[发明专利]一种面向小学藏语文阅读问题自动生成的服务系统

权利要求书

1.一种面向小学藏语文阅读问题自动生成的服务系统，其特征在于，包括藏语阅读语料库构建模型和藏文阅读文本问题生成模型；其中，

藏语阅读语料库构建模型，通过提取小学藏语文章特征数据，并设计混合的多策略文本筛选模型，构建藏语阅读语料库；

藏文阅读文本问题生成模型，包括编码端和解码端，其中，编码端使用双向RNN网络和注意力机制；解码端使用单向RNN网络、注意力机制和复制机制。

2.根据权利要求1所述系统，其特征在于，所述藏语阅读语料库构建模型具体用于，以小学藏语文教材(1-6年级)为训练语料，以文章长度、文章体裁、句子数量、平均句长、文章词汇量、词汇覆盖度、冗余度为特征，设计混合的多策略文本筛选模型，并从大规模百科藏文文本中得到适合小学藏语文阅读的材料。

3.根据权利要求1所述系统，其特征在于，所述筛选模型中集成了逻辑回归、KNN算法模型以及随机森林模型，设定7个类别，分别代表适合1-6年级阅读和不适合小学阅读，采用绝对多数投票法作为输出策略。

4.根据权利要求3所述系统，其特征在于，所述逻辑回归的公式为：

f_w,b(x)＝σ(∑_iw_ix_i+b)，

其中，x_i表示小学藏语文章的特征，w_i表示特征所具有的权重，b表示偏置，最终使用对率函数σ(Sigmoid)得到输出f_w,b(x)；

对于训练的损失函数，选择了交叉熵损失函数，公式如下：

其中，M为类别的数量；y_ic是指示变量(0或1),如果该类别和样本i的类别相同，y_ic就是1，否则是0；f_w,b(x)是逻辑回归的输出,表示某特定类别的概率。

5.根据权利要求3所述系统，其特征在于，所述KNN算法模型中，使用欧式距离公式作为不同类别距离的度量公式。公式如下：

其中，和为特征的空间坐标，L(x_i,x_j)得到的是两个特征的距离大小。在KNN算法中，先将文章特征归一化到共同的特征空间中，然后设置参数k，根据距离计算结果L(x_i,x_j)，取距离最近的k个特征点，其中哪个类别出现的最多，这个文章就属于这个类别。

6.根据权利要求3所述系统，其特征在于，所述随机森林模型，通过对训练集的抽样获得分布不同的训练子集；通过不同的训练子集来训练不同的决策树，随机森林包含训练得到的所有决策树；在做分类任务时遵循“少数服从多数原则”，将决策树分类结果最多的类别作为文章的最终分类结果；

其中，决策树使用的是ID3算法，每个决策树用信息增益来获得最优划分属性a，其公式为：

a为类别的属性，v表示类别的划分，在文章分类任务中v＝7，表示文章分为7个类别；D表示所有的训练集，D^v表示第v个类别的数据集；Ent(D^v)表示第v个类别的数据集的信息熵；Gain(D,a)为信息增益，如果值越大，说明使用属性a来划分的效果越好。

7.根据权利要求3所述系统，其特征在于，所述绝对多数投票法的原则是得票过半数才可以得到输出，否则取最小数值作为最终输出，其公式如下：

f_i(x)为模型的分类结果，T为分类模型的数量，如果有一半以上的模型给出了相同结果(if Count(f_i(x))0.5T)，将这个分类作为最终结果；反之，如果没有半数的模型给出相同分类结果，取最小数值作为最终结果。