一种解题方法技术

本发明专利技术公开了一种解题方法

【技术实现步骤摘要】
一种解题方法、装置、设备及存储介质


[0001]本专利技术实施例涉及计算机
，尤其涉及一种解题方法
、
装置
、
设备及存储介质
。

技术介绍

[0002]随着人工智能的发展和普及，人工智能已应用至各行各业中，其中一个应用领域是智能教育
。
[0003]目前其中一种最常用的应用是智能解答，其操作方式是用户拍摄相应的题目图片，通过识别图片中的题目内容，基于题目内容在通过海量题目构建的大题库中搜索，从而找到相应的解答答案
。
[0004]但目前常用的方式有如下技术问题：由于几何题目解答步骤大多数与书本公式强相关，若仅仅通过识别图像进行答案搜索，并未考虑数学知识点的抽象逻辑，容易出现误筛选的情况
。

技术实现思路

[0005]本专利技术实施例提供一种解题方法
、
装置
、
设备及存储介质，能够融合数理逻辑关系，增强生成解题步骤的推理性，得到更准确的解题步骤
。
[0006]第一方面，本专利技术实施例提供了一种解题方法，所述解题方法包括：
[0007]获取数学知识图谱
、
待解答题目的文本信息，以及待解答题目的图像信息；
[0008]根据所述数学知识图谱
、
所述待解答题目的文本信息，以及所述待解答题目的图像信息确定所述待解答题目对应的解题步骤
。
[0009]进一步的，所述根据所述数学知识图谱
、
>所述待解答题目的文本信息，以及所述待解答题目的图像信息确定所述待解答题目对应的解题步骤，包括：
[0010]将所述数学知识图谱
、
所述待解答题目的文本信息，以及所述待解答题目的图像信息输入目标模型，得到所述待解答题目对应的解题步骤，所述目标模型通过目标样本集迭代训练第一融合子模型
、
第二融合子模型和解题子模型得到，所述目标样本集包括：题目样本的文本信息
、
所述题目样本的图像信息
、
所述题目样本的知识点信息以及所述题目样本对应的解题步骤
。
[0011]进一步的，所述通过目标样本集迭代训练第一融合子模型
、
第二融合子模型和解题子模型包括：
[0012]将所述题目样本的文本信息和所述题目样本的图像信息输入所述第一融合子模型，得到预测图文融合特征；
[0013]将所述数学知识图谱和所述预测图文融合特征输入所述第二融合子模型，得到预测激活特征；
[0014]将所述预测激活特征和所述预测图文融合特征输入所述解题子模型，得到预测解题步骤；
[0015]根据所述预测图文融合特征
、
所述预测激活特征
、
所述题目样本的知识点信息
、
所述预测解题步骤以及所述题目样本对应的解题步骤生成的目标函数训练所述第一融合子模型的参数
、
所述第二融合子模型的参数和所述解题子模型的参数；
[0016]返回执行将所述题目样本的文本信息和所述题目样本的图像信息输入所述第一融合子模型，得到所述预测图文融合特征，将所述数学知识图谱和所述预测图文融合特征输入所述第二融合子模型，得到预测激活特征，将所述预测激活特征和所述预测图文融合特征输入所述解题子模型，得到预测解题步骤的操作，直至得到目标模型
。
[0017]进一步的，所述根据所述预测图文融合特征
、
所述预测激活特征
、
所述题目样本的知识点信息
、
所述预测解题步骤以及所述题目样本对应的解题步骤生成的目标函数训练所述第一融合子模型的参数
、
所述第二融合子模型的参数和所述解题子模型的参数，包括：
[0018]根据所述预测激活特征和所述题目样本的知识点信息生成第一目标函数；
[0019]根据所述第一目标函数训练所述第二融合子模型的参数；
[0020]根据所述预测解题步骤和所述题目样本对应的解题步骤生成第二目标函数；
[0021]根据所述第二目标函数训练所述解题子模型的参数；
[0022]根据所述第一目标函数和所述第二目标函数训练所述第一融合子模型的参数
。
[0023]进一步的，所述将所述数学知识图谱和所述预测图文融合特征输入所述第二融合子模型，得到预测激活特征，包括：
[0024]根据所述数学知识图谱确定图谱特征；
[0025]将所述图谱特征和所述预测图文融合特征输入所述第二融合子模型，得到预测激活特征
。
[0026]进一步的，根据所述数学知识图谱确定图谱特征，包括：
[0027]对所述数学知识图谱进行知识图谱特征提取，得到图谱特征
。
[0028]进一步的，根据所述预测激活特征和所述题目样本的知识点信息生成第一目标函数，包括：
[0029]对所述题目样本的知识点信息进行知识图谱特征提取，得到知识点特征；
[0030]根据所述知识点特征和所述预测激活特征的特征余弦相似度生成第一目标函数
。
[0031]第二方面，本专利技术实施例还提供了一种解题装置，该解题装置包括：
[0032]获取模块，用于获取数学知识图谱
、
待解答题目的文本信息，以及待解答题目的图像信息；
[0033]解题步骤确定模块，用于根据所述数学知识图谱
、
所述待解答题目的文本信息，以及所述待解答题目的图像信息确定所述待解答题目对应的解题步骤
。
[0034]进一步的，所述解题步骤确定模块具体用于：
[0035]将所述数学知识图谱
、
所述待解答题目的文本信息，以及所述待解答题目的图像信息输入目标模型，得到所述待解答题目对应的解题步骤，所述目标模型通过目标样本集迭代训练第一融合子模型
、
第二融合子模型和解题子模型得到，所述目标样本集包括：题目样本的文本信息
、
所述题目样本的图像信息
、
所述题目样本的知识点信息以及所述题目样本对应的解题步骤
。
[0036]进一步的，所述解题步骤确定模块具体用于：
[0037]将所述题目样本的文本信息和所述题目样本的图像信息输入所述第一融合子模
型，得到预测图文融合特征；
[0038]将所述数学知识图谱和所述预测图文融合特征输入所述第二融合子模型，得到预测激活特征；
[0039]将所述预测激活特征和所述预测图文融合特征输入所述解题子模型，得到预测解题步骤；
[0040]根据所述预测图文融合特征
、
所述预测激活特征
、
所述题目样本的知识点信息
、
所述预测解题步骤以及所述题目样本对应的解题步骤生成的目标函数训练所述第一融合子模型的参数
、
所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种解题方法，其特征在于，包括：获取数学知识图谱
、
待解答题目的文本信息，以及待解答题目的图像信息；根据所述数学知识图谱
、
所述待解答题目的文本信息，以及所述待解答题目的图像信息确定所述待解答题目对应的解题步骤
。2.
根据权利要求1所述的方法，其特征在于，所述根据所述数学知识图谱
、
所述待解答题目的文本信息，以及所述待解答题目的图像信息确定所述待解答题目对应的解题步骤，包括：将所述数学知识图谱
、
所述待解答题目的文本信息，以及所述待解答题目的图像信息输入目标模型，得到所述待解答题目对应的解题步骤，所述目标模型通过目标样本集迭代训练第一融合子模型
、
第二融合子模型和解题子模型得到，所述目标样本集包括：题目样本的文本信息
、
所述题目样本的图像信息
、
所述题目样本的知识点信息以及所述题目样本对应的解题步骤
。3.
根据权利要求2所述的方法，其特征在于，所述通过目标样本集迭代训练第一融合子模型
、
第二融合子模型和解题子模型包括：将所述题目样本的文本信息和所述题目样本的图像信息输入所述第一融合子模型，得到预测图文融合特征；将所述数学知识图谱和所述预测图文融合特征输入所述第二融合子模型，得到预测激活特征；将所述预测激活特征和所述预测图文融合特征输入所述解题子模型，得到预测解题步骤；根据所述预测图文融合特征
、
所述预测激活特征
、
所述题目样本的知识点信息
、
所述预测解题步骤以及所述题目样本对应的解题步骤生成的目标函数训练所述第一融合子模型的参数
、
所述第二融合子模型的参数和所述解题子模型的参数；返回执行将所述题目样本的文本信息和所述题目样本的图像信息输入所述第一融合子模型，得到所述预测图文融合特征，将所述数学知识图谱和所述预测图文融合特征输入所述第二融合子模型，得到预测激活特征，将所述预测激活特征和所述预测图文融合特征输入所述解题子模型，得到预测解题步骤的操作，直至得到目标模型
。4.
根据权利要求3所述的方法，其特征在于，所述根据所述预测图文融合...

【专利技术属性】
技术研发人员：黄世锋，朱帅，
申请(专利权)人：广州视源人工智能创新研究院有限公司，
类型：发明
国别省市：