试题识别方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种试题识别方法、装置、计算机设备和存储介质。方法包括；对试题描述文本进行特征提取，得到试题分词对应的特征向量，特征向量按照试题分词在试题描述文本的顺序进行排列，得到试题文本特征序列；对目标试题图片进行特征提取，得到试题图片特征；将试题文本特征序列与试题图片特征进行融合，得到目标融合特征；基于目标融合特征确定试题文本特征序列中各特征向量对应的特征关注强度；基于特征关注强度对试题文本特征序列中的特征向量进行调整，得到目标文本特征序列；基于目标文本特征序列识别得到目标试题对应的目标知识点。其中，可以是基于人工智能模型进行特征提取以及特征融合，采用本方法能够有效提高试题识别结果准确率。题识别结果准确率。题识别结果准确率。

【技术实现步骤摘要】
试题识别方法、装置、计算机设备和存储介质


[0001]本申请涉及计算机
，特别是涉及一种试题识别方法、装置、计算机设备和存储介质。

技术介绍

[0002]随着计算机技术以及互联网技术的发展，不同类别的信息需要进行分类标注，以帮助用户快速筛选出符合自己需求的类别信息。例如，个性化学习系统等教育产品中通过对知识点信息的分类，使得用户能够快速查找到需要查看的某类知识点信息。
[0003]然而，目前的试题识别方式中，通常是基于人工智能模型对试题文本信息进行分类打标签，然而目前的试题识别方式往往识别效果不佳，导致得到的试题识别结果准确率较低。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够有效提高试题识别结果准确率的试题识别方法、装置、计算机设备和存储介质。
[0005]一种试题识别方法，所述方法包括：获取待识别的目标试题中的试题描述文本，以及所述目标试题对应的目标试题图片；所述试题描述文本包括多个试题分词；对所述试题描述文本进行特征提取，得到所述试题分词对应的特征提取向量，所述特征提取向量按本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种试题识别方法，其特征在于，所述方法包括：获取待识别的目标试题中的试题描述文本，以及所述目标试题对应的目标试题图片；所述试题描述文本包括多个试题分词；对所述试题描述文本进行特征提取，得到所述试题分词对应的特征提取向量，所述特征提取向量按照所述试题分词在所述试题描述文本的顺序进行排列，得到试题文本特征序列；对所述目标试题图片进行特征提取，得到试题图片特征；将所述试题文本特征序列与所述试题图片特征进行融合，得到目标融合特征；基于所述目标融合特征确定所述试题文本特征序列中各个所述特征提取向量对应的特征关注强度；基于所述特征关注强度对所述试题文本特征序列中的特征提取向量进行调整，得到目标文本特征序列；基于所述目标文本特征序列进行知识点识别，得到所述目标试题对应的目标知识点。2.根据权利要求1所述的方法，其特征在于，所述将所述试题文本特征序列与所述试题图片特征进行融合，得到目标融合特征包括：获取所述试题文本特征序列对应的文本特征融合参数，利用所述文本特征融合参数对所述试题文本特征序列进行调整，得到调整文本特征序列；获取所述试题图片特征对应的图片特征融合参数，利用所述图片特征融合参数对所述试题图片特征进行调整，得到调整图片特征；将所述调整文本特征序列以及所述调整图片特征进行融合，得到目标融合特征。3.根据权利要求2所述的方法，其特征在于，所述获取所述试题图片特征对应的图片特征融合参数，利用所述图片特征融合参数对所述试题图片特征进行调整，得到调整图片特征包括：获取所述试题文本特征序列对应的目标特征数量，所述目标特征数量为所述试题文本特征序列所包含的特征提取向量的数量；根据所述目标特征数量对所述试题图片特征进行复制，将复制得到的所述目标特征数量的试题图片特征进行排列，得到图片特征序列；利用所述图片特征融合参数对所述图片特征序列进行调整，将调整后的图片特征序列作为调整图片特征。4.根据权利要求3所述的方法，其特征在于，所述将所述调整文本特征序列以及所述调整图片特征进行融合，得到目标融合特征包括：将所述调整文本特征序列中的特征作为目标特征矩阵中，所述调整文本特征序列对应的第一矩阵对象中的矩阵值，得到所述第一矩阵对象；将所述调整图片特征序列中的特征作为目标特征矩阵中，所述调整图片特征序列对应的第二矩阵对象中的矩阵值，得到所述第二矩阵对象；将所述第一矩阵对象以及所述第二矩阵对象所形成的矩阵作为所述目标特征矩阵；基于所述目标特征矩阵得到所述目标融合特征。5.根据权利要求1所述的方法，其特征在于，所述基于所述目标融合特征确定所述试题文本特征序列中各个所述特征提取向量对应的特征关注强度包括：
获取融合特征处理参数，利用所述融合特征处理参数对所述目标融合特征进行处理，得到关注强度向量；所述关注强度向量包括目标特征数量的向量值，所述目标特征数量为所述试题文本特征序列所包含的特征提取向量的数量；将所述关注强度向量中，与所述试题文本特征序列中的特征提取向量排序一致的向量值，作为所述特征提取向量对应的特征关注强度。6.根据权利要求1所述的方法，其特征在于，所述目标试题图片包括第一试题图片，获取所述目标试题对应的目标试题图片的步骤包括：获取所述目标试题对应的内容描述信息，所述内容描述信息描述所述目标试题中各个内容类型所对应的试题内容以及所述试题内容之间的关联关系；根据所述内容描述信息生成所述目标试题对应的第一试题图片；其中，在生成所述第一试题图片时，根据所述试题内容对应的内容类型确定所述试题内容在所述第一试题图片上的展示方式，根据所述试题内容之间的关联关系确定所述试题内容在所述第一试题图片上的展示位置。7.根据权利要求6所述的方法，其特征在于，所述目标试题图片还包括第二试题图片，获取所述目标试题对应的目标试题图片的步骤包括：将所述目标试题中图片格式的试题图片作为所述第二试题图片；所述第一试题图片包括所述试题描述文本以及所述第二试题图片中的图片内容；所述试题图片特征包括第一试题图片特征以及第二试题图片特征；所述对所述目标试题图片进行特征提取，得到试题图片特征包括：将所述第一试题图片输入到融合提取模型中进行特征提取，得到融合所...

【专利技术属性】
技术研发人员：蔡晓凤，叶礼伟，杨晖，孙朝旭，吴嫒博，滕达，孙康明，卢鑫鑫，夏志群，刘萌，覃伟枫，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：