[发明专利]基于AI识别的答案确定方法、装置、电子设备及介质

权利要求书

1.一种基于AI识别的答案确定方法，其特征在于，所述基于AI识别的答案确定方法包括：

获取待确定试题，并确定所述待确定试题的试题类型，所述待确定试题包括题干及多个选项；

当所述试题类型为近义词试题类型时，确定所述待确定试题中的短语数量；

根据所述短语数量确定所述待确定试题所属的词汇类型，所述词汇类型包括第一类型、第二类型及第三类型；

当所述词汇类型为所述第一类型时，将所述题干及所述多个选项输入至预先训练的Bert模型中，得到所述题干与每个选项的相似度；或者

当所述词汇类型为所述第二类型时，将所述题干中的目标词汇及所述多个选项转换为GloVe词向量，并将所述题干及所述多个选项转换为FastText词向量，基于所述GloVe词向量及所述FastText词向量计算所述题干与每个选项的相似度；或者

当所述词汇类型为所述第三类型时，确定目标试题的目标语种，基于所述目标语种获取所述题干及所述多个选项的第一词向量，将所述目标试题翻译成除所述目标语种外的其他语种，基于所述其他语种获取所述题干及所述多个选项的第二词向量，利用所述第一词向量及所述第二词向量计算所述题干与每个选项的相似度；

将相似度最高的选项确定为所述待确定试题的答案。

2.如权利要求1所述的基于AI识别的答案确定方法，其特征在于，所述确定所述待确定试题的试题类型包括：

获取预设标识；

检测所述待确定试题中是否存在所述预设标识；

当所述待确定试题中存在所述预设标识时，确定所述待确定试题为所述近义词试题类型；

当所述待确定试题中不存在所述预设标识时，确定所述待确定试题为其他试题类型。

3.如权利要求1所述的基于AI识别的答案确定方法，其特征在于，所述确定所述待确定试题中的短语数量包括：

从所述题干中提取与预设标签对应的信息，作为目标词汇；

计算所述目标词汇及每个选项中的单词数量；

根据所述单词数量确定所述目标词汇与所述多个选项的单词总量；

确定所述多个选项的数量，得到选项数量；

将所述单词总量与所述选项数量进行差运算，并将差运算结果减一，得到所述短语数量。

4.如权利要求1所述的基于AI识别的答案确定方法，其特征在于，所述根据所述短语数量确定所述待确定试题所属的词汇类型包括：

当所述短语数量为第一预设阈值时，将所述待确定试题所属的词汇类型确定为所述第一类型；或者

当所述短语数量大于所述第一预设阈值，及所述短语数量小于或者等于第二预设阈值时，将所述待确定试题所属的词汇类型确定为所述第二类型；或者

当所述短语数量大于所述第二预设阈值，及所述短语数量小于或者等于第三预设阈值时，将所述待确定试题所属的词汇类型确定为所述第三类型；或者

当所述短语数量大于所述第三预设阈值时，将所述待确定试题所属的词汇类型确定为其他类型。

5.如权利要求1所述的基于AI识别的答案确定方法，其特征在于，在将所述题干及所述多个选项输入至预先训练的Bert模型中之前，所述基于AI识别的答案确定方法还包括：

获取QQP数据集上的句子对，及获取所述句子对对应的标签；

组合MLM机制及NSP机制，得到语义向量网络层；

利用所述语义向量网络层计算所述句子对，得到具有上下文语义信息的语义向量；

通过预先构建的相似度计算网络层对所述语义向量进行计算，得到所述句子对的相似度；

根据所述句子对的相似度及所述标签优化所述语义向量网络层及所述相似度计算网络层，得到学习器；

确定所述待确定试题的来源；

从所述来源中获取预设数量的试题，并利用所述试题对所述学习器进行微调，得到所述Bert模型。