[发明专利]题目答案选取方法、装置及电子设备

权利要求书

1.一种题目答案选取方法，其特征在于，该方法包括：

获取用户上传的题目信息，将所述题目信息拆分成一个或多个小节；

提取每个所述小节的关键信息；

根据所述小节的内容，确定每个所述小节属于提示信息还是问题，并在所述小节属于问题时判断所述小节对应的问题类型；

对于属于问题的每个小节，基于所述题目信息、所述小节的关键信息以及所述小节对应的问题类型选取与所述小节的问题匹配度最高的答案。

2.如权利要去1所述的题目答案选取方法，其特征在于，所述问题题型至少包括下述中的至少一项：

数值求解问题，判断类型问题，没有固定答案的开放型问题，非文字描述问题。

3.如权利要去1所述的题目答案选取方法，其特征在于，

将所述一个或多个小节输入关键信息提取模型获取每个所述小节的关键信息；

将所述一个或多个小节输入题型判断模型确定每个所述小节属于提示信息还是问题，如果是问题时还输出问题类型；

其中，可选地，所述关键信息提取模型为基于深度学习的TextCNN神经网络模型，

其中，可选地，所述题型判断模型为基于深度学习的TextCNN神经网络模型。

4.如权利要求1所述的题目答案选取方法，其特征在于，所述获取用户上传的题目信息，包括：

接收用户上传的图片文件；将所述图片文件输入题目信息提取模型，所述题目信息提取模型输出图片文件中的题目信息。

5.如权利要求1所述的题目答案选取方法，其特征在于，所述将所述题目信息拆分成一个或多个小节，包括：

将所述题目信息输入分隔符判断模型，所述分隔符判断模型输出所述题目信息中分隔符的标签，所述标签包括断句和非断句；

基于所述分隔符的标签将所述题目信息拆分成一个或多个小节。

6.如权利要求5所述的题目答案选取方法，其特征在于：所述分隔符判断模型为序列标注模型，包括输入层、编码层以及输出层；

可选地，所述编码层采用双向长短记忆网络LSTM编码器，所述输出层采用序列化标注算法CRF。

7.一种题目检索方法，其特征在于，该方法包括：

上传题目信息，所述题目信息包括多个小问；

接收服务器根据如权利要求1-6中任一所述的方法所获得的针对每一小节检索的答案。

8.一种基于关键信息的答案选取装置，其特征在于，装置包括：

信息提取模块，用于获取用户上传的题目信息，并将所述题目信息拆分成一个或多个小节；

关键信息提取模块，用于提取每个所述小节的关键信息；

问题类型确定模块，用于根据所述小节的内容，确定每个所述小节属于提示信息还是问题，并在所述小节属于问题时判断所述小节对应的问题类型；

答案选取模块，用于基于所述题目信息、所述小节对应的关键信息以及所述小节对应的问题类型选取与所述小节的问题匹配度最高的答案。

9.一种电子设备，其特征在于，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1-6中任一所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。