[发明专利]基于人工智能的试题分数确定方法、装置、设备及介质

权利要求书

1.一种基于人工智能的试题分数确定方法，其特征在于，所述基于人工智能的试题分数确定方法包括：

获取待评分试题，并获取所述待评分试题的标准答案及用户答案；

对所述标准答案进行预处理，得到标准向量，并对所述用户答案进行预处理，得到用户向量；

根据所述标准向量及所述用户向量计算所述用户答案与所述标准答案的海明距离；

当所述海明距离为预设值时，将所述用户答案确定为抄袭所述标准答案；

当所述海明距离不为所述预设值时，对所述待评分试题进行预处理，得到试题向量；

将所述标准向量、所述用户向量及所述试题向量并行输入至预设编码器中，得到所述标准答案的标准特征向量、所述用户答案的用户特征向量及所述待评分试题的试题特征向量；

根据所述标准特征向量对所述用户特征向量进行相似性加权运算，得到所述标准答案的标准交互向量，并根据所述用户特征向量对所述标准特征向量进行相似性加权运算，得到所述用户答案的用户交互向量；

根据所述标准特征向量及所述标准交互向量生成所述标准答案的标准矩阵，并根据所述用户特征向量及所述用户交互向量生成所述用户答案的用户矩阵；

融合所述标准矩阵与所述用户矩阵，得到所述用户答案与所述标准答案的语义相似向量；

将所述试题特征向量与所述用户特征向量进行拼接，得到拼接向量，并提取所述拼接向量的特征，得到语义匹配向量；

将所述语义相似向量及所述语义匹配向量输入至预先训练好的分数预测模型中，得到目标分数。

2.如权利要求1所述的基于人工智能的试题分数确定方法，其特征在于，所述对所述标准答案进行预处理，得到标准向量包括：

对所述标准答案进行清洗，得到答案文本；

根据预设词典对所述答案文本进行切分，得到多个切分路径，及每个切分路径对应的路径分词；

根据所述预设词典中的切分权值计算每个切分路径的切分概率；

将所述切分概率最高的所述切分路径确定为目标路径，并将所述目标路径对应的所述路径分词确定为答案分词；

确定所述答案分词在所述答案文本中的分词位置；

从预设向量表中获取与所述答案分词对应的向量，得到分词向量；

根据所述分词位置拼接所述分词向量，得到所述标准向量。

3.如权利要求1所述的基于人工智能的试题分数确定方法，其特征在于，所述将所述标准向量、所述用户向量及所述试题向量并行输入至预设编码器中，得到所述标准答案的标准特征向量、所述用户答案的用户特征向量及所述待评分试题的试题特征向量包括：

将所述标准向量、所述用户向量及试题向量确定为向量集；

计算所述向量集中每个向量的向量长度；

将取值最大的所述向量长度确定为目标长度，并将与所述目标长度对应的向量确定为目标向量；

将所述向量集中除所述目标向量外的其余向量确定为待处理向量；

根据所述目标长度对所述待处理向量进行向量填充，得到填充后的向量；

对所述目标向量及所述填充后的向量分别进行多头注意力分析，得到与所述目标向量对应的第一输出向量、与所述填充后的向量对应的第二输出向量及第三输出向量；

并行对所述第一输出向量、所述第二输出向量及所述第三输出向量进行标准化处理，得到所述标准特征向量、所述用户特征向量及所述试题特征向量。

4.如权利要求1所述的基于人工智能的试题分数确定方法，其特征在于，所述根据所述用户特征向量对所述标准特征向量进行相似性加权运算，得到所述用户答案的用户交互向量包括：

采用下列公式计算所述用户特征向量中每个第一元素与所述标准特征向量中每个第二元素的相似度：

；

其中， ， 为所述用户特征向量及所述标准特征向量中的元素数量， 为所述相似度，为所述用户特征向量中第个第一元素，为所述标准特征向量中第个第二元素；

采用下列公式根据所述相似度对所述标准特征向量进行加权运算，得到所述用户答案的用户交互向量：

；

其中， 为所述用户交互向量， 为所述第个第一元素与所述第个第二元素的相似度，为所述用户特征向量中第个第一元素与所述第个第二元素的相似度。