[发明专利]一种题目分类方法、装置、电子设备及存储介质

权利要求书

1.一种题目分类方法，其特征在于，所述方法包括：

对获取到的题目数据中的文本、公式和图片分别进行编码，得到所述文本、公式和图片各自对应的特征向量；

将所述文本、公式和图片各自对应的特征向量进行拼接，得到融合特征向量，并将所述融合特征向量输入预先训练好的神经网络分类器，所述神经网络分类器输出题目分类标签。

2.根据权利要求1所述的方法，其特征在于，在对获取到的所述题目数据中的文本、公式和图片分别进行编码之前，所述方法还包括：

基于语法编译器，将所述题目数据中的公式解析成语法树；

相应的，对题目数据中的公式进行编码，得到公式对应的特征向量，包括：

通过树形多层反馈神经网络对输入的所述语法树进行特征提取，将所述语法树编码成公式特征向量；或

根据预设的教研规则在语法树上抽取多个预先定义的特征，并对所述多个预先定义的特征进行独热编码。

3.根据权利要求2所述的方法，其特征在于，所述基于语法编译器，将所述题目数据中公式解析成语法树，包括：

从所述题目数据中提取公式，并将公式转换成预设格式的公式；

基于语法编译器，将转换后的预设格式的公式解析成语法树。

4.根据权利要求1所述的方法，其特征在于，对获取到的所述题目数据中的文本进行编码，包括：

通过多层反馈神经网络或卷积神经网络对输入的文本进行特征提取，将所述文本编码成文本特征向量。

5.根据权利要求1所述的方法，其特征在于，对获取到的所述题目数据中的图片进行编码，包括：

通过卷积神经网络对输入的图片进行特征提取，将所述图片编码成图片特征向量。

6.一种题目分类装置，其特征在于，所述装置包括：

编码模块，用于对获取到的题目数据中的文本、公式和图片分别进行编码，得到所述文本、公式和图片各自对应的特征向量；

分类模块，用于将所述文本、公式和图片各自对应的特征向量进行拼接，得到融合特征向量，并将所述融合特征向量输入预先训练好的神经网络分类器，所述神经网络分类器输出题目分类标签。

7.根据权利要求6所述的装置，其特征在于，所述装置还包括：

解析模块，用于基于语法编译器，将所述题目数据中公式解析成语法树；

相应的，所述编码模块包括公式编码单元，该公式编码单元用于：

通过树形多层反馈神经网络对输入的所述语法树进行特征提取，将所述语法树编码成公式特征向量；或

根据预设的教研规则在语法树上抽取多个预先定义的特征，并对所述多个预先定义的特征进行独热编码。

8.根据权利要求7所述的装置，其特征在于，所述解析模块包括：

提取转换单元，用于从所述题目数据中提取公式，并将其转换成预设格式的公式；

解析单元，用于基于语法编译器，将转换后的预设格式的公式解析成语法树。

9.一种电子设备，其特征在于，所述电子设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的题目分类方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-5中任一所述的题目分类方法。