[发明专利]高质数据的挖掘方法、生产方法和系统

说明书

一种高质数据的挖掘方法、生产方法和系统。所述高质数据的挖掘方法，包括如下步骤：基于周期性特征，和/或，基于当前热点的相同簇或近似簇，来预估得到高质试题的相关数据信息。本发明的挖掘系统将所述挖掘方法与众包平台相结合。本发明通过预估高质试题的相关数据信息，提前生产高质试题，提高拍照试题的准召率；本发明的A/B档投产方式更适合高质试题的生产，可以更好地集中众包用户资源，更好保证生产的投资回报率。

技术领域

本发明属于网络教育技术领域，尤其是机器学习辅助技术领域，更具体的是涉及一种高质数据的挖掘方法、生产方法和系统。

背景技术

随着网络和人工智能的发展，网络教育越来越普及，而网络教育中人工智能和机器学习的运用也越来越普遍。尤其是试题类的网络教育中，由于可能涉及海量的试题，原始的那种一题一答案的模式很难适应形势的发展，于是机器学习技术大力发展，能够尽量将各种类型的题进行各种归类解答，简化题库的开发和解答的难度。

近年来，图像识别技术的发展，则使试题型网络教育出现了一种新的形式，即采用拍照的形式上传试题去搜索答案，由于试题库的先天不足，不可能预先将所有题都收录，由此会出现很多题没有答案，而试题库的维护方虽然可以通过人工进行解答，并将答案收录到试题库，但人工解答的速度毕竟有限，每天补充试题及答案的数量很难大幅增长。

此外，由于现在技术的发展，试题库特别庞大，通常都采用众包方式来维护和分发试题的生产和解答任务，由此也需要业界研究和开发对应的众包系统，去研究如何更高效率地分配和管理挑题、判重、解答、审核、排版等众包任务。

发明内容

有鉴于此，本发明的主要目的在于提出一种高质数据的挖掘方法、生产方法和采用其的挖掘系统，以期至少部分地解决上述技术问题中的至少之一。

为了实现上述目的，作为本发明的第一方面，提供了一种高质数据的挖掘方法，包括如下步骤：

基于周期性特征，和/或，基于当前热点的相同簇或近似簇，来预估得到高质试题的相关数据。

本发明第二方面提出一种高质试题的生产方法，包括以下步骤：

采用如上所述的挖掘方法预估得到高质试题的相关信息；

对得到的高质试题的相关信息进行评估，判断是否需要进一步扩展生产；

如果需要，则组织生产。

本发明第三方面提出一种高质试题的挖掘系统，包括：

数据整合分析模块，用于采用如上所述的挖掘方法预估得到高质试题的相关数据；

数据筛选模块，用于对数据整合分析模块判断得到的高质试题的相关数据进行评估，判断是否需要进一步扩展生产；

数据生产模块，对数据筛选模块判断需要进一步扩展生产的，组织对其进行生产。

本发明第四方面提出一种电子设备，包括处理器和存储器，所述存储器用于存储计算机可执行程序，当所述计算机可执行程序被所述处理器执行时，所述处理器执行如上所述的高质数据的挖掘方法。

本发明第五方面还提出一种计算机可读介质，存储有计算机可执行程序，所述计算机可执行程序被执行时，实现如上所述的高质数据的挖掘方法。

基于上述技术方案可知，本发明的高质数据的挖掘方法、生产方法和采用其的众包系统相对于现有技术至少具有如下有益效果之一：

本发明通过预估热词的相同簇和相似簇，可以提前生产高质试题，提高拍照试题的准召率；

本发明通过众包系统，可以灵活地分配任务，适应不同规模的试题库的生产任务；

本发明通过设置不同优先级和权值，能够在保证紧急任务的前提下尽量扩展试题集；