[发明专利]一种数学试题知识点自动化标注方法和装置

说明书

一种数学试题知识点自动化标注方法，该标注方法基于深度学习模型，所述标注方法包括步骤：S1：数学试题文本进行预处理，包括分别进行标准化、分词和去停用词处理；S2：准备数学领域语料库，分别按字符级别，词级别训练数学领域词向量；S3：搭建两层TextCNN神经网络模型，输入有标注的数学试题训练样本集，训练该神经网络模型，利用该模型实现对新入题库的数学题目进行知识点自动化标注。

技术领域

本发明属于教学技术领域，特别涉及一种数学试题知识点自动化标注方法和装置。

背景技术

随着人工智能技术的不断发展，深度学习越来越多得被运用于语音识别，图像识别，自然语言处理等方面。深度学习的概念源于人工神经网络的研究，含多隐藏层的多层感知器就是一种深度学习结构。深度学习框架能够学习潜在的数据特征表示，从而找到特征数据与目标数据内在关系。在互联网教育领域，线上题库的建立与维护是“基石”。将新题目录入到题库的过程中，依赖于人工录入，且标注题目相关信息(如题目知识点、考点、难度、题目类型等)。该工作既费时又费力。

发明内容

本发明的实施例提供一种基于深度学习技术的数学试题知识点自动化标注方法和装置，目的在于解决现有的数学题库对于试题无法自动标注知识点的问题。

本发明的实施例之一是，一种数学试题知识点自动化标注方法，该标注方法基于深度学习模型，所述标注方法包括步骤：

S1：数学试题文本进行预处理，包括分别进行标准化、分词和去停用词处理；

S2：准备数学领域语料库，分别按字符级别，词级别训练数学领域词向量；

S3：搭建两层TextCNN神经网络模型，输入有标注的数学试题训练样本集，训练该神经网络模型，利用该模型实现对新入题库的数学题目进行知识点自动化标注。

本发明的实施例之一，一种数学试题知识点自动化标注装置，所述自动化标注装置基于深度学习模型，该装置包括存储器；以及耦合到所述存储器的处理器，该处理器被配置为执行存储在所述存储器中的指令，所述处理器执行以下操作：

S1：数学试题文本进行预处理，包括分别进行标准化、分词和去停用词处理；

S2：准备数学领域语料库，分别按字符级别，词级别训练数学领域词向量；

S3：搭建两层TextCNN神经网络模型，输入有标注的数学试题训练样本集，训练该神经网络模型，利用该模型实现对新入题库的数学题目进行知识点自动化标注。

本发明实施例还包括，一种基于深度学习的数学知识点自动化标注方法，包括如下步骤：

S1：准备标注好知识点的训练样本集，并对数学文本进行预处理。预处理工作具体包括文本标准化，规范化，分词，去停用词，tf-idf进行关键词提取。其中tf-idf算法，基于词频和逆文档率，计算词语得分，反映出该词语在该类文档中的重要性程度；

S2：准备数学领域语料库，分别按字符级别，词级别训练数学领域词向量，将结果保存为{词语/字符：词向量}的字典形式，为之后训练神经网络模型备用；

S3：搭建两层TextCNN神经网络模型，输入有标注的训练样本集，训练模型。具体工作包括模型框架设计，本方法搭建两层TextCNN网络，结构为词嵌入-卷积-池化-卷积-池化-dropout。其中，根据数学语言特点，设计多个不同视野的卷积核采集数学文本信息。词嵌入为预先训练的字符级\词语级的word2vec向量。

在本发明说明书中提到的分词、关键词提取、词嵌入，分别具有如下解释：

分词，针对中文文本无间隔特点，将其以词语单位分开，便于程序输入和后续分析处理。本方法采用jieba分词法，并总结出数学领域专有词表，对数学文本，连同数学表达式，进行分词。