[发明专利]知识点预测方法及装置、存储介质、电子设备有效
| 申请号： | 201711048333.1 | 申请日： | 2017-10-31 |
| 公开（公告）号： | CN107967254B | 公开（公告）日： | 2021-05-04 |
| 发明（设计）人： | 张丹;苏喻;李佳;高明勇;刘青文;王瑞;胡国平 | 申请（专利权）人： | 科大讯飞股份有限公司 |
| 主分类号： | G06F40/30 | 分类号： | G06F40/30;G06F40/289;G06F40/205;G06Q10/04;G06Q50/20 |
| 代理公司： | 北京维澳专利代理有限公司 11252 | 代理人： | 王立民 |
| 地址： | 230000 安徽省*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 知识点 预测 方法 装置 存储 介质 电子设备 | ||
1.一种知识点预测方法，其特征在于，利用预先构建的知识点预测模型确定待预测试题qt含有的知识点，所述方法包括：
所述知识点预测模型提取所述待预测试题qt的深层语义信息QDqt、以及知识点集合中每个知识点kj的教研经验的深层语义信息JDkj，所述知识点的教研经验为该知识点在试题中的描述，1≤j≤m，m为所述知识点集合包括的知识点的数目；
通过注意力机制获得所述QDqt与所述JDkj之间的相似度Wqtkj，并基于所述JDkj与所述Wqtkj计算教研经验对所述待预测试题qt的重要程度Cqt；
利用所述QDqt与所述Cqt预测所述待预测试题qt含有的知识点。
2.根据权利要求1所述的方法，其特征在于，所述知识点在试题中的描述包括词语、短句、公式中的至少一种。
3.根据权利要求1所述的方法，其特征在于，所述提取待预测试题qt的深层语义信息QDqt，包括：
从所述待预测试题qt的题面和/或答案和/或解析中提取文本信息Fqt；
将所述Fqt的向量化表示作为输入，经由带卷积和池化的深层神经网络后提取出所述QDqt。
4.根据权利要求3所述的方法，其特征在于，所述从所述待预测试题qt的题面和/或答案和/或解析中提取文本信息Fqt，包括：
切割所述待预测试题qt的题面和/或答案和/或解析中的文字和公式；
利用带有学科词典和停用词的分词器，对切割得到的文字进行分词处理，并将切割得到的公式解析成为树状结构，从所述树状结构中抽取公式特征；
按照在所述待预测试题qt中的位置，将所述分词处理的结果和所述公式特征顺序组合，得到所述文本信息Fqt。
5.根据权利要求1所述的方法，其特征在于，所述知识点kj的教研经验的深层语义信息JDkj，包括：
获取针对所述知识点kj预先标注的教研经验Jkj；
将所述Jkj的向量化表示作为输入，经由带卷积和池化的深层神经网络后提取出所述JDkj。
6.根据权利要求1所述的方法，其特征在于，所述通过注意力机制获得所述QDqt与所述JDkj之间的相似度Wqtkj，包括：
通过带有注意力机制的前向神经网络获得所述QDqt与所述JDkj之间的相似度Wqtkj。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于科大讯飞股份有限公司，未经科大讯飞股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201711048333.1/1.html，转载请声明来源钻瓜专利网。
