作业批改方法、系统、可读介质及电子设备技术方案

本公开人工智能技术领域，具体地，涉及一种作业批改方法、系统、可读介质及电子设备。本公开提供的作业批改方法、系统、可读介质及电子设备，针对每一个题目训练一个属于该题目的模型，在接收到目标用户的作业图片后，对作业图片按题目进行切分，得到多个作业子图片，将每个作业子图片转发至与该作业子图片包括的题目对应的模型进行批改，得到每个作业子图片的批改结果，将该作业图片的所有作业子图片的批改结果汇总后，即可得到该作业图片的批改结果，提高了AI批改的准确率。并且，在模型部署时，根据目标用户的课表，动态管理各个模型的上线和下线状态，提前启动需要使用的模型，并下线不需要使用的模型，释放了计算资源。释放了计算资源。释放了计算资源。

【技术实现步骤摘要】
作业批改方法、系统、可读介质及电子设备


[0001]本公开涉及人工智能
，具体地，涉及一种作业批改方法、系统、可读介质及电子设备。

技术介绍

[0002]随着人工智能技术和大数据技术的迅速发展和快速成熟，作业批改这项工作逐渐开始由AI(Artificial Intelligence，人工智能)批改取代人工批改，AI批改不仅能解放教师和家长的工作量，还为后续自适应学习提供技术和数据支撑与新业务可能性。
[0003]但是，AI算法对于手写字符的识别准确率始终还不能达到印刷体识别一样的精度，所以目前市面上进行AI自动批改的业务场景，更多的是聚焦于批改客观题或简单数学算式题的单步骤(题目及手写作答涉及的字符范围和字符变化情况相对简单)，而对于主观题的批改仍然倾向于使用人工批改。

技术实现思路

[0004]本公开的目的是提供一种能提高AI批改作业准确率的作业批改方法、系统、可读介质及电子设备，以解决AI批改作业准确率不高的问题。
[0005]为了实现上述目的，本公开提供一种作业批改方法，所述方法包括：
[0006]根据目标用户的课表获取每日需要批改的至少一个目标题目的身份标识；
[0007]每日根据所述至少一个目标题目的身份标识在模型池内拉起对应的至少一个目标模型，并下线服务时间结束的模型，其中，所述模型池内存储多个模型，每个所述模型与一个题目及该题目的身份标识相对应；
[0008]接收所述目标用户发送的作业图片，对所述作业图片进行切分，得到至少一个作业子图片，每个所述作业子图片包括一个题目和该目标用户对该题目的作答；
[0009]根据每个所述作业子图片包括的题目的身份标识，将每个所述作业子图片转发至与所述身份标识对应的目标模型进行批改，得到每个所述作业子图片的批改结果；
[0010]将每个所述作业子图片的批改结果汇总后，得到所述作业图片的批改结果并返回给所述目标用户。
[0011]可选地，所述模型池内的每个模型是通过以下方式训练得到的：
[0012]针对每个所述模型，创建一个工作流，将与该模型对应的题目的多个作答图片导入所述工作流中，每个作答图片包括该题目和对该题目的作答；
[0013]对每个所述工作流建立标注人员权限，并接收有权限的标注人员对每个所述作答图片的标注结果，将每个所述作答图片的标注结果和该作答图片作为训练样本，增加到与该工作流对应的训练集内；
[0014]对所述训练集进行训练，得到该模型。
[0015]可选地，所述方法还包括：
[0016]根据每个所述作业子图片包括的题目的身份标识，将每个所述作业子图片和该作
业子图片的批改结果导入对应的工作流；
[0017]针对每个所述作业子图片的批改结果，接收对该工作流有权限的标注人员的审批，将每个所述作业子图片审批后的批改结果和该作业子图片作为训练样本，增加到与该工作流对应的训练集内。
[0018]可选地，所述对所述训练集进行训练，得到该模型的步骤包括：
[0019]在所述训练集内的训练样本数达到第一预设阈值时，不加载预置模型，对所述训练集进行全量训练，得到该模型；和/或，
[0020]在所述训练集内新增训练样本数达到第二预设阈值时，加载前次训练得到的模型，对所述训练集内新增训练样本进行训练，得到该模型。
[0021]本公开还提供一种作业批改系统，所述系统包括：
[0022]管理模块，用于根据目标用户的课表获取每日需要批改的至少一个目标题目的身份标识；
[0023]模型部署模块，用于每日根据所述至少一个目标题目的身份标识在模型池内拉起对应的至少一个目标模型，并下线服务时间结束的模型，其中，所述模型池内存储多个模型，每个所述模型与一个题目及该题目的身份标识相对应；
[0024]切题模块，用于接收所述目标用户发送的作业图片，对所述作业图片进行切分，得到至少一个作业子图片，每个所述作业子图片包括一个题目和该目标用户对该题目的作答；
[0025]模型批改模块，用于根据每个所述作业子图片包括的题目的身份标识，将每个所述作业子图片转发至与所述身份标识对应的目标模型进行批改，得到每个所述作业子图片的批改结果；
[0026]汇总模块，用于将每个所述作业子图片的批改结果汇总后，得到所述作业图片的批改结果并返回给所述目标用户。
[0027]可选地，所述系统还包括：
[0028]工作流创建模块，用于针对每个所述模型，创建一个工作流，将与该模型对应的题目的多个作答图片导入所述工作流中，每个作答图片包括该题目和对该题目的作答；
[0029]标注模块，用于对每个所述工作流建立标注人员权限，并接收有权限的标注人员对每个所述作答图片的标注结果，将每个所述作答图片的标注结果和该作答图片作为训练样本，增加到与该工作流对应的训练集内；
[0030]模型训练模块，用于对所述训练集进行训练，得到该模型。
[0031]可选地，所述系统还包括：
[0032]作业子图片导入模块，用于根据每个所述作业子图片包括的题目的身份标识，将每个所述作业子图片和该作业子图片的批改结果导入对应的工作流；
[0033]半自动标注模块，用于针对每个所述作业子图片的批改结果，接收对该工作流有权限的标注人员的审批，将每个所述作业子图片审批后的批改结果和该作业子图片作为训练样本，增加到与该工作流对应的训练集内。
[0034]可选地，所述模型训练模块具体用于：
[0035]在所述训练集内的训练样本达到第一预设阈值时，不加载预置模型，对所述训练集进行全量训练，得到该模型；和/或，
[0036]在所述训练集内新增训练样本达到第二预设阈值时，加载前次训练得到的模型，对所述训练集内新增训练样本进行训练，得到该模型。
[0037]本公开还提供一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述方法的步骤。
[0038]本公开还提供一种电子设备，包括：
[0039]存储器，其上存储有计算机程序；
[0040]处理器，用于执行所述存储器中的所述计算机程序，以实现上述方法的步骤。
[0041]通过上述技术方案，每一个题目对应一个属于该题目的模型，提高了AI批改的准确率。并且，根据目标用户的课表，动态管理各个模型的上线和下线状态，提前启动需要使用的模型，并下线不需要使用的模型，释放了计算资源。
[0042]本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
[0043]附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：
[0044]图1是本公开实施例提供的一种作业批改方法的流程图。
[0045]图2是本公开实施例提供的一种作业批改系统的方框示意图。
[0046]图3是本公开实施例提供的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种作业批改方法，其特征在于，所述方法包括：根据目标用户的课表获取每日需要批改的至少一个目标题目的身份标识；每日根据所述至少一个目标题目的身份标识在模型池内拉起对应的至少一个目标模型，并下线服务时间结束的模型，其中，所述模型池内存储多个模型，每个所述模型与一个题目及该题目的身份标识相对应；接收所述目标用户发送的作业图片，对所述作业图片进行切分，得到至少一个作业子图片，每个所述作业子图片包括一个题目和该目标用户对该题目的作答；根据每个所述作业子图片包括的题目的身份标识，将每个所述作业子图片转发至与所述身份标识对应的目标模型进行批改，得到每个所述作业子图片的批改结果；将每个所述作业子图片的批改结果汇总后，得到所述作业图片的批改结果并返回给所述目标用户。2.根据权利要求1所述的方法，其特征在于，所述模型池内的每个模型是通过以下方式训练得到的：针对每个所述模型，创建一个工作流，将与该模型对应的题目的多个作答图片导入所述工作流中，每个作答图片包括该题目和对该题目的作答；对每个所述工作流建立标注人员权限，并接收有权限的标注人员对每个所述作答图片的标注结果，将每个所述作答图片的标注结果和该作答图片作为训练样本，增加到与该工作流对应的训练集内；对所述训练集进行训练，得到该模型。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：根据每个所述作业子图片包括的题目的身份标识，将每个所述作业子图片和该作业子图片的批改结果导入对应的工作流；针对每个所述作业子图片的批改结果，接收对该工作流有权限的标注人员的审批，将每个所述作业子图片审批后的批改结果和该作业子图片作为训练样本，增加到与该工作流对应的训练集内。4.根据权利要求2或3所述的方法，其特征在于，所述对所述训练集进行训练，得到该模型的步骤包括：在所述训练集内的训练样本数达到第一预设阈值时，不加载预置模型，对所述训练集进行全量训练，得到该模型；和/或，在所述训练集内新增训练样本数达到第二预设阈值时，加载前次训练得到的模型，对所述训练集内新增训练样本进行训练，得到该模型。5.一种作业批改系统，其特征在于，所述系统包括：管理模块，用于根据目标用户的课表获取每日需要批改的至少一个目标题目的身份标识；模型部署模块，用于每日根据所述至少一个目标题目的身份标识在模型池内拉起对应的至少一个目标模型，并下线服务时间结束的模型...

【专利技术属性】
技术研发人员：郝双，韩志荣，梅子文，吴兴微，史普力，张飞飞，
申请(专利权)人：北京开拓鸿业高科技有限公司，
类型：发明
国别省市：