[发明专利]一种试题自动标注录入方法

说明书

本发明涉及一种试题自动标注录入方法，包括：将word试题文档自动转换成对应的html文档并存储所述html文档；自动提取html文档的文本内容；采用统计模型中的n元语法模型对所述文本内容进行词语分割，使用隐马尔可夫模型对分割后的词语进行词性标注；对标注好词性的词语进行试题特征提取，判断所述词语的特征是否与预设的试题关键字的特征对应，是则对所述词语进行关键字标注及标记所述词语在文本中的位置；根据题号关键字对试题进行逐题分割；根据逐题分割好的关键字及所述关键字在文本中的位置在试题构造模块中对试题进行组装，将组装好的试题存储到对应的位置。本发明有效地提高了试题自动录入的准确率，同时解决了无法自动录入带有图片或公式的问题。

技术领域

本发明涉及在线考试领域，具体涉及一种试题自动标注录入方法。

背景技术

随着网络技术的发展，越来越多的教育培训机构采用线上考试的方式，为了适应考试规模化、科学化和标准化，建立试题库是适应考试规模化、科学化和标准化的核心，而建立试题库的第一个必不可少的环节就是试题的录入。

现有的试题录入的方法有通过人工将试题录入和基于正则表达式的录入，人工录入通常是在特定的试题录入系统网页中包含有多个文本框，需分别录入相对应的内容，如一道试题的题干、答案、选项、解析等等，如果试题中包括图片和公式则还需要通过点击插入图片或公式按钮的方式进行录入，然而采用人工录入试题的方式比较繁琐，当试题数量较多时录入需要花费大量的时间，不能实现试题的批量录入。而基于正则表达式的录入方式通常采用正则表达式来提取试题中的各部分内容，由于同一类型的试题的上下结构类似，可以分别编写正则表达式来提取题干、答案、选项、解析等，进而实现试题的录入功能，但是，基于正则表达式的试题录入虽然能将试题的各个部分内容提取出来，但是此方式对源word文档中的试题格式有着严格的要求，而不同的人有着不同的编写试题的习惯，对试题格式难以统一，再者，一旦试题中含有和分割规则一致的内容时，就会被标注导致分割试题出错，如试题题干中包含有A、B、C、D字母时，可能会标注为选择题的选项，基于正则表达式的试题录入方法分割试题录入的准确度低、实用性也不高，此外，这种方式主要应用于纯文本类型的试题，无法用来提取录入包含有图片或公式的试题。

发明内容

本发明旨在克服上述现有技术中至少一种缺陷，提供一种试题自动标注录入方法，能够实现试题的批量录入且提高试题录入的准确率。

本发明采取的技术方案是：

提供一种试题自动标注录入方法，包括：

S1.接收word试题文档，将word试题文档自动转换成对应的html文档并存储所述html文档；

S2.自动提取html文档的文本内容；

S3.对所述提取的文本内容进行词语分割及对分割后的词语进行词性标注并标注词语在文本中的位置；

S4.对所述标注好词性的词语进行试题特征提取，判断所述词语的特征是否与预设的试题关键字的特征对应，是则对所述词语进行关键字标注，将标注为关键字的词语作为确定的关键字；

S5.根据确定的关键字对试题进行逐题分割，并存储每道试题的关键字；

S6.根据逐题分割好的关键字及所述关键字在文本中的位置在试题构造模块中对试题进行组装，并根据关键字及所述关键字在文本中的位置将组装好的试题存储到对应的位置。

通过将word文档转换成html文档进行处理，可以完整的保存试题中的图片和公式，解决了无法自动录入带有图片或公式的试题文档的问题；通过采用统计模型对试题文本进行词语分割，并对分割后的词语进行词性标注，用词性作为辅助判断条件提取试题特征关键字，从而提高了试题自动分割的准确度。