[发明专利]基于机器智能的题库生产方法及系统

权利要求书

1.一种基于机器智能的题库生产方法，其特征在于，包括：

通过版本还原技术，将试卷的图像文件转换为word文件；

通过自动识别技术，由所述word文件中识别出所述试卷中试题的层次结构；

通过BERT模型，提取所述层次结构中蕴含的知识点。

2.根据权利要求1所述的基于机器智能的题库生产方法，其特征在于，通过版本还原技术，将试卷的图像文件转换为word文件，包括：

对所述图像文件进行预处理；

对预处理后的图像文件进行检测、识别；

对检测、识别得到的结果进行后处理。

3.根据权利要求2所述的基于机器智能的题库生产方法，其特征在于，所述预处理包括：双栏分割、旋转校正、大小调整。

4.根据权利要求2所述的基于机器智能的题库生产方法，其特征在于，对检测、识别得到的结果进行后处理，包括：

根据检测的坐标信息合并识别的文本、Latex公式及图表。

5.根据权利要求1所述的基于机器智能的题库生产方法，其特征在于，通过自动识别技术，由所述word文件中识别出所述试卷中试题的层次结构，包括：

将word文档转换为T语言文件；

将T语言文件输入至Antlr解析模块，获得语法树，所述语法树表示试卷中试题的层次结构；

通过遍历语法树，获得试题集的业务对象json数据结构。

6.根据权利要求1所述的基于机器智能的题库生产方法，其特征在于，所述BERT模型包括：双向Transformer的编码器。

7.根据权利要求6所述的基于机器智能的题库生产方法，其特征在于，所述双向Transformer的编码器包括：多头注意力机制层，以及前馈网络层。

8.根据权利要求1所述的基于机器智能的题库生产方法，其特征在于，所述多头注意力机制层执行如下操作：

从每个编码器的输入向量中生成查询向量、键向量、值向量；

通过查询向量分别与其他所有单词的键向量进行点积计算，得到其他单词对当前单词的打分；

对点积进行缩放处理；

采用softmax进行归一化处理；

通过多头注意力机制，计算注意力值。

9.根据权利要求8所述的基于机器智能的题库生产方法，其特征在于，通过多头注意力机制，计算注意力值，包括：

根据如下公式，计算注意力值：

MultiHead(Q,K,V)＝Concat(head₁,...,head_h)W⁰

其中，head_i＝Attention(QW_i^Q,KW_i^K,VW_i^V)，h表示head的数量，d_q、d_k、d_v分别表示查询向量，键向量和值向量的维度。

10.一种基于机器智能的题库生产系统，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现根据权利要求1至9任意一项所述的基于机器智能的题库生产方法。