[发明专利]一种题目批改方法、装置、设备及存储介质在审
申请号: | 202310460593.9 | 申请日: | 2023-04-25 |
公开(公告)号: | CN116484952A | 公开(公告)日: | 2023-07-25 |
发明(设计)人: | 钟志成;王永康;杜倩云;沙晶 | 申请(专利权)人: | 科大讯飞华南人工智能研究院(广州)有限公司 |
主分类号: | G06N5/04 | 分类号: | G06N5/04;G06F16/332;G06Q50/20 |
代理公司: | 北京集佳知识产权代理有限公司 11227 | 代理人: | 王云晓 |
地址: | 511458 广东省广州市南沙区丰泽东路106*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 题目 批改 方法 装置 设备 存储 介质 | ||
1.一种题目批改方法,其特征在于,包括:
获取待批改题目的作答文本和标准答案;
获取所述作答文本和所述标准答案分别对应的文本序列特征;
构建所述作答文本和所述标准答案分别对应的推理图,其中,所述推理图能够表征对应文本的推理过程;
获取所述作答文本对应的推理图的结构特征以及所述标准答案对应的推理图的结构特征,得到所述作答文本和所述标准答案分别对应的推理图结构特征;
根据所述作答文本对应的文本序列特征和推理图结构特征,以及所述标准答案对应的文本序列特征和推理图结构特征,预测所述作答文本的得分。
2.根据权利要求1所述的题目批改方法,其特征在于,所述构建所述作答文本和所述标准答案分别对应的推理图,包括:
针对所述作答文本和所述标准答案中的每个文本:
根据该文本对应的文本序列特征,对该文本进行多类型步骤单元抽取,以得到该文本对应的步骤单元序列;
对该文本对应的步骤单元序列预测步骤单元间是否存在推理关系,以得到该文本对应的步骤单元序列的推理关系信息;
根据该文本对应的步骤单元序列的推理关系信息,构建该文本对应的推理图。
3.根据权利要求2所述的题目批改方法,其特征在于,所述对该文本对应的步骤单元序列预测步骤单元间是否存在推理关系,包括:
将该文本对应的步骤单元序列作为文本序列,获取该文本对应的步骤单元序列对应的文本序列特征,作为该文本对应的步骤单元序列特征;
根据该文本对应的步骤单元序列特征,对该文本对应的步骤单元序列预测步骤单元间是否存在推理关系。
4.根据权利要求3所述的题目批改方法,其特征在于,所述根据该文本对应的步骤单元序列特征,对该文本对应的步骤单元序列预测步骤单元间是否存在推理关系,包括:
针对该文本对应的步骤单元序列中的每个步骤单元:
根据该文本对应的步骤单元序列特征,确定该步骤单元与其它每个步骤单元的相关性权重;
根据该步骤单元与其它每个步骤单元的相关性权重,确定该步骤单元与其它每个步骤单元是否存在推理关系。
5.根据权利要求1中任一项所述的题目批改方法,其特征在于,所述推理图包括若干节点以及节点间的有向连接线,每个节点代表一个步骤单元,通过有向连接线连接的两个节点代表的两个步骤单元间具有推理关系;
所述获取所述作答文本对应的推理图的结构特征以及所述标准答案对应的推理图的结构特征,包括:
针对所述作答文本和所述标准答案中的每个文本:
遍历该文本对应的推理图中的节点:根据当前遍历的节点的第一特征,以及当前遍历的节点的相邻节点的第一特征或第二特征,确定当前遍历的节点的第二特征,其中,一节点的第一特征通过将该节点所代表的步骤单元的文本特征与该节点所代表的步骤单元的类型特征融合得到,一步骤单元的文本特征根据该步骤单元所属文本对应的文本序列特征获得;
由该文本对应的推理图中各节点的第二特征组成该文本对应的推理图的结构特征。
6.根据权利要求1所述的题目批改方法,其特征在于,所述根据所述作答文本对应的文本序列特征和推理图结构特征,以及所述标准答案对应的文本序列特征和推理图结构特征,预测所述作答文本的得分,包括:
对所述作答文本和所述标准答案分别对应的推理图分别自底向上进行子图拆分,得到所述作答文本和所述标准答案分别对应的子图序列;
根据所述作答文本对应的子图序列和推理图结构特征确定所述作答文本对应的子图序列特征,并根据所述标准答案对应的子图序列和推理图结构特征,确定所述标准答案对应的子图序列特征;
根据所述作答文本对应的子图序列特征,从预先构建的推理子图库中检索与所述作答文本对应的子图序列中的每个子图的特征相似度最高的子图,以得到所述作答文本对应的子图序列的相似子图序列;
根据所述相似子图序列的子图序列特征、所述作答文本和所述标准答案分别对应的文本序列特征以及所述作答文本和所述标准答案分别对应的子图序列特征,预测所述作答文本的得分。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于科大讯飞华南人工智能研究院(广州)有限公司,未经科大讯飞华南人工智能研究院(广州)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202310460593.9/1.html,转载请声明来源钻瓜专利网。