一种警务相关智能组题系统技术方案

本发明专利技术涉及一种警务相关智能组题系统，采用全新试题分类策略，打破传统的知识点划分思路，引入案件数据库中各案件的案件记录文档，针对文档处理进行处理，应用词向量，实现各案件与警务试题库中各试题之间对应关系的获得，即针对警务试题库中各试题，实现了以案件案情为依据的划分，将试题与案件案情紧密联系起来，即将理论与实际相结合，让试题的学习更加贴近真实案件案情，由此提高警务知识的学习效率。

A police related intelligent problem-solving system

【技术实现步骤摘要】
一种警务相关智能组题系统
本专利技术涉及一种警务相关智能组题系统，属于在线警务试题学习

技术介绍
随着互联网应用的逐年普及，更多的领域加入了网络化时代，在线学习、在线试题是当下网络教学中重要的分支之一，将传统教学课程，以及试题的练习、考试搬至网络当中，让使用者足不出户即可享受到在线教育的优势，随着在线教育的兴起、以及被更多的使用者所接收，各个教育机构纷纷推出自己的在线教育应用，但是现有的各类在线教育应用各有弊端，诸如试题类的在线应用无法与实际示例相结合，尤其是特定领域类的学习，这点尤为重要，诸如警务工作的学习当中，若是套用现有在线教育试题模式的话，则试题无法与实际警务案例、警务工作相结合，即无法真正做到学习与实践相结合，将对学习掌握能力大打折扣，影响学习效果。
技术实现思路
本专利技术所要解决的技术问题是提供一种警务相关智能组题系统，能够准确获得案件数据库中各案件与警务试题库中各试题之间的对应关系，实现试题与案件紧密结合的学习模式，提高学习效率。本专利技术为了解决上述技术问题采用以下技术方案：本专利技术设计了一种警务相关智能组题系统，周期或指定时间执行如下步骤A至步骤F，用于周期或指定时间获得案件数据库中各案件与警务试题库中各试题之间的对应关系；步骤A.分别针对案件数据库中的各案件：结合预设警务专业用词词库，应用分词器针对案件的案件记录文档进行中文分词处理，获得该案件所对应的各个中文分词；即获得各案件分别所对应的各个中文分词，然后进入步骤B；步骤B.分别针对案件数据库中的各案件：根据预设无意义词库，剔除案件所对应各中文分词中的无意义词、以及连接词，更新该案件分别所对应的各个中文分词；即更新各案件分别所对应的各个中文分词，然后进入步骤C；步骤C.针对步骤B所更新案件数据库中所有案件分别对应的各中文分词，进行自然语言处理，获得所有案件所对应各中文分词的词向量；并根据各中文分词的词向量，分别针对该各个中文分词，获得中文分词周围所对应的各关联词，构成该中文分词所对应的关联词集合，即获得案件数据库中所有案件所对应各中文分词分别对应的关联词集合，然后进入步骤D；步骤D.根据预设警务知识点词汇词库，获得案件数据库中所有案件所对应各中文分词中、匹配警务知识点词汇的各个中文分词，作为案件数据库中所有案件所对应的各个知识点分词，并将各知识点分词分别所对应关联词集合中的各关联词、合并为目标关联词集合，然后进入步骤E；步骤E.分别针对警务试题库中的各个试题：获得目标关联词集合中各关联词分别在试题中的出现次数，并按出现次数由高至低、针对各关联词顺序，获得顺序至多前预设第一数量、且出现次数大于0的各个关联词，作为该试题所对应的各个标签；即获得警务试题库中各试题分别所对应的各个标签，然后进入步骤F；步骤F.根据步骤B所更新案件数据库中所有案件分别对应的各中文分词，分别针对案件数据库中的各案件，进行案件所对应各中文分词与警务试题库中各试题分别所对应各个标签之间的匹配，获得各个匹配标签，并获得该各个匹配标签分别对应的试题，即作为该案件所对应的试题；即案件数据库中各案件与警务试题库中各试题之间的对应关系。作为本专利技术的一种优选技术方案：所述步骤C中，根据各中文分词的词向量，分别针对该各个中文分词执行如下处理，获得案件数据库中所有案件所对应各中文分词分别对应的关联词集合；首先获得中文分词的词向量分别与其余各中文分词的词向量之间的余弦距离，并按余弦距离由小至大、针对其余各中文分词进行排序；然后获得余弦距离大于预设余弦距离阈值的各个中文分词，作为该中文分词周围所对应的各个关联词，构成该中文分词所对应的关联词集合。作为本专利技术的一种优选技术方案：所述步骤E中，分别针对警务试题库中的各个试题：获得目标关联词集合中各关联词分别在试题中、以及该试题所对应答案和答案解析三处的共计出现次数，作为各关联词分别对应该试题的出现次数，并按出现次数由高至低、针对各关联词顺序，获得顺序至多前预设第一数量、且出现次数大于0的各个关联词，作为该试题所对应的各个标签。作为本专利技术的一种优选技术方案：所述步骤A中，分别针对案件数据库中的各案件：结合预设警务专业用词词库，应用ik-max分词器针对案件的案件记录文档进行中文分词处理，获得该案件所对应的各个中文分词。作为本专利技术的一种优选技术方案：所述步骤C中，针对步骤B所更新案件数据库中所有案件分别对应的各中文分词，应用word2vec算法进行自然语言处理，获得所有案件所对应各中文分词的词向量。本专利技术所述一种警务相关智能组题系统，采用以上技术方案与现有技术相比，具有以下技术效果：本专利技术所设计警务相关智能组题系统，采用全新试题分类策略，打破传统的知识点划分思路，引入案件数据库中各案件的案件记录文档，针对文档处理进行处理，应用词向量，实现各案件与警务试题库中各试题之间对应关系的获得，即针对警务试题库中各试题，实现了以案件案情为依据的划分，将试题与案件案情紧密联系起来，即将理论与实际相结合，让试题的学习更加贴近真实案件案情，由此提高警务知识的学习效率。附图说明图1是本专利技术设计警务相关智能组题系统的流程示意图。具体实施方式下面结合说明书附图对本专利技术的具体实施方式作进一步详细的说明。本专利技术设计了一种警务相关智能组题系统，实际应用当中，如图1所示，周期或指定时间执行如下步骤A至步骤F，用于周期或指定时间获得案件数据库中各案件与警务试题库中各试题之间的对应关系。步骤A.分别针对案件数据库中的各案件：结合预设警务专业用词词库，应用ik-max分词器针对案件的案件记录文档进行中文分词处理，获得该案件所对应的各个中文分词；即获得各案件分别所对应的各个中文分词，然后进入步骤B。步骤B.分别针对案件数据库中的各案件：根据预设无意义词库，剔除案件所对应各中文分词中的无意义词、以及连接词，更新该案件分别所对应的各个中文分词；即更新各案件分别所对应的各个中文分词，然后进入步骤C。步骤C.针对步骤B所更新案件数据库中所有案件分别对应的各中文分词，应用word2vec算法进行自然语言处理，获得所有案件所对应各中文分词的词向量；并根据各中文分词的词向量，分别针对该各个中文分词，获得中文分词周围所对应的各关联词，构成该中文分词所对应的关联词集合，即获得案件数据库中所有案件所对应各中文分词分别对应的关联词集合，然后进入步骤D。实际应用当中，上述步骤C中，根据各中文分词的词向量，分别针对该各个中文分词执行如下处理，获得案件数据库中所有案件所对应各中文分词分别对应的关联词集合。首先获得中文分词的词向量分别与其余各中文分词的词向量之间的余弦距离，并按余弦距离由小至大、针对其余各中文分词进行排序；然后获得余弦距离大于预设余弦距离阈值的各个中文分词，作为该中文分词周围所对应的各个关联词，构成该中文分词所对应的关联词集合。步骤D.根据预设警务知识点词汇词库，获得案件数据库中所有案件本文档来自技高网...

【技术保护点】
1.一种警务相关智能组题系统，其特征在于：周期或指定时间执行如下步骤A至步骤F，用于周期或指定时间获得案件数据库中各案件与警务试题库中各试题之间的对应关系；/n步骤A. 分别针对案件数据库中的各案件：结合预设警务专业用词词库，应用分词器针对案件的案件记录文档进行中文分词处理，获得该案件所对应的各个中文分词；/n即获得各案件分别所对应的各个中文分词，然后进入步骤B；/n步骤B. 分别针对案件数据库中的各案件：根据预设无意义词库，剔除案件所对应各中文分词中的无意义词、以及连接词，更新该案件分别所对应的各个中文分词；/n即更新各案件分别所对应的各个中文分词，然后进入步骤C；/n步骤C. 针对步骤B所更新案件数据库中所有案件分别对应的各中文分词，进行自然语言处理，获得所有案件所对应各中文分词的词向量；并根据各中文分词的词向量，分别针对该各个中文分词，获得中文分词周围所对应的各关联词，构成该中文分词所对应的关联词集合，即获得案件数据库中所有案件所对应各中文分词分别对应的关联词集合，然后进入步骤D；/n步骤D. 根据预设警务知识点词汇词库，获得案件数据库中所有案件所对应各中文分词中、匹配警务知识点词汇的各个中文分词，作为案件数据库中所有案件所对应的各个知识点分词，并将各知识点分词分别所对应关联词集合中的各关联词、合并为目标关联词集合，然后进入步骤E；/n步骤E. 分别针对警务试题库中的各个试题：获得目标关联词集合中各关联词分别在试题中的出现次数，并按出现次数由高至低、针对各关联词顺序，获得顺序至多前预设第一数量、且出现次数大于0的各个关联词，作为该试题所对应的各个标签；/n即获得警务试题库中各试题分别所对应的各个标签，然后进入步骤F；/n步骤F. 根据步骤B所更新案件数据库中所有案件分别对应的各中文分词，分别针对案件数据库中的各案件，进行案件所对应各中文分词与警务试题库中各试题分别所对应各个标签之间的匹配，获得各个匹配标签，并获得该各个匹配标签分别对应的试题，即作为该案件所对应的试题；即案件数据库中各案件与警务试题库中各试题之间的对应关系。/n...

【技术特征摘要】
1.一种警务相关智能组题系统，其特征在于：周期或指定时间执行如下步骤A至步骤F，用于周期或指定时间获得案件数据库中各案件与警务试题库中各试题之间的对应关系；
步骤A.分别针对案件数据库中的各案件：结合预设警务专业用词词库，应用分词器针对案件的案件记录文档进行中文分词处理，获得该案件所对应的各个中文分词；
即获得各案件分别所对应的各个中文分词，然后进入步骤B；
步骤B.分别针对案件数据库中的各案件：根据预设无意义词库，剔除案件所对应各中文分词中的无意义词、以及连接词，更新该案件分别所对应的各个中文分词；
即更新各案件分别所对应的各个中文分词，然后进入步骤C；
步骤C.针对步骤B所更新案件数据库中所有案件分别对应的各中文分词，进行自然语言处理，获得所有案件所对应各中文分词的词向量；并根据各中文分词的词向量，分别针对该各个中文分词，获得中文分词周围所对应的各关联词，构成该中文分词所对应的关联词集合，即获得案件数据库中所有案件所对应各中文分词分别对应的关联词集合，然后进入步骤D；
步骤D.根据预设警务知识点词汇词库，获得案件数据库中所有案件所对应各中文分词中、匹配警务知识点词汇的各个中文分词，作为案件数据库中所有案件所对应的各个知识点分词，并将各知识点分词分别所对应关联词集合中的各关联词、合并为目标关联词集合，然后进入步骤E；
步骤E.分别针对警务试题库中的各个试题：获得目标关联词集合中各关联词分别在试题中的出现次数，并按出现次数由高至低、针对各关联词顺序，获得顺序至多前预设第一数量、且出现次数大于0的各个关联词，作为该试题所对应的各个标签；
即获得警务试题库中各试题分别所对应的各个标签，然后进入步骤F；
步骤F.根据步骤B所更新案件数据库中所有案件分别对应的各中文分词，分别针对案件数据库...

【专利技术属性】
技术研发人员：马沁妍，邹鸣，陈积敏，杨帆，周哲彦，尹哲，
申请(专利权)人：南京森林警察学院，
类型：发明
国别省市：江苏;32