【技术实现步骤摘要】
本专利技术涉及数据处理，具体涉及一种评价系数的确定方法、装置、计算机设备及存储介质。
技术介绍
1、目前，学生综合素质评价实践主要以填报式作答方式为主。具体地，通过向各个学生、家长、教师等发送调查问卷的方式，收集学生的状态情况(例如：学习情况、体育情况)等，以达到对学生根据状态情况进行调整。
2、但是，通过填报式作答方式收集学生的状态情况，较为主观，很容易受到社会赞许性影响等情况，可能会导致学生状态情况确定不准确，乃至无法确定的情况，从而无法对学生的状态情况进行调整。
技术实现思路
1、有鉴于此，本专利技术提供了一种评价系数的确定方法、装置、计算机设备及存储介质，以解决通过填报式作答方式收集学生的状态情况，较为主观，很容易受到社会赞许性影响等情况，可能会导致学生状态情况确定不准确，乃至无法确定的情况，从而无法对学生的状态情况进行调整的问题。
2、第一方面，本专利技术提供了一种评价系数的确定方法，该方法包括：获取目标对象的多模态数据；对多模态数据进行处理，确定多模态数据对应的指标特征；基于指标特征以及预设的智能评价系统，确定目标对象对应的评价系数。
3、本实施例提供的评价系数的确定方法，通过对多模态数据进行处理，确定对应的指标特征，然后根据指标特征和预设的智能评价系统，确定目标对象对应的评价系数，相较于通过填报式作答方式收集目标对象的状态情况的方式，通过预设的智能评价系统能够客观且准确地确定目标对象的评价系数。
4、在一个可选的实施方式
5、本实施例提供的评价系数的确定方法，通过按照实际测试确定的历史评价内容、历史评价标准、历史评价类型、历史测评任务、数据埋点以及预设的评价规则，能够构建准确且真实的预设的智能评价系统，从而通过预设的智能评价系统能够客观且准确地确定目标对象的评价系数。
6、在一个可选的实施方式中，基于指标特征以及预设的智能评价系统，确定目标对象对应的评价系数，包括：响应于针对测评任务的选择操作，从历史测评任务中确定目标测评任务；基于目标测评任务以及指标特征，从数据埋点中确定目标数据埋点；基于目标数据埋点，确定指标特征的目标评价类型；基于目标评价类型，从预设的评价规则中确定目标评价规则；基于目标评价规则以及目标评价类型，确定目标对象对应的评价系数。
7、本实施例提供的评价系数的确定方法，通过确定目标测评任务以及指标特征，能够从预设的智能评价系统中确定对应的目标数据埋点，并根据目标数据埋点能够确定目标评价类型，由于预设的智能评价系统为准确且真实的数据，本方法通过目标评价类型以及目标评价规则，能够准确地确定目标对象对应的评价系数。
8、在一个可选的实施方式中，多模态数据包括：文本数据、图像数据以及音频数据中的至少两项；对多模态数据进行处理，确定多模态数据对应的指标特征，包括：基于文本数据，利用transformer架构确定文本数据中各个字对应的文字特征向量；基于图像数据以及音频数据，利用efficientnet模型并结合空间金字塔池化技术，确定图像数据以及音频数据中各个像素对应的像素特征向量：基于文字特征向量以及像素特征向量，确定多模态数据对应的指标特征。
9、本实施例提供的评价系数的确定方法，通过transformer架构能够增强对文本中上下文信息的捕捉能力，从而准确地确定文字特征向量；通过efficientnet模型并结合空间金字塔池化技术，能够提取像素的各尺度最显著的特征，从而准确地确定像素特征向量。
10、在一个可选的实施方式中，在基于文本数据，利用transformer架构确定文本数据中各个字对应的文字特征向量之前，还包括：利用异常检测模型对多模态数据进行异常值处理，确定多模态数据对应的异常数据；将异常数据进行去除，得到目标多模态数据；其中，目标多模态数据包括目标文本数据、目标图像数据以及目标音频数据；基于文本数据，利用transformer架构确定文本数据中各个字对应的文字特征向量，包括：基于文本数据，利用transformer架构确定目标文本数据中各个字对应的目标文字特征向量；基于图像数据和/或音频数据，利用efficientnet模型并结合空间金字塔池化技术，确定图像数据和/或音频数据中各个像素对应的像素特征向量，包括：基于图像数据和/或音频数据，利用efficientnet模型并结合空间金字塔池化技术，确定图像数据和/或音频数据中各个像素对应的目标像素特征向量。
11、本实施例提供的评价系数的确定方法，通过去除异常数据的方式，能够保证目标多模态数据的准确性。
12、在一个可选的实施方式中，还包括：利用图神经网络模型对文字特征向量以及像素特征向量进行关联，生成目标特征向量；基于目标特征向量以及预设的智能评价系统，确定目标对象对应的评价系数。
13、本实施例提供的评价系数的确定方法，通过利用图神经网络模型对文字特征向量以及像素特征向量进行关联的方式，能够确定多模态数据特征的重要性。
14、在一个可选的实施方式中，数据埋点包括以下一项或多项：音频数据、视频数据、图片数据和文字数据。
15、第二方面，本专利技术提供了一种评价系数的确定装置，该装置包括：获取模块，用于获取目标对象的多模态数据；处理模块，用于对多模态数据进行处理，确定多模态数据对应的指标特征；确定模块，用于基于指标特征以及预设的智能评价系统，确定目标对象对应的评价系数。
16、第三方面，本专利技术提供了一种计算机设备，包括：存储器和处理器，存储器和处理器之间互相通信连接，存储器中存储有计算机指令，处理器通过执行计算机指令，从而执行上述第一方面或其对应的任一实施方式的评价系数的确定方法。
17、第四方面，本专利技术提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机指令，计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的评价系数的确定方法。
本文档来自技高网...【技术保护点】
1.一种评价系数的确定方法，其特征在于，包括：
2.根据权利要求1所述的评价系数的确定方法，其特征在于，构建预设的智能评价系统的过程，包括：
3.根据权利要求2所述的评价系数的确定方法，其特征在于，所述基于所述指标特征以及预设的智能评价系统，确定所述目标对象对应的评价系数，包括：
4.根据权利要求1所述的评价系数的确定方法，其特征在于，所述多模态数据包括：文本数据、图像数据以及音频数据中的至少两项；所述对所述多模态数据进行处理，确定所述多模态数据对应的指标特征，包括：
5.根据权利要求4所述的评价系数的确定方法，其特征在于，在基于所述文本数据，利用Transformer架构确定所述文本数据中各个字对应的文字特征向量之前，还包括：
6.根据权利要求4所述的评价系数的确定方法，其特征在于，还包括：
7.根据权利要求2所述的评价系数的确定方法，其特征在于，所述数据埋点包括以下一项或多项：
8.一种评价系数的确定装置，其特征在于，所述装置包括：
9.一种计算机设备，其特征在于，包括：
<...【技术特征摘要】
1.一种评价系数的确定方法，其特征在于，包括：
2.根据权利要求1所述的评价系数的确定方法，其特征在于，构建预设的智能评价系统的过程，包括：
3.根据权利要求2所述的评价系数的确定方法，其特征在于，所述基于所述指标特征以及预设的智能评价系统，确定所述目标对象对应的评价系数，包括：
4.根据权利要求1所述的评价系数的确定方法，其特征在于，所述多模态数据包括：文本数据、图像数据以及音频数据中的至少两项；所述对所述多模态数据进行处理，确定所述多模态数据对应的指标特征，包括：
5.根据权利要求4所述的评价系数的确定方法，其特征在于，在...
【专利技术属性】
技术研发人员：陈丽，郑勤华，柴唤友，王怀波，杜君磊，
申请(专利权)人：北京师范大学，
类型：发明
国别省市：
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。