[发明专利]推荐题的超纲检测方法、装置、电子设备和存储介质

权利要求书

1.一种推荐题的超纲检测方法，其特征在于，包括：

确定原题文本，所述原题文本对应的推荐题文本，以及待检测教材版本；

将所述原题文本、所述推荐题文本以及所述待检测教材版本输入至超纲检测模型，得到所述超纲检测模型输出的超纲检测结果；

其中，所述超纲检测模型是基于样本原题文本、所述样本原题文本对应的样本推荐题文本，所述样本推荐题文本的超纲标记，以及各教材版本下的章节对应的文本训练得到的，所述超纲检测模型用于基于注意力机制分析所述原题文本和所述推荐题文本分别与所述待检测教材版本下各章节的相关性，并基于所述相关性确定所述超纲检测结果；

所述基于注意力机制分析所述原题文本和所述推荐题文本分别与所述待检测教材版本下各章节的相关性，包括：

通过注意力机制，基于所述原题文本的隐层向量表示以及 预先存储的待检测教材版本下不同章节对应的文本的隐层向量表示，分析原题文本与待检测教材版本下不同章节之间的相关性，并基于所述推荐题文本的隐层向量表示以及待检测教材版本下不同章节对应的文本的隐层向量表示，分析推荐题文本与待检测教材版本下不同章节之间的相关性；

所述隐层向量表示基于文本中每一分词的词向量确定，用于表征文本特征。

2.根据权利要求1所述的推荐题的超纲检测方法，其特征在于，所述超纲检测模型包括隐层表示层、注意力交互层以及超纲决策层；

对应地，所述将所述原题文本、所述推荐题文本以及所述待检测教材版本输入至超纲检测模型，得到所述超纲检测模型输出的超纲检测结果，具体包括：

将所述原题文本中每一分词的词向量和所述推荐题文本中每一分词的词向量输入至所述隐层表示层，得到所述隐层表示层输出的所述原题文本的隐层向量表示，以及所述推荐题文本的隐层向量表示；

将所述原题文本的隐层向量表示，所述推荐题文本的隐层向量表示，以及所述待检测教材版本输入至所述注意力交互层，得到所述注意力交互层输出的注意力交互特征向量；

将所述注意力交互特征向量输入至所述超纲决策层，得到所述超纲决策层输出的所述超纲检测结果。

3.根据权利要求2所述的推荐题的超纲检测方法，其特征在于，所述注意力交互层包括注意力计算层和特征交互层；

对应地，所述将所述原题文本的隐层向量表示，所述推荐题文本的隐层向量表示，以及所述待检测教材版本输入至所述注意力交互层，得到所述注意力交互层输出的注意力交互特征向量，具体包括：

将所述原题文本的隐层向量表示，所述推荐题文本的隐层向量表示，以及所述待检测教材版本输入至所述注意力计算层，得到所述注意力计算层输出的所述原题文本与所述待检测教材版本的原题相关性分布特征，以及所述推荐题文本与所述待检测教材版本的推荐题相关性分布特征；

将所述原题相关性分布特征，以及所述推荐题相关性分布特征输入至所述特征交互层，得到所述特征交互层输出的注意力交互特征向量。

4.根据权利要求3所述的推荐题的超纲检测方法，其特征在于，所述将所述原题相关性分布特征，以及所述推荐题相关性分布特征输入至所述特征交互层，得到所述特征交互层输出的注意力交互特征向量，具体包括：

基于所述原题相关性分布特征与所述推荐题相关性分布特征的差值、总和以及乘积中的至少一种，确定所述注意力交互特征向量。

5.根据权利要求4所述的推荐题的超纲检测方法，其特征在于，所述基于所述原题相关性分布特征与所述推荐题相关性分布特征的差值、总和以及乘积中的至少一种，确定所述注意力交互特征向量，具体包括：

基于所述原题相关性分布特征与所述推荐题相关性分布特征的差值，确定差距交互特征；

基于所述原题相关性分布特征与所述推荐题相关性分布特征的总和，以及topk算法，确定共性交互特征；

基于所述原题相关性分布特征与所述推荐题相关性分布特征的乘积，以及协同注意力机制，确定相关交互特征；

拼接所述原题相关性分布特征、所述推荐题相关性分布特征、所述差距交互特征、所述共性交互特征以及所述相关交互特征，得到所述注意力交互特征向量。