【技术实现步骤摘要】
一种面向小学藏语文阅读问题自动生成的服务系统
[0001]本专利技术涉及自然语言处理
,特别涉及一种面向小学藏语文阅读问题自动生成的服务系统。
技术介绍
[0002]目前自然语言处理(NLP)领域备受关注,自然语言处理的研究目标是让计算机学会理解和运用人类的自然语言,是人工智能领域中的重要研究方向。近年来,自然语言处理方面的运用层出不穷,如Facebook的SimpleQuestions、百度的文本生成工具逐渐应用于教育领域,以改善教学为目的的阅读理解问题生成、文章摘要生成等技术系统也开始涌现,助力教学效率提升和学生的阅读理解能力训练。
[0003]相比与汉语文教学,藏语文的阅读材料相对较少,更新速度较慢、选择面也较窄,在出阅读理解题目时,采用的方式依然是通过老师人工出题,这导致藏语文阅读教学材料的更新速度难以满足学生的需求,限制了民族地区的藏语教学的发展。
技术实现思路
[0004]本专利技术的目的在于,解决小学藏语文阅读教学材料体裁少、更新速度慢、人工出题量小等问题,推动民族地区藏语教学的发展。
[0005]为实现上述目的,本专利技术提供了一种面向小学藏语文阅读问题自动生成的服务系统,该系统包括藏语阅读语料库构建模型和藏文阅读文本问题生成模型;其中,
[0006]藏语阅读语料库构建模型,通过提取小学藏语文章特征数据,并设计混合的多策略文本筛选模型,构建藏语阅读语料库;
[0007]藏文阅读文本问题生成模型,包括编码端和解码端,其中,编码端使用双向 RNN网络和 ...
【技术保护点】
【技术特征摘要】
1.一种面向小学藏语文阅读问题自动生成的服务系统,其特征在于,包括藏语阅读语料库构建模型和藏文阅读文本问题生成模型;其中,藏语阅读语料库构建模型,通过提取小学藏语文章特征数据,并设计混合的多策略文本筛选模型,构建藏语阅读语料库;藏文阅读文本问题生成模型,包括编码端和解码端,其中,编码端使用双向RNN网络和注意力机制;解码端使用单向RNN网络、注意力机制和复制机制。2.根据权利要求1所述系统,其特征在于,所述藏语阅读语料库构建模型具体用于,以小学藏语文教材(1
‑
6年级)为训练语料,以文章长度、文章体裁、句子数量、平均句长、文章词汇量、词汇覆盖度、冗余度为特征,设计混合的多策略文本筛选模型,并从大规模百科藏文文本中得到适合小学藏语文阅读的材料。3.根据权利要求1所述系统,其特征在于,所述筛选模型中集成了逻辑回归、KNN算法模型以及随机森林模型,设定7个类别,分别代表适合1
‑
6年级阅读和不适合小学阅读,采用绝对多数投票法作为输出策略。4.根据权利要求3所述系统,其特征在于,所述逻辑回归的公式为:f
w,b
(x)=σ(∑
i
w
i
x
i
+b),其中,x
i
表示小学藏语文章的特征,w
i
表示特征所具有的权重,b表示偏置,最终使用对率函数σ(Sigmoid)得到输出f
w,b
(x);对于训练的损失函数,选择了交叉熵损失函数,公式如下:其中,M为类别的数量;y
ic
是指示变量(0或1),如果该类别和样本i的类别相同,y
ic
就是1,否则是0;f
w,b
(x)是逻辑回归的输出,表示某特定类别的概率。5.根据权利要求3所述系统,其特征在于,所述KNN算法模型中,使用欧式距离公式作为不同类别距离的度量公式。公式如下:其中,和为特征的空间坐标,L(x
i
,x
j
)得到的是两个特征的距离大小。在KNN算法中,先将文章特征归一化到共同的特征空间中,然后设置参数k,根据距离计算结果L(x
i
,x
j
),取距离最近的k个特征点,其中哪个类别出现的最多,这个文章就属于这个类别。6.根据权利要求3所述系统,其特征在于,所述随机森林模型,通过对训练集的抽样获得分布不同的训练子集;通过不同的训练子集来训练不同的决策树,随机森林包含训练得到的所有决策树;在做分类任务时遵循“少数服从多数原则”,将决策树分类结果最多的类别作为文章的最终分类结果;其中,决策树使用的是ID3算法,每个决策树用信息增益来获得最优划分属性a,其公式为:
a为类别的属性,v表示类别的划分,在文章分类任务中v=7,表示文章分为7个类别;D表示所有的训练集,D
v
表示第v个类别的数据集;Ent(D
v
)表示第v个类别的数据集的信息熵;Gain(D,a)为信息增益,如果值越大,说明使用属性a来划分的效果越好。7.根据权利要求3所述系统,其特征在于,所述绝对多数投票法的原则是得票过半数才可以得到输出,否则取最小数值作为最终输出,其公式如下:f
i
(x)为模型的分类结果,T为分类模型的数量,如果有一半以上的模型给出了相同结果(if Count(f
i
(x))>0.5T),将这个分类作...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。