[發明專利]一種題目分類方法、裝置、電子設備及存儲介質

在審

• 申請號: 201811583166.5
• 申請日: 2018-12-24
• 公開（公告）號: CN109685137A
• 公開（公告）日: 2019-04-26
• 發明（設計）人: 金霄然
• 申請（專利權）人: 上海仁靜信息技術有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

1.一種題目分類方法，其特征在于，所述方法包括：

對獲取到的題目數據中的文本、公式和圖片分別進行編碼，得到所述文本、公式和圖片各自對應的特征向量；

將所述文本、公式和圖片各自對應的特征向量進行拼接，得到融合特征向量，并將所述融合特征向量輸入預先訓練好的神經網絡分類器，所述神經網絡分類器輸出題目分類標簽。

2.根據權利要求1所述的方法，其特征在于，在對獲取到的所述題目數據中的文本、公式和圖片分別進行編碼之前，所述方法還包括：

基于語法編譯器，將所述題目數據中的公式解析成語法樹；

相應的，對題目數據中的公式進行編碼，得到公式對應的特征向量，包括：

通過樹形多層反饋神經網絡對輸入的所述語法樹進行特征提取，將所述語法樹編碼成公式特征向量；或

根據預設的教研規則在語法樹上抽取多個預先定義的特征，并對所述多個預先定義的特征進行獨熱編碼。

3.根據權利要求2所述的方法，其特征在于，所述基于語法編譯器，將所述題目數據中公式解析成語法樹，包括：

從所述題目數據中提取公式，并將公式轉換成預設格式的公式；

基于語法編譯器，將轉換后的預設格式的公式解析成語法樹。

4.根據權利要求1所述的方法，其特征在于，對獲取到的所述題目數據中的文本進行編碼，包括：

通過多層反饋神經網絡或卷積神經網絡對輸入的文本進行特征提取，將所述文本編碼成文本特征向量。

5.根據權利要求1所述的方法，其特征在于，對獲取到的所述題目數據中的圖片進行編碼，包括：

通過卷積神經網絡對輸入的圖片進行特征提取，將所述圖片編碼成圖片特征向量。

6.一種題目分類裝置，其特征在于，所述裝置包括：

編碼模塊，用于對獲取到的題目數據中的文本、公式和圖片分別進行編碼，得到所述文本、公式和圖片各自對應的特征向量；

分類模塊，用于將所述文本、公式和圖片各自對應的特征向量進行拼接，得到融合特征向量，并將所述融合特征向量輸入預先訓練好的神經網絡分類器，所述神經網絡分類器輸出題目分類標簽。

7.根據權利要求6所述的裝置，其特征在于，所述裝置還包括：

解析模塊，用于基于語法編譯器，將所述題目數據中公式解析成語法樹；

相應的，所述編碼模塊包括公式編碼單元，該公式編碼單元用于：

通過樹形多層反饋神經網絡對輸入的所述語法樹進行特征提取，將所述語法樹編碼成公式特征向量；或

根據預設的教研規則在語法樹上抽取多個預先定義的特征，并對所述多個預先定義的特征進行獨熱編碼。

8.根據權利要求7所述的裝置，其特征在于，所述解析模塊包括：

提取轉換單元，用于從所述題目數據中提取公式，并將其轉換成預設格式的公式；

解析單元，用于基于語法編譯器，將轉換后的預設格式的公式解析成語法樹。

9.一種電子設備，其特征在于，所述電子設備包括：

一個或多個處理器；

存儲裝置，用于存儲一個或多個程序，

當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如權利要求1-5中任一所述的題目分類方法。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現如權利要求1-5中任一所述的題目分類方法。