推荐题的超纲检测方法、装置、电子设备和存储介质制造方法及图纸

本发明专利技术实施例提供一种推荐题的超纲检测方法、装置、电子设备和存储介质，其中方法包括：确定原题文本，原题文本对应的推荐题文本，以及待检测教材版本；将原题文本、推荐题文本以及待检测教材版本输入至超纲检测模型，得到超纲检测模型输出的超纲检测结果；其中，超纲检测模型用于基于注意力机制分析原题文本和推荐题文本分别与待检测教材版本下各章节的相关性，并基于相关性确定超纲检测结果。本发明专利技术实施例提供的方法、装置、电子设备和存储介质，解决了推题引擎的超纲问题，且超纲检测无需人工标注，简便高效，成本低廉，准确度高。

The method, device, electronic equipment and storage medium of super dimension test for recommended questions

【技术实现步骤摘要】
推荐题的超纲检测方法、装置、电子设备和存储介质
本专利技术涉及自然语言处理
，尤其涉及一种推荐题的超纲检测方法、装置、电子设备和存储介质。
技术介绍
在现代化教育领域，推题引擎用于根据学生作业或考试中未掌握的题型，结合知识图谱应用挖掘出薄弱知识点，针对性地推荐相关相似题，从而避免学生盲目寻题或者漫无目的的题海战术。然而，题库的存储来源广，试题多受地区及教材版本影响。各个教材版本的章节设置不一、不同地区的教材版本选择不同，以及教学顺序的差距，均会导致推题引擎推荐的试题出现超纲的问题。推荐试题超纲，会浪费学生的学习时间，引发学生的消极情绪。
技术实现思路
本专利技术实施例提供一种推荐题的超纲检测方法、装置、电子设备和存储介质，用以解决现有的推题引擎推荐题存在超纲的问题。第一方面，本专利技术实施例提供一种推荐题的超纲检测方法，包括：确定原题文本，所述原题文本对应的推荐题文本，以及待检测教材版本；将所述原题文本、所述推荐题文本以及所述待检测教材版本输入至超纲检测模型，得到所述超纲检测模型输出的超纲检测结果；其中，所述超纲检测模型是基于样本原题文本、所述样本原题文本对应的样本推荐题文本，所述样本推荐题文本的超纲标记，以及各教材版本下的章节对应的文本训练得到的，所述超纲检测模型用于基于注意力机制分析所述原题文本和所述推荐题文本分别与所述待检测教材版本下各章节的相关性，并基于所述相关性确定所述超纲检测结果。优选地，所述超纲检测模型包括隐层表示层、注意力交互层以及超纲决策层；对应地，所述将所述原题文本、所述推荐题文本以及所述待检测教材版本输入至超纲检测模型，得到所述超纲检测模型输出的超纲检测结果，具体包括：将所述原题文本中每一分词的词向量和所述推荐题文本中每一分词的词向量输入至所述隐层表示层，得到所述隐层表示层输出的所述原题文本的隐层向量表示，以及所述推荐题文本的隐层向量表示；将所述原题文本的隐层向量表示，所述推荐题文本的隐层向量表示，以及所述待检测教材版本输入至所述注意力交互层，得到所述注意力交互层输出的注意力交互特征向量；将所述注意力交互特征向量输入至所述超纲决策层，得到所述超纲决策层输出的所述超纲检测结果。优选地，所述注意力交互层包括注意力计算层和特征交互层；对应地，所述将所述原题文本的隐层向量表示，所述推荐题文本的隐层向量表示，以及所述待检测教材版本输入至所述注意力交互层，得到所述注意力交互层输出的注意力交互特征向量，具体包括：将所述原题文本的隐层向量表示，所述推荐题文本的隐层向量表示，以及所述待检测教材版本输入至所述注意力计算层，得到所述注意力计算层输出的所述原题文本与所述待检测教材版本的原题相关性分布特征，以及所述推荐题文本与所述待检测教材版本的推荐题相关性分布特征；将所述原题相关性分布特征，以及所述推荐题相关性分布特征输入至所述特征交互层，得到所述特征交互层输出的注意力交互特征向量。优选地，所述将所述原题相关性分布特征，以及所述推荐题相关性分布特征输入至所述特征交互层，得到所述特征交互层输出的注意力交互特征向量，具体包括：基于所述原题相关性分布特征与所述推荐题相关性分布特征的差值、总和以及乘积中的至少一种，确定所述注意力交互特征向量。优选地，所述基于所述原题相关性分布特征与所述推荐题相关性分布特征的差值、总和以及乘积中的至少一种，确定所述注意力交互特征向量，具体包括：基于所述原题相关性分布特征与所述推荐题相关性分布特征的差值，确定差距交互特征；基于所述原题相关性分布特征与所述推荐题相关性分布特征的总和，以及topk算法，确定共性交互特征；基于所述原题相关性分布特征与所述推荐题相关性分布特征的乘积，以及协同注意力机制，确定相关交互特征；拼接所述原题相关性分布特征、所述推荐题相关性分布特征、所述差距交互特征、所述共性交互特征以及所述相关交互特征，得到所述注意力交互特征向量。优选地，所述原题文本和所述推荐题文本均包括题干、解析和答案；对应地，所述将所述原题文本的中每一分词的词向量和所述推荐题文本中每一分词的词向量输入至所述隐层表示层，得到所述隐层表示层输出的所述原题文本的隐层向量表示，以及所述推荐题文本的隐层向量表示，具体包括：基于任一文本中，题干中每一分词的词向量、解析中每一分词的词向量以及答案中每一分词的词向量，分别确定所述任一文本的题干分句表示、解析分句表示以及答案分句表示；基于所述任一文本的题干分句表示、解析分句表示以及答案分句表示，确定所述任一文本的隐层向量表示。优选地，所述超纲检测模型还包括多任务输出层；对应地，所述将所述原题文本中每一分词的词向量和所述推荐题文本中每一分词的词向量输入至所述隐层表示层，得到所述隐层表示层输出的所述原题文本的隐层向量表示，以及所述推荐题文本的隐层向量表示，之后还包括：将任一文本的隐层向量表示输入至所述多任务输出层，得到所述多任务输出层输出的多任务检测结果；所述多任务检测结果包括所述任一文本的知识点、解题方法以及难度中的至少一种；对应地，所述超纲检测模型是基于样本原题文本、所述样本原题文本对应的样本推荐题文本，所述样本推荐题文本的超纲标记，各教材版本下的章节对应的文本，以及样本原题文本和/或样本推荐题文本的多任务检测标记训练得到的。第二方面，本专利技术实施例提供一种推荐题的超纲检测装置，包括：文本确定单元，用于确定原题文本，所述原题文本对应的推荐题文本，以及待检测教材版本；超纲检测单元，用于将所述原题文本、所述推荐题文本以及所述待检测教材版本输入至超纲检测模型，得到所述超纲检测模型输出的超纲检测结果；其中，所述超纲检测模型是基于样本原题文本、所述样本原题文本对应的样本推荐题文本，所述样本推荐题文本的超纲标记，以及各教材版本下的章节对应的文本训练得到的，所述超纲检测模型用于基于注意力机制分析所述原题文本和所述推荐题文本分别与所述待检测教材版本下各章节的相关性，并基于所述相关性确定所述超纲检测结果。第三方面，本专利技术实施例提供一种电子设备，包括处理器、通信接口、存储器和总线，其中，处理器，通信接口，存储器通过总线完成相互间的通信，处理器可以调用存储器中的逻辑指令，以执行如第一方面所提供的方法的步骤。第四方面，本专利技术实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所提供的方法的步骤。本专利技术实施例提供的一种推荐题的超纲检测方法、装置、电子设备和存储介质，通过基于注意力机制构建的超纲检测模型分析原题文本和推荐题文本分别与待检测教材版本下各章节的相关性，进而得到超纲检测结果，解决了推题引擎的超纲问题，且超纲检测无需人工标注，简便高效，成本低廉，准确度高。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作本文档来自技高网...

【技术保护点】
1.一种推荐题的超纲检测方法，其特征在于，包括：/n确定原题文本，所述原题文本对应的推荐题文本，以及待检测教材版本；/n将所述原题文本、所述推荐题文本以及所述待检测教材版本输入至超纲检测模型，得到所述超纲检测模型输出的超纲检测结果；/n其中，所述超纲检测模型是基于样本原题文本、所述样本原题文本对应的样本推荐题文本，所述样本推荐题文本的超纲标记，以及各教材版本下的章节对应的文本训练得到的，所述超纲检测模型用于基于注意力机制分析所述原题文本和所述推荐题文本分别与所述待检测教材版本下各章节的相关性，并基于所述相关性确定所述超纲检测结果。/n

【技术特征摘要】
1.一种推荐题的超纲检测方法，其特征在于，包括：
确定原题文本，所述原题文本对应的推荐题文本，以及待检测教材版本；
将所述原题文本、所述推荐题文本以及所述待检测教材版本输入至超纲检测模型，得到所述超纲检测模型输出的超纲检测结果；
其中，所述超纲检测模型是基于样本原题文本、所述样本原题文本对应的样本推荐题文本，所述样本推荐题文本的超纲标记，以及各教材版本下的章节对应的文本训练得到的，所述超纲检测模型用于基于注意力机制分析所述原题文本和所述推荐题文本分别与所述待检测教材版本下各章节的相关性，并基于所述相关性确定所述超纲检测结果。


2.根据权利要求1所述的推荐题的超纲检测方法，其特征在于，所述超纲检测模型包括隐层表示层、注意力交互层以及超纲决策层；
对应地，所述将所述原题文本、所述推荐题文本以及所述待检测教材版本输入至超纲检测模型，得到所述超纲检测模型输出的超纲检测结果，具体包括：
将所述原题文本中每一分词的词向量和所述推荐题文本中每一分词的词向量输入至所述隐层表示层，得到所述隐层表示层输出的所述原题文本的隐层向量表示，以及所述推荐题文本的隐层向量表示；
将所述原题文本的隐层向量表示，所述推荐题文本的隐层向量表示，以及所述待检测教材版本输入至所述注意力交互层，得到所述注意力交互层输出的注意力交互特征向量；
将所述注意力交互特征向量输入至所述超纲决策层，得到所述超纲决策层输出的所述超纲检测结果。


3.根据权利要求2所述的推荐题的超纲检测方法，其特征在于，所述注意力交互层包括注意力计算层和特征交互层；
对应地，所述将所述原题文本的隐层向量表示，所述推荐题文本的隐层向量表示，以及所述待检测教材版本输入至所述注意力交互层，得到所述注意力交互层输出的注意力交互特征向量，具体包括：
将所述原题文本的隐层向量表示，所述推荐题文本的隐层向量表示，以及所述待检测教材版本输入至所述注意力计算层，得到所述注意力计算层输出的所述原题文本与所述待检测教材版本的原题相关性分布特征，以及所述推荐题文本与所述待检测教材版本的推荐题相关性分布特征；
将所述原题相关性分布特征，以及所述推荐题相关性分布特征输入至所述特征交互层，得到所述特征交互层输出的注意力交互特征向量。


4.根据权利要求3所述的推荐题的超纲检测方法，其特征在于，所述将所述原题相关性分布特征，以及所述推荐题相关性分布特征输入至所述特征交互层，得到所述特征交互层输出的注意力交互特征向量，具体包括：
基于所述原题相关性分布特征与所述推荐题相关性分布特征的差值、总和以及乘积中的至少一种，确定所述注意力交互特征向量。


5.根据权利要求4所述的推荐题的超纲检测方法，其特征在于，所述基于所述原题相关性分布特征与所述推荐题相关性分布特征的差值、总和以及乘积中的至少一种，确定所述注意力交互特征向量，具体包括：
基于所述原题相关性分布特征与所述推荐题相关性分布特征的差值，确定差距交互特征；
基于所述原题相关性分布特征...

【专利技术属性】
技术研发人员：丁亮，魏思，王士进，付瑞吉，沙晶，
申请(专利权)人：科大讯飞股份有限公司，
类型：发明
国别省市：安徽;34