[发明专利]一种题库数据的训练系统及方法

权利要求书

1.一种题库数据的训练系统，其特征在于，包括：

考点字符库，用于存储多条考点关键字；

文件处理部，扫描多个原始文件并通过Canny算法生成考题图像；

文本提取部，从所述考题图像中识别出多条考题文本以及与该考题文本匹配的答案文本，每一考题文本和答案文本具有唯一对应的序列号；

第一存储器，以所述序列号为索引存储对应的考题文本；

独立于所述第一存储器的第二存储器，该第二存储器以所述序列号为索引存储对应的答案文本；

考点提取部，识别第二存储器中每一答案文本中的考点关键字，生成任意考点关键字与其他考点关键字的考点关联度PMI；

考点索引库，以任意考点关键字为索引存储该考点关键字与其他考点关键字的考点关联度PMI；

数据请求部，接收一目标考点关键字和偏离阈值，从所述考点索引库中检索与该目标考点关键字的考点关联度PMI大于等于偏离阈值的多个关联考点关键字；

文本检索部，在所述第二存储器中检索具有所述目标考点关键字和关联考点关键字的多个目标答案文本；

目标题库，存储对应多个所述目标答案文本的序列号；

文件生成部，采用随机算法从目标题库中选择任意序列号，并从第一存储器和第二存储器中提取该序列号的考题文本和答案文本，其中，

考点关联度， p(xy)为同时具有考点关键字x和考点关键字y的答案文本的数量，p(x)为具有考点关键字x的答案文本的数量，p(y) 为具有考点关键字y的答案文本的数量。

2.根据权利要求1所述的题库数据的训练系统，其特征在于，所述文件生成部通过一访问控制单元连接第一存储器或第二存储器。

3.根据权利要求1所述的题库数据的训练系统，其特征在于，所述文件处理部包括扫描单元和边缘裁剪单元。

4.根据权利要求3所述的题库数据的训练系统，其特征在于，扫描单元以第一速度传送原始文件，并以低于该第一速度的第二速度扫描原始文件，扫描单元通过检测原始文件的像素点切换第一速度或第二速度。

5.根据权利要求3所述的题库数据的训练系统，其特征在于，边缘裁剪单元依次执行高斯滤波算法、梯度算法、非极大值抑制算法以及边缘连接算法生成考题图像。

6.根据权利要求1所述的题库数据的训练系统，其特征在于，考点字符库根据首字拼音和字符长度将考点关键字分为多个组，并以首字拼音的哈希值建立组索引。

7.一种题库数据的训练方法，其特征在于，包括以下步骤，

步骤1：存储多条考点关键字；

步骤2：扫描多个原始文件并通过Canny算法生成考题图像；

步骤3：从所述考题图像中识别出多条考题文本以及与该考题文本匹配的答案文本，每一考题文本和答案文本具有唯一对应的序列号；

步骤4：以所述序列号为索引将对应的考题文本存储至第一存储器，并且以所述序列号为索引将对应的答案文本存储至独立于所述第一存储器的第二存储器；

步骤5：识别第二存储器中每一答案文本中的考点关键字，生成任意考点关键字与其他考点关键字的考点关联度PMI；

步骤6：以任意考点关键字为索引存储该考点关键字与其他考点关键字的考点关联度PMI；

步骤7：接收一目标考点关键字和偏离阈值，从考点索引库中检索与该目标考点关键字的考点关联度PMI大于等于偏离阈值的多个关联考点关键字；

步骤8：在所述第二存储器中检索具有所述目标考点关键字和关联考点关键字的多个目标答案文本；

步骤9：存储对应多个所述目标答案文本的序列号；

步骤10：采用随机算法从目标题库中选择任意序列号，并从第一存储器和第二存储器中提取该序列号的考题文本和答案文本，其中，

考点关联度， p(xy)为同时具有考点关键字x和考点关键字y的答案文本的数量，p(x)为具有考点关键字x的答案文本的数量，p(y) 为具有考点关键字y的答案文本的数量。