本发明专利技术公开了选择试题的自动解题方法、装置及电子设备，所述选择试题的自动解题方法包括：获取选择试题的文本结构化数据；基于所述文本结构化数据得到深度学习分类算法的答案及策略算法的答案；综合所述深度学习分类算法的答案、策略算法的答案，生成最终自动解题答案。本发明专利技术针对选择试题的自动解答采用深度学习分类算法、规则策略算法相互结合的方式，综合生成最终自动解题答案，确保选择试题自动解答的可用性及准确性。答的可用性及准确性。答的可用性及准确性。
【技术实现步骤摘要】
选择试题的自动解题方法、装置及电子设备
[0001]本专利技术涉及自然语言处理
，具体的涉及选择试题的自动解题方法、装置及电子设备。
技术介绍
[0002]自然语言通常是指一种自然地随文化演化的语言，例如，英语、汉语、日语为自然语言的例子。自然语言是人类交流和思维的主要工具，自然语言是人类智慧的结晶，因此，在中国，小学至高中阶段，对于自然语言的学习、掌握都是持续不断的。
[0003]为了帮助中、小学生更好的学习和掌握至少一门自然语言，中、小学的训练试题中含有大量的选择试题。以英文的学习为例，英语——作为一种自然语言，是学习最广泛的第二语言，是近60个主权国家的官方语言或官方语言之一，参见图1所示例的一种英语选择试题，包括文本部分和待选选项，文本部分缺少部分单词，通过在待选选项中选择正确的答案使得文本部分完整。
[0004]针对如图1所示例的这一类选择试题，无法进行自动解答，学生在进行选择试题作答时，没有一定知识水平的人员就无法进行辅导。另外，针对选择试题，由于无法进行自动解答所以无法基于自动解答实现自动批改；只能采用基于预先输入标准参考答案的匹配方式实现自动批改，这种方式增加录入标准参考答案的工作量，而且对于选择试题的来源要求较高，老师自动批改使用体验不佳。
[0005]有鉴于此，特提出本专利技术专利。
技术实现思路
[0006]为了解决上述问题，本专利技术提供选择试题的自动解题方法、装置及电子设备，具体地，采用了如下技术方案：
[0007]一种选择试题的自动解题方法，包括：
[0008]获取选择试题的文本结构化数据；
[0009]基于所述文本结构化数据得到深度学习分类算法的答案及策略算法的答案；
[0010]综合所述深度学习分类算法的答案、策略算法的答案，生成最终自动解题答案。
[0011]作为本专利技术的可选实施方式，所述基于所述文本结构化数据得到深度学习分类算法的答案及策略算法的答案，包括：
[0012]针对所述文本结构化数据，进行相应的数据处理，生成统一的标准结构化数据；
[0013]通过深度学习分类算法模型在选择试题的标准结构化数据的候选选项中，选出深度学习分类算法的答案；
[0014]通过预配置的规则策略在选择试题的标准结构化数据的候选选项中，选出策略算法的答案。
[0015]作为本专利技术的可选实施方式，所述的一种选择试题的自动解题方法中，所述通过深度学习分类算法模型在选择试题的标准结构化数据中的候选选项中，选出深度学习分类
算法的答案包括：
[0016]使用基于trasformer的encoder网络结构模型作为基础模型结构；
[0017]基于海量选择试题题库数据针对所述基础模型结构进行预训练，得到深度学习分类算法模型；
[0018]将选择试题的标准结构化数据在所述深度学习分类算法模型的基础上进行二分类模型训练，选出得分最高的候选选项为深度学习分类算法的答案。
[0019]作为本专利技术的可选实施方式，所述的一种选择试题的自动解题方法中，通过预配置的规则策略在选择试题的标准结构化数据的候选选项中，选出策略算法的答案包括：
[0020]预配置一系列顺序执行的规则策略；
[0021]根据所述选择试题的标准结构化数据按配置的顺序依次执行规则策略，若某一规则策略给出结果则返回，停止后续规则策略的执行，并将返回的结果作为策略算法的答案；若按顺序执行完全部规则策略，仍未给出结果则返回“无策略算法的答案”。
[0022]作为本专利技术的可选实施方式，所述的一种选择试题的自动解题方法中，通过预配置的规则策略在选择试题的标准结构化数据的候选选项中，选出策略算法的答案包括：
[0023]根据所述选择试题的标准结构化数据在所述选择试题资源库中进行匹配；
[0024]若匹配成功，则由选择试题资源库中匹配成功的试题资源信息中获取答案，并将获取的答案作为策略算法的答案；若匹配失败，则返回“自动解题失败”信息。
[0025]作为本专利技术的可选实施方式，所述的一种选择试题的自动解题方法中，所述综合所述深度学习分类算法的答案、策略算法的答案，生成最终自动解题答案包括：
[0026]判断所述深度学习分类算法的答案与所述策略算法的答案是否一致，若判断结果为是，则以所述深度学习分类算法的答案或者所述策略算法的答案作为最终自动解题答案；若判断结果为否，则进一步判断所述策略算法是否得到答案，若判断结果为是，则以所述策略算法的答案作为最终自动解题答案，若判断结果为否，则以所述深度学习分类算法的答案作为最终自动解题答案。
[0027]作为本专利技术的可选实施方式，所述的一种选择试题的自动解题方法中，所述综合所述深度学习分类算法的答案、策略算法的答案，生成最终自动解题答案包括：
[0028]预设深度学习分类算法选出答案的参考得分；
[0029]当通过所述深度学习分类算法选出的答案的得分高于或者等于所述参考得分，则直接以所述深度学习分类算法的答案作为最终自动解题答案；
[0030]当通过所述深度学习分类算法选出的答案的得分低于所述参考得分，则进一步判断所述深度学习分类算法的答案与所述策略算法的答案是否一致，若判断结果为是，则以所述深度学习分类算法的答案或者所述策略算法的答案作为最终自动解题答案；若判断结果为否，则返回“自动解题失败”信息。
[0031]作为本专利技术的可选实施方式，所述的一种选择试题的自动解题方法中，所述获取选择试题的文本结构化数据包括：
[0032]接收请求选择试题自动解题请求的输入数据，所述输入数据支持图片数据和文本数据；
[0033]判断所述数据是否为图片数据；
[0034]若判断结果为是，则将图片数据经过ocr识别算法，生成细粒度的文本结构化数
据，若判断结果为否，则将输入的文本数据直接作为选择试题的文本结构化数据。
[0035]作为本专利技术的可选实施方式，所述的一种选择试题的自动解题方法中，所述针对所述文本结构化数据，进行相应的数据处理，生成统一的标准结构化数据包括：
[0036]针对所述文本结构化数据，当判断其含有多道选择试题时，则进行拆题处理，生成多个单道选择试题的文本结构化数据。
[0037]作为本专利技术的可选实施方式，所述的一种选择试题的自动解题方法中，所述针对所述文本结构化数据，进行相应的数据处理，生成统一的标准结构化数据包括：
[0038]针对文本结构化数据进行文本标准化处理，生成统一的标准结构化数据，所述文本标准化处理针对选择试题的文本结构化数据中的试题属性信息、试题内容信息进行标注化处理；
[0039]其中，所述的试题属性信息包括试题ID，和/或主题ID，和/或年级ID，所述的试题内容信息包括试题文本内容和试题选项内容。
[0040]本专利技术同时提供一种选择试题的自动解题装置，包括：
[0041]获取模块，接收请求选择试题自动解题请求的输入数据，获取本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种选择试题的自动解题方法，其特征在于，包括：获取选择试题的文本结构化数据；基于所述文本结构化数据得到深度学习分类算法的答案及策略算法的答案；综合所述深度学习分类算法的答案、策略算法的答案，生成最终自动解题答案。2.根据权利要求1所述的选择试题的自动解题方法，其特征在于，所述基于所述文本结构化数据得到深度学习分类算法的答案及策略算法的答案，包括：针对所述文本结构化数据，进行相应的数据处理，生成统一的标准结构化数据；通过深度学习分类算法模型在选择试题的标准结构化数据的候选选项中，选出深度学习分类算法的答案；通过预配置的规则策略在选择试题的标准结构化数据的候选选项中，选出策略算法的答案。3.根据权利要求2所述的选择试题的自动解题方法，其特征在于，所述通过深度学习分类算法模型在选择试题的标准结构化数据中的候选选项中，选出深度学习分类算法的答案包括：使用基于trasformer的encoder网络结构模型作为基础模型结构；基于海量选择试题题库数据针对所述基础模型结构进行预训练，得到深度学习分类算法模型；将选择试题的标准结构化数据在所述深度学习分类算法模型的基础上进行二分类模型训练，选出得分最高的候选选项为深度学习分类算法的答案。4.根据权利要求2所述的选择试题的自动解题方法，其特征在于，通过预配置的规则策略在选择试题的标准结构化数据的候选选项中，选出策略算法的答案包括：预配置一系列顺序执行的规则策略；根据所述选择试题的标准结构化数据按配置的顺序依次执行规则策略，若某一规则策略给出结果则返回，停止后续规则策略的执行，并将返回的结果作为策略算法的答案；若按顺序执行完全部规则策略，仍未给出结果则返回无策略算法的答案。5.根据权利要求2所述的选择试题的自动解题方法，其特征在于，通过预配置的规则策略在选择试题的标准结构化数据的候选选项中，选出策略算法的答案包括：根据所述选择试题的标准结构化数据在所述选择试题资源库中进行匹配；若匹配成功，则由选择试题资源库中匹配成功的试题资源信息中获取答案，并将获取的答案作为策略算法的答案；若匹配失败，则返回自动解题失败信息。6.根据权利要求1所述的选择试题的自动解题方法，其特征在于，所述综合所述深度学习分类算法的答案、策略算法的答案，生成最终自动解题答案包括：判断所述深度学习分类算法的答案与所述策略算法的答案是否一致，若判断结果为是，则以所述深度学习分类算法的答案或所述策略算法的答案作为最终自动解题答案；若判断结果为否，则进一步判断所述策略算法是否得到答案，若判断结果为是，则以所述策略算法的答案作为最终自动解题答案，若判断结果为否，则以所述深度学习分类算法的答案作为最终自动解题答案。7.根据权利要求1所述的...
【专利技术属性】
技术研发人员：胡科，
申请(专利权)人：北京云思智学科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。