[发明专利]题目答案选取方法、装置及电子设备

说明书

本发明属于数据信息处理技术领域，提供一种基于关键信息的题目答案选取方法、装置、电子设备和记录介质，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从多个答案中选取与所述小节的问题匹配度最高的答案。本发明将应用题细化成一个个小题，确定小题的问题类型和关键信息，从答案库中选取最合理的答案，答案的准确度得到提高，用户使用体验更好。

技术领域

本发明属于数据信息处理技术领域，特别适用于在线教育服务中的数据信息处理，更具体的是涉及基于关键信息的题目答案选取方法、装置及电子设备。

背景技术

在传统的教学方式中，学生完成作业、考试试卷后都是由老师进行人工评判，效率相对较慢，学生无法第一时间获知自己答题是否正确。

随着互联网技术的发展，目前逐渐出现各种拍照搜题的应用，使得学生在自主进行学习、做题时，不用等待老师评判，通过拍照就能够获取试题的答案和解题过程，及时判断自己做的是否正确。

但现在答案库中收集了数量非常多的试题以及答案，有些试题对应了多个答案，比如“小明今年7岁，爸爸比小明大26岁，爸爸今年几岁了？”答案包括“33岁”和“7+26＝33”，此时系统不知道哪个答案更合理更准确，有可能给出的答案不完全正确或者不能精准对应，给用户的体验不好。

发明内容

(一)要解决的技术问题

本发明旨在解决现有答案库中存在一个试题对应多个答案时，可能给出的答案不完全正确或匹配不精准，导致用户的体验不好的问题。

(二)技术方案

为解决上述技术问题，本发明的一方面提出一种题目答案选取方法，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各小节的问题匹配度最高的答案。

在本发明的一种示例性实施例中，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。

在本发明的一种示例性实施例中，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对应的问题类型；

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。

在本发明的一种示例性实施例中，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。

在本发明的一种示例性实施例中，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；