[发明专利]判题方法、装置、电子设备和介质

说明书

本公开涉及人工智能技术领域，尤其涉及一种判题方法、装置、电子设备和介质。该方法包括：通过识别待批改图像，并从待批改图像中获取第一题干内容和与所述第一题干内容对应的第一作答内容，利用第一判题模型根据第一题干内容计算得到第一题干内容对应的标准答案，将第一作答内容与第一题干内容对应的标准答案进行对比，得到判题结果，这样，能够通过第一判题模型直接获取与第一题干内容对应的标准答案，将用户的作答内容与标准答案进行对比，确定用户作答内容是否正确，相比于将用户的作答与题库中的答案进行对比，无需构建答案题库，无需通过搜寻的方式从题库中获取正确答案，节省了搜寻过程中的耗时，有效的提高了判题效率，提升用户体验。

技术领域

本公开涉及人工智能技术领域，尤其涉及一种判题方法、装置、电子设备和介质。

背景技术

随着人工智能技术的发展，拍照判题被广泛应用在教育领域中，目前，拍照判题是根据用户通过终端设备例如手机或平板电脑等，对待批改内容进行拍摄，得到待批改图像，将待批改图像输入相对应的判题软件中，根据建立的题库，搜寻与待批改图像中题目对应的正确答案与用户的作答内容进行对比，从而确定用户作答是否正确。

然而，在题库中存储的答案较多的情况下，通过搜寻的方式获取正确答案耗时较长，降低判题的效率。

发明内容

为了解决上述技术问题或者至少部分地解决上述技术问题，本公开实施例提供了一种判题方法、装置、电子设备和介质。

第一方面，本公开提供了一种判题方法，包括：

识别待批改图像，并从所述待批改图像中获取第一题干内容和与所述第一题干内容对应的第一作答内容；

利用第一判题模型根据所述第一题干内容计算得到所述第一题干内容对应的标准答案；

将所述第一作答内容与所述第一题干内容对应的标准答案进行对比，得到判题结果。

可选的，所述第一判题模型通过以下方法训练获得：

获取训练样本集，所述训练样本集包括：题干内容、以及所述题干内容对应的正确答案；

将所述题干内容输入初始判题模型中，得到每个题干内容对应的输出答案；

根据所述题干内容对应的输出答案和所述题干内容对应的正确答案，确定损失函数，根据所述损失函数调整所述初始判题模型的权重参数，以得到所述第一判题模型。

可选的，所述利用第一判题模型根据所述第一题干内容计算得到所述第一题干内容对应的标准答案，包括：

将所述第一题干内容输入所述第一判题模型中，利用所述第一判题模型识别所述第一题干内容对应的多个词向量；

根据所述第一题干内容对应的多个词向量，得到所述第一题干内容对应的第一词向量矩阵；

对所述第一词向量矩阵进行特征提取，得到所述第一题干内容对应的语义特征向量矩阵；

根据所述语义特征向量矩阵和所述第一词向量矩阵，得到所述第一题干内容对应的标准答案。

可选的，所述根据所述语义特征矩阵向量和所述第一词向量矩阵，得到所述第一题干内容对应的标准答案，包括：

获取所述第一词向量矩阵中每个词向量对应的预设权重；

根据所述第一词向量矩阵和所述每个词向量对应的预设权重，得到第二词向量矩阵；其中，目标词向量的预设权重值大于其他词向量的预设权重值，所述目标词向量为所述第一词向量矩阵中的数字向量或者运算符向量；

将所述语义特征向量矩阵和所述第二词向量矩阵进行融合，得到目标特征向量矩阵；