[发明专利]一种面向程序设计答疑系统的知识库检索方法

摘要

一种面向程序设计答疑系统的知识库检索方法，获取学生检索的问题；系统对检索的问题和知识库中问题进行处理获取代码文本；再对代码文本进行预处理，将文本替换后获取标记串及文本属性度量向量；根据simhash算法对标记串分别进行词频计算，将词汇作为文本特征，词频作为特征的权重，计算出对应权重，并获取标记串的全文哈希值，根据哈希值计算出文本相似程度；根据文本属性度量向量计算出余弦相似度；根据标记串计算出文本匹配度；余弦相似度和文本匹配度通过Sim‑win三权法计算出检索问题与知识库问题中的代码文本相似度，并将知识库中存储的问题由高到低排列。该方法通过加权的方式将sim‑win三权法、Simhash算法和Winnowing算法融合，有效提升了代码文本相似度计算的准确率。

主权项

1.一种面向程序设计答疑系统的知识库检索方法，其特征在于，包括如下步骤，步骤S1、从前端获取学生检索的问题test A；步骤S2、系统对test A进行处理获取代码文本code A，并对知识库中存储的问题文本tset B进行处理，获取代码文本code B；步骤S3、对代码文本code A和code B进行预处理，文本替换后获取标记串T_A＝(v₁，v₂，…，v_n)，T_B＝(u₁，u₂，…，u_n)，文本属性度量向量Attr_A，Attr_B；步骤S4、根据simhash算法对T_A和T_B分别进行词频计算，将词汇作为文本特征，词频作为特征的权重，计算出对应权重和并获取T_A和T_B的全文哈希值和并根据哈希值计算出文本相似程度步骤S4、根据文本属性度量向量Attr_A，Attr_B，计算出余弦相似度cos(Attr_A，Attr_B)；步骤S5、根据标记串T_A＝(v₁，v₂，…，v_n)和T_B＝(u₁，u₂，…，u_n)，计算出文本匹配度；步骤S6、根据余弦相似度cos(Attr_A，Attr_B)和文本匹配度通过Sim‑win三权法计算出检索问题中代码文本与知识库问题中的代码文本相似度；步骤S7，根据相似度，将知识库中存储的问题由高到低排列返回前端。