【技术实现步骤摘要】
本申请涉及人工智能，特别涉及一种基于文本理解模型的知识点生成方法及系统。
技术介绍
1、离线学习app中的电子教材文本是指在手机或平板等移动设备上使用的教育类应用程序中的电子版教材内容。这些电子教材文本提供了具体课程的学习材料，以便用户随时随地通过app进行学习。
2、以下是离线学习app中电子教材文本的一些特点和功能：课程内容：电子教材文本涵盖各个学科领域的知识点和课程内容。它们可以包括教材章节、习题、实例、案例研究、解析和评论等；多媒体支持：电子教材文本通常支持多媒体元素的插入，例如图像、图表、音频和视频等。这样可以丰富课程内容，提供更生动和交互式的学习体验；搜索和导航：用户可以使用app中的搜索功能来查找特定主题或关键词，并快速跳转到相关内容。此外，电子教材文本还提供目录、书签和跳转链接等导航工具，帮助用户方便地浏览和定位所需信息；个性化学习：一些离线学习app提供个性化学习功能，根据用户的学习进度和兴趣推荐相关内容。电子教材文本可以与用户的学习数据相结合，帮助生成适应个体需求的学习计划和建议；离线访问：由于电子教材文本存储在设备本地，用户可以在无网络连接的情况下随时访问和学习。这对于在没有稳定网络的环境中学习非常有用，同时也提供了更大的灵活性和便利性。通过离线学习app中的电子教材文本，学生可以方便地获取和学习各个学科领域的课程内容。这种形式的教材提供了高度可定制和交互式的学习体验，促进了个性化学习和自主学习的发展。
3、在一些应用场景下，需要对一些电子教材文本进行知识点标注和生成以匹配相关的学习
技术实现思路
1、为改善相关技术中存在的技术问题，本申请提供了一种基于文本理解模型的知识点生成方法及系统。
2、第一方面，本申请实施例提供了一种基于文本理解模型的知识点生成方法，应用于ai文本分析系统，所述方法包括：
3、获得初始离线教育app课堂文本中若干个课堂文本内容块分别对应的内容块分布数据；
4、依据若干个所述课堂文本内容块对应的内容块分布数据，确定每个所述课堂文本内容块的第一上下文关系语义数据，以得到所述初始离线教育app课堂文本对应的第二上下文关系语义数据；
5、将所述第二上下文关系语义数据和所述初始离线教育app课堂文本在知识结构层面下进行文本语义交叉操作，得到对应的文本语义交叉向量；
6、对所述文本语义交叉向量进行知识点向量挖掘，并依据所述第二上下文关系语义数据对知识点向量挖掘所得到的知识点向量在文本逻辑层面进行知识特征衍生处理，得到衍生知识点向量；
7、基于所述衍生知识点向量生成离线教育知识点标注文本，所述离线教育知识点标注文本的知识点特征识别度高于所述初始离线教育app课堂文本的知识点特征识别度。
8、在一些方案下，所述内容块分布数据包括课堂文本内容块在文本语义分布空间中的空间特征变量；所述依据若干个所述课堂文本内容块对应的内容块分布数据，确定每个所述课堂文本内容块的第一上下文关系语义数据，以得到所述初始离线教育app课堂文本对应的第二上下文关系语义数据，包括：
9、依据若干个所述课堂文本内容块各自对应的空间特征变量，确定各所述课堂文本内容块在内容块关系网的文本行维度和文本列维度上分别对应的内容规模权重；
10、对若干个所述课堂文本内容块在文本行维度和文本列维度上分别对应的内容规模权重进行文本映射变换的反变换，得到若干个所述课堂文本内容块中的每个课堂文本内容块在上下文语义空间中对应的第一上下文关系语义数据，以得到所述初始离线教育app课堂文本对应的第二上下文关系语义数据。
11、在一些方案下，所述依据若干个所述课堂文本内容块各自对应的空间特征变量，确定各所述课堂文本内容块在内容块关系网的文本行维度和文本列维度上分别对应的内容规模权重，包括：确定所述初始离线教育app课堂文本的第一文本框尺寸和第二文本框尺寸；获得第一特征空间迁移因子，基于所述初始离线教育app课堂文本的第一文本框尺寸和第二文本框尺寸、若干个所述课堂文本内容块各自对应的空间特征变量和所述第一特征空间迁移因子，确定各所述课堂文本内容块在内容块关系网的文本行维度和文本列维度上分别对应的内容规模权重；
12、所述对若干个所述课堂文本内容块在文本行维度和文本列维度上分别对应的内容规模权重进行文本映射变换的反变换，得到若干个所述课堂文本内容块中的每个课堂文本内容块在上下文语义空间中对应的第一上下文关系语义数据，以得到所述初始离线教育app课堂文本对应的第二上下文关系语义数据，包括：依据第二特征空间迁移因子和若干个所述课堂文本内容块分别在文本行维度、文本列维度上的内容规模权重进行文本映射变换的反变换，得到若干个所述课堂文本内容块中的每个课堂文本内容块在上下文语义空间中对应的第一上下文关系语义数据；基于每个所述课堂文本内容块的第一上下文关系语义数据，生成所述初始离线教育app课堂文本对应的第二上下文关系语义数据。
13、在一些方案下，所述对所述文本语义交叉向量进行知识点向量挖掘，并依据所述第二上下文关系语义数据对知识点向量挖掘所得到的知识点向量在文本逻辑层面进行知识特征衍生处理，得到衍生知识点向量，包括：
14、依据所述文本语义交叉向量进行不同特征等级的知识点向量挖掘，得到不同特征等级的知识点向量；
15、将所述不同特征等级的知识点向量进行基于文本块的按序交叉，得到文本语义梯度优化交叉向量；
16、依据所述第二上下文关系语义数据，对所述文本语义梯度优化交叉向量在文本逻辑层面进行知识特征衍生处理，得到衍生知识点向量。
17、在一些方案下，所述依据所述第二上下文关系语义数据，对所述文本语义梯度优化交叉向量在文本逻辑层面进行知识特征衍生处理，得到衍生知识点向量，包括：
18、将所述文本语义梯度优化交叉向量在文本逻辑层面进行知识特征衍生处理，得到文本逻辑层面调整后的线性知识向量；
19、对所述第二上下文关系语义数据进行语义细粒度挖掘处理，得到对应的整体细粒度数据；
20、依据所述整体细粒度数据，确定所述第二上下文关系语义数据对应的特征空间扰动数据和语义细粒度调整因子；
21、基于所述特征空间扰动数据和语义细粒度调整因子，对所述文本逻辑层面调整后的线性知识向量进行知识扩展操作，得到衍生知识点向量。
22、在一些方案下，所述依据所述整体细粒度数据，确定所述第二上下文关系语义数据对应的特征空间扰动数据和语义细粒度调整因子，包括：
23、获得扰动权重和语义细粒度调整变量，依据所述扰动权重对所述整体细粒度数据进行分布误差确定，得到所述第二上下文关系语义数据对应的特征空间扰动数据；
24、依据所述语义细粒度调整变量对所述整体细粒度数据进行语义细粒度分析，得到所述第二上下文关系语义数据对应的语义细粒度调整因子本文档来自技高网...
【技术保护点】
1.一种基于文本理解模型的知识点生成方法，其特征在于，应用于AI文本分析系统，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述内容块分布数据包括课堂文本内容块在文本语义分布空间中的空间特征变量；所述依据若干个所述课堂文本内容块对应的内容块分布数据，确定每个所述课堂文本内容块的第一上下文关系语义数据，以得到所述初始离线教育APP课堂文本对应的第二上下文关系语义数据，包括：
3.如权利要求2所述的方法，其特征在于，所述依据若干个所述课堂文本内容块各自对应的空间特征变量，确定各所述课堂文本内容块在内容块关系网的文本行维度和文本列维度上分别对应的内容规模权重，包括：确定所述初始离线教育APP课堂文本的第一文本框尺寸和第二文本框尺寸；获得第一特征空间迁移因子，基于所述初始离线教育APP课堂文本的第一文本框尺寸和第二文本框尺寸、若干个所述课堂文本内容块各自对应的空间特征变量和所述第一特征空间迁移因子，确定各所述课堂文本内容块在内容块关系网的文本行维度和文本列维度上分别对应的内容规模权重；
4.如权利要求1所述的方法，其特征在于，所述对所述文本语
5.如权利要求4所述的方法，其特征在于，所述依据所述第二上下文关系语义数据，对所述文本语义梯度优化交叉向量在文本逻辑层面进行知识特征衍生处理，得到衍生知识点向量，包括：
6.如权利要求5所述的方法，其特征在于，所述依据所述整体细粒度数据，确定所述第二上下文关系语义数据对应的特征空间扰动数据和语义细粒度调整因子，包括：
7.如权利要求5所述的方法，其特征在于，所述基于所述特征空间扰动数据和语义细粒度调整因子，对所述文本逻辑层面调整后的线性知识向量进行知识扩展操作，得到衍生知识点向量，包括：
8.如权利要求1-7任一项所述的方法，其特征在于，所述方法通过文本理解网络实现，所述文本理解网络通过调试步骤所得，所述调试步骤包括：
9.一种AI文本分析系统，其特征在于，包括处理器和存储器；所述处理器和所述存储器通信连接，所述处理器用于从所述存储器中读取计算机程序并执行，以实现权利要求1-8任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，其上存储有程序，该程序被处理器执行时实现权利要求1-8任一项所述的方法。
...【技术特征摘要】
1.一种基于文本理解模型的知识点生成方法，其特征在于，应用于ai文本分析系统，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述内容块分布数据包括课堂文本内容块在文本语义分布空间中的空间特征变量；所述依据若干个所述课堂文本内容块对应的内容块分布数据，确定每个所述课堂文本内容块的第一上下文关系语义数据，以得到所述初始离线教育app课堂文本对应的第二上下文关系语义数据，包括：
3.如权利要求2所述的方法，其特征在于，所述依据若干个所述课堂文本内容块各自对应的空间特征变量，确定各所述课堂文本内容块在内容块关系网的文本行维度和文本列维度上分别对应的内容规模权重，包括：确定所述初始离线教育app课堂文本的第一文本框尺寸和第二文本框尺寸；获得第一特征空间迁移因子，基于所述初始离线教育app课堂文本的第一文本框尺寸和第二文本框尺寸、若干个所述课堂文本内容块各自对应的空间特征变量和所述第一特征空间迁移因子，确定各所述课堂文本内容块在内容块关系网的文本行维度和文本列维度上分别对应的内容规模权重；
4.如权利要求1所述的方法，其特征在于，所述对所述文本语义交叉向量进行知识点向量挖掘，并依据所述第二上下文关系语义数据对知识点向量挖掘所...
【专利技术属性】
技术研发人员：黎国权，朱晖，
申请(专利权)人：广东信聚丰科技股份有限公司，
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。