[发明专利]基于文本的自动出题方法、装置及计算机设备

说明书

本申请公开了一种基于文本的自动出题方法、装置及计算机设备，涉及人工智能领域，可以解决目前问题生成存在生成结果受限且准确度低的问题。其中方法包括：基于UniLM模型以及潜在属性解码器构建问题生成模型；利用标注预设问题和对应问题选项的样本文本训练问题生成模型，以使问题生成模型的训练结果符合预设训练标准；将目标文本对应的目标文本段、第一答案选项以及第二答案选项输入至问题生成模型中，获取与第一答案选项匹配的目标问题；输出目标问题，以及与目标问题对应的第一答案选项以及第二答案选项。本申请适用于自动生成与文本内容对应的选择题，可应用于智能问答领域，还可应用在教育实践中，如通过生成与课文相关问题，评估学生学习情况。

技术领域

本申请涉及人工智能领域领域，尤其涉及到一种基于文本的自动出题方法、装置及计算机设备。

背景技术

得益于文本生成领域的研究发展，问题生成任务也能够更有效地投入实际应用中。问题生成的任务是从各种输入，如原始文本、数据库或其他语义表征中自动生成问题以及对应选项的一类任务，它属于自然语言文本生成中的一类任务。人类能够提出丰富的、有启发性的问题。而对于机器来说，在给定特定输入时，要能够提出类似的问题，还是一个具有挑战性的难题。近年来，随着深度学习地快速发展，自然语言文本生成领域的研究也取得了巨大地进步，研究者们从使用编解码器结构的序列到序列模型，逐渐发展为使用基于大量外部数据上预训练的语言模型，来提升文本生成的质量。

目前采用的问题生成方式，主要是针对各类场景预先设置目标问题，通过语义分析筛选出与文本对应匹配的目标问题，然而这种问题生成方式会使结果受制于预先设置的问题模板数量及质量，导致匹配精度较低，且使用户体验不佳。

发明内容

有鉴于此，本申请提供了一种基于文本的自动出题方法、装置及计算机设备，主要解决目前采用的问题生成方式，导致生成结果受限且准确度低的问题。

根据本申请的一个方面，提供了一种基于文本的自动出题方法，该方法包括：

基于UniLM模型以及潜在属性解码器构建问题生成模型；

利用标注预设问题和对应问题选项的样本文本训练所述问题生成模型，以使所述问题生成模型的训练结果符合预设训练标准；

将目标文本对应的目标文本段、第一答案选项以及第二答案选项输入至所述问题生成模型中，获取与所述第一答案选项匹配的目标问题；

输出所述目标问题，以及与所述目标问题对应的所述第一答案选项以及所述第二答案选项。

优选地，所述利用标注预设问题和对应问题选项的样本文本训练所述问题生成模型，以使所述问题生成模型的训练结果符合预设训练标准，包括：

生成所述样本文本对应的特征向量；

利用所述问题生成模型中的编码器和解码器对所述特征向量进行学习，确定所述样本文本中各个字符的目标属性，并基于所述目标属性训练生成预设问题；

利用负对数似然对应的损失函数对所述问题生成模型的训练结果进行验证，当判定所述损失函数的计算结果小于预设阈值时，则判定所述问题生成模型的训练结果符合预设训练标准。

优选地，所述在将目标文本对应的目标文本段、第一答案选项以及第二答案选项输入至所述问题生成模型中，获取与所述第一答案选项匹配的目标问题之前，包括：

基于目标文本提取出第一答案选项以及与所述第一答案选项关联的第二答案选项；

根据所述第一答案选项划分目标文本段。

优选地，所述基于目标文本提取出第一答案选项以及与所述第一答案选项关联的第二答案选项，包括：

提取所述目标文本中的各个命名实体，并利用各个所述命名实体构建答案候选集；