,数域等级低于所述第一数域等级;
所述第二搜索条件中公式模板包含的运算符的个数与所述目标公式模板包含的运算符的个数相同,且数域等级与所述第一数域等级相同;
所述第三搜索条件中公式模板包含的运算符的个数多于所述目标公式模板包含的运算符的个数,和/或,数域等级高于所述第一数域等级。
4.如权利要求3所述的题目推荐方法,其中,
所述第一搜索条件包括如下条件中的至少一个:
公式模板与所述目标公式模板相同但数域等级比所述第一数域等级低;
数域等级与所述第一数域等级相同,但公式模板相对于所述目标公式模板在前端或后端少一个运算符;
数域等级比所述第一数域等级低,且公式模板相对于所述目标公式模板在前端或后端少一个运算符;
所述第二搜索条件包括:
公式模板与所述目标公式模板相同且数域等级与所述第一数域等级相同;
所述第三搜索条件包括如下条件中的至少一个:
公式模板与所述目标公式模板相同,但数域等级比所述第一数域等级高;
数域等级与所述第一数域等级相同,但公式模板比所述目标公式模板多一个运算符;
数域等级比所述第一数域等级高且公式模板比所述目标公式模板多一个运算符。
5.如权利要求1所述的题目推荐方法,其中,所述方法还包括:
响应于所述用户上传题目不为计算类题目,获取所述用户上传题目对应的目标知识标签和第二数域等级;
基于预设的非计算题目搜索条件、所述目标知识标签和所述第二数域等级,从所述题库中确定满足所述非计算题目搜索条件的待推荐标准题目。
6.如权利要求5所述的题目推荐方法,其中,所述获取所述用户上传题目对应的目标知识标签,包括:
计算所述用户上传题目与精题库中每个标准题目之间的相似度,其中,精题库中的每个标准题目均携带知识标签;
响应于存在所述相似度大于相似度阈值,确定最大相似度对应的标准题目为与所述用户上传题目相同的目标标准题目;
获取所述目标标准题目对应的第一知识标签;
将所述第一知识标签确定为所述用户上传题目对应的目标知识标签。
7.如权利要求6所述的题目推荐方法,其中,所述方法还包括:
响应于所述相似度不大于所述相似度阈值,将所述标准题目按照所述相似度由高到低的顺序进行排序,并获取排序在前的预设个数的候选标准题目;
获取所述候选标准题目对应的候选知识标签;
利用预先训练的知识标签预测模型,对所述用户上传题目进行知识标签预测,得到预测知识标签;
根据所述候选知识标签和所述预测知识标签,确定所述用户上传题目对应的目标知识标签。
8.如权利要求7所述的题目推荐方法,其中,所述根据所述候选知识标签和所述预测知识标签,确定所述用户上传题目对应的目标知识标签,包括:
判断所述候选知识标签与所述预测知识标签之间是否存在相同的知识标签;
响应于所述候选知识标签与所述预测知识标签之间存在相同的知识标签,将所述相同的知识标签确定为所述用户上传题目对应的目标知识标签。
9.如权利要求8所述的题目推荐方法,其中,所述方法还包括:
响应于所述候选知识标签与所述预测知识标签之间不存在相同的知识标签,根据所述候选标准题目与所述用户上传题目之间的相似度,从所述候选标准题目中确定最大相似度对应的目标题目;
获取所述目标题目对应的目标候选知识标签;
获取所述预测知识标签中难度等级最高的第二知识标签,以及所述目标候选知识标签中难度等级最高的第三知识标签;
将所述第二知识标签和所述第三知识标签确定为所述用户上传题目对应的目标知识标签。
10.如权利要求5所述的题目推荐方法,其中,所述非计算题目搜索条件,包括:
用于搜索简单非计算题的第四搜索条件、用于搜索同级别非计算题的第五搜索条件和用于搜索稍难非计算题的第六搜索条件中的至少一个;其中,
所述第四搜索条件中知识标签的最高难度等级低于所述目标知识标签中的最高难度等级,和/或,知识标签的个数少于所述目标知识标签的个数,和/或,数域等级比所述第二数域等级低;
所述第五搜索条件中知识标签的最高难度等级与所述目标知识标签中的最高难度等级相同,且数域等级与所述第二数域等级相同;
所述第六搜索条件中知识标签的最高难度等级高于所述目标知识标签中的最高难度等级,和/或,知识标签的个数多于所述目标知识标签的个数,和/或,数域等级比所述第二数域等级高。
11.如权利要求10所述的题目推荐方法,其中,
所述第四搜索条件包括如下条件中的至少一个:
知识标签与所述目标知识标签一致,但数域等级比所述第二数域等级低;
知识标签中的最高难度等级低于所述目标知识标签中的最高难度等级,且所述知识标签中的其他知识标签与所述目标知识标签中的其他知识标签一致;
知识标签的个数比所述目标知识标签的个数少一个;
所述第五搜索条件包括:
知识标签与所述目标知识标签一致且数域等级与所述第二数域等级一致;
所述第六搜索条件包括如下条件中的至少一个:
知识标签与所述目标知识标签一致,但数域等级比所述第二数域等级高;
知识标签中的最高难度等级高于所述目标知识标签中的最高难度等级,且所述知识标签中的其他知识标签与所述目标知识标签中的其他知识标签一致;
知识标签的个数比所述目标知识标签的个数多一个。
12.如权利要求1-11任一项所述的题目推荐方法,其中,所述将所述待推荐标准题目推荐给用户,包括:
响应于所述待推荐标准题目的个数大于预设值,计算所述用户上传题目与每个所述待推荐标准题目之间的文本相似度;
按照所述文本相似度从低到高的顺序对所述待推荐标准题目进行排序,得到排序结果;
将所述排序结果中排序在前的N个待推荐标准题目推荐给用户,其中,N为正整数。
13.一种题目推荐装置,其中,所述装置包括:
公式获取模块,用于响应于用户上传题目为计算类题目,获取所述用户上传题目的计算公式;
公式模板确定模块,用于确定所述计算公式对应的目标公式模板,其中,所述目标公式模板为由所述计算公式中的运算符按序组成的字符序列;
计算题目搜索模块,用于基于预设的计算题目搜索条件和所述目标公式模板,从题库中确定满足所述计算题目搜索条件的待推荐标准题目;
题目推荐模块,用于将所述待推荐标准题目推荐给用户。
14.一种电子设备,包括:
处理器;以及
存储程序的存储器,
其中,所述程序包括指令,所述指令在由所述处理器执行时使所述处理器执行根据权利要求1-12中任一项所述的题目推荐方法。
15.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-12中任一项所述的题目推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311531537.6A CN117493683A (zh) | 2023-11-16 | 2023-11-16 | 题目推荐方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311531537.6A CN117493683A (zh) | 2023-11-16 | 2023-11-16 | 题目推荐方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117493683A true CN117493683A (zh) | 2024-02-02 |
Family
ID=89679820
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311531537.6A Pending CN117493683A (zh) | 2023-11-16 | 2023-11-16 | 题目推荐方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117493683A (zh) |
-
2023
- 2023-11-16 CN CN202311531537.6A patent/CN117493683A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11288444B2 (en) | Optimization techniques for artificial intelligence | |
CN112632385B (zh) | 课程推荐方法、装置、计算机设备及介质 | |
US10671933B2 (en) | Method and apparatus for evaluating predictive model | |
US11397772B2 (en) | Information search method, apparatus, and system | |
EP3617952A1 (en) | Information search method, apparatus and system | |
CN111930792B (zh) | 数据资源的标注方法、装置、存储介质及电子设备 | |
CN106919551B (zh) | 一种情感词极性的分析方法、装置及设备 | |
CN111767382A (zh) | 生成反馈信息的方法、装置及终端设备 | |
CN111680165A (zh) | 信息匹配方法、装置、可读存储介质和电子设备 | |
CN107291774B (zh) | 错误样本识别方法和装置 | |
CN110059172B (zh) | 基于自然语言理解的推荐答案的方法和装置 | |
CN117573985B (zh) | 一种应用于智能化在线教育系统的信息推送方法及系统 | |
CN113392920B (zh) | 生成作弊预测模型的方法、装置、设备、介质及程序产品 | |
CN113361240B (zh) | 用于生成目标文章的方法、装置、设备和可读存储介质 | |
CN110008396B (zh) | 对象信息推送方法、装置、设备及计算机可读存储介质 | |
CN110929169A (zh) | 基于改进Canopy聚类协同过滤算法的职位推荐方法 | |
CN110909768A (zh) | 一种标注数据获取方法及装置 | |
CN117077679B (zh) | 命名实体识别方法和装置 | |
CN110262906B (zh) | 接口标签推荐方法、装置、存储介质和电子设备 | |
CN112200602B (zh) | 用于广告推荐的神经网络模型训练方法及装置 | |
CN114297380A (zh) | 一种数据处理方法、装置、设备及存储介质 | |
CN117493683A (zh) | 题目推荐方法、装置、电子设备及存储介质 | |
CN112507082A (zh) | 一种智能识别不当文本交互的方法、装置和电子设备 | |
US20230214679A1 (en) | Extracting and classifying entities from digital content items | |
CN112733042B (zh) | 推荐信息的生成方法、相关装置及计算机程序产品 |
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 |