[发明专利]知识点提取方法和装置

权利要求书

1.一种知识点提取方法，其特征在于，包括：

将待处理文本输入知识点分类模型，得到概率向量，所述概率向量包括所述待处理文本属于各个知识点的概率；

根据所述待处理文本和各个知识点的知识点向量，获取相关度向量，所述相关度向量包括所述待处理文本和各个知识点的相关度；

根据所述概率向量和所述相关度向量，获取各个知识点的相关性评分；

根据各个知识点的相关性评分，确定所述待处理文本所属的知识点。

2.根据权利要求1所述的方法，其特征在于，所述将待处理文本输入知识点分类模型之前，所述方法还包括：

构建训练集数据，所述训练集数据包括多个训练样本，每个训练样本包括：题目、所述题目的特征词表以及所述题目的知识点；

构建初始知识点分类模型；

使用所述训练集数据对所述初始知识点分类模型进行训练，得到所述知识点分类模型。

3.根据权利要求2所述的方法，其特征在于，所述构建训练集数据包括：

构建学科词表；

针对题库中每个题目，使用所述学科词表和所述题目进行匹配，得到所述题目的特征词表，所述题库中每个题目、所述题目的特征词表以及所述题目的知识点构成一个训练样本。

4.根据权利要求3所述的方法，其特征在于，所述构建学科词表，包括：

对题目文本进行分词处理，得到第一候选词表，所述题目文本由所述题库中的所有题目构成；

计算所述第一候选词表中每个词的词频-逆文本频率指数TF-IDF；

根据所述第一候选词表中每个词的TF-IDF，获取所述学科词表。

5.根据权利要求4所述的方法，其特征在于，所述根据所述待处理文本和各个知识点的知识点向量，获取相关度向量之前，还包括：

针对每个知识点，从所述题库获取和所述知识点相关的所有题目；

提取所有题目中每个题目的特征向量；

根据每个题目的特征向量，确定所述知识点的知识点向量。

6.根据权利要求1-5任一项所述的方法，其特征在于，所述根据每个题目的特征向量，确定所述知识点的知识点向量，包括：

采用如下公式确定所述知识点的知识点向量：

其中，V_ci为所述知识点的知识点向量，V_Qij表示所述知识点第j个题目的特征向量，n_ci表示所述知识点相关的所有题目的数量。

7.根据权利要求6所述的方法，其特征在于，所述根据所述待处理文本和各个知识点的知识点向量，获取相关度向量，包括：

提取所述待处理文本的特征向量；

针对每个知识点，根据所述待处理文本的特征向量和所述知识点的知识点向量，确定所述待处理文本和所述知识点的相关度，所述待处理文本和各个知识点的相关度构成所述相关度向量。

8.根据权利要求7所述的方法，其特征在于，所述根据所述待处理文本的特征向量和所述知识点的知识点向量，确定所述待处理文本和所述知识点的相关度，包括：

采用如下公式获取确定所述待处理文本和所述知识点的相关度：

Score＝Cosine(Bert(x_q)，V_ci)

其中，Score为所述待处理文本和所述知识点的相关度，Bert(x_q)为待处理文本的特征向量，V_ci为所述知识点的知识点向量。

9.根据权利要求6所述的方法，其特征在于，所述根据所述概率向量和所述相关度向量，获取各个知识点的相关性评分，包括：

采用如下公式获取各个知识点的相关性评分：

其中，V_Mxq为概率向量，V_Sxq为相关度向量，V_score包括各个知识点的相关性评分，为概率向量对应的权重。