[發(fā)明專利]一種題目分類方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 201811583166.5
• 申請(qǐng)日: 2018-12-24
• 公開（公告）號(hào): CN109685137A
• 公開（公告）日: 2019-04-26
• 發(fā)明（設(shè)計(jì)）人: 金霄然
• 申請(qǐng)（專利權(quán)）人: 上海仁靜信息技術(shù)有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): 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

本公開實(shí)施例公開了一種題目分類方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)，其中所述方法包括：對(duì)獲取到的題目數(shù)據(jù)中的文本、公式和圖片分別進(jìn)行編碼，得到所述文本、公式和圖片各自對(duì)應(yīng)的特征向量；將所述文本、公式和圖片各自對(duì)應(yīng)的特征向量進(jìn)行拼接，得到融合特征向量，并將所述融合特征向量輸入預(yù)先訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)分類器，所述神經(jīng)網(wǎng)絡(luò)分類器輸出題目分類標(biāo)簽。本公開實(shí)施通過提取并融合題目中的文本、圖片和公式信息的特征，并將其輸入到神經(jīng)網(wǎng)絡(luò)分類器中，以達(dá)到對(duì)題目進(jìn)行自動(dòng)精準(zhǔn)分類的目的。

技術(shù)領(lǐng)域

本公開涉及在線教育領(lǐng)域，尤其涉及一種題目分類方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)

在K12(kindergarten through twelfth grade)教育的題庫構(gòu)建、智能測(cè)評(píng)、自適應(yīng)學(xué)校等領(lǐng)域均需要對(duì)題目進(jìn)行分類，以便更好地檢測(cè)學(xué)生當(dāng)前的學(xué)習(xí)水平和狀態(tài)，并相應(yīng)地實(shí)時(shí)調(diào)整學(xué)習(xí)活動(dòng)和進(jìn)程，幫助學(xué)生實(shí)現(xiàn)差異化和個(gè)性化的學(xué)習(xí)，通常可以根據(jù)題目的知識(shí)點(diǎn)、難度、題型等對(duì)題目進(jìn)行分類。

針對(duì)題目的分類方法，現(xiàn)有的技術(shù)方案一般基于傳統(tǒng)的短文本分類方法，通常其分類流程為利用分詞工具對(duì)文本進(jìn)行分詞處理、提取特征、利用傳統(tǒng)的分類器如SVM或RF進(jìn)行分類。這類技術(shù)方案有如下問題：

1.K12教育中的題目往往連帶著圖片，如物理中的電路圖，化學(xué)中的流程圖，數(shù)學(xué)中的程序框圖等，現(xiàn)有的文本分類方法無法利用圖片中存在的特征。

2.K12教育中的題目基本存在著公式。公式作為一種特殊形式的文本，有著自己內(nèi)在的結(jié)構(gòu)和特殊性。現(xiàn)有的文本分類方法無法有效地利用公式中存在的信息進(jìn)行分類。

公開內(nèi)容

本公開實(shí)施例提供了一種題目分類方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)，以解決現(xiàn)有技術(shù)中傳統(tǒng)的短文本分類方法無法有效利用題目中圖片和公式，使得題目分類的準(zhǔn)確度低的技術(shù)問題。

第一方面，本公開實(shí)施例提供了一種題目分類方法，包括：

對(duì)獲取到的題目數(shù)據(jù)中的文本、公式和圖片分別進(jìn)行編碼，得到所述文本、公式和圖片各自對(duì)應(yīng)的特征向量；

將所述文本、公式和圖片各自對(duì)應(yīng)的特征向量進(jìn)行拼接，得到融合特征向量，并將所述融合特征向量輸入預(yù)先訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)分類器，所述神經(jīng)網(wǎng)絡(luò)分類器輸出題目分類標(biāo)簽。

第二方面，本公開實(shí)施例還提供了一種題目分類裝置，包括：

編碼模塊，用于對(duì)獲取到的題目數(shù)據(jù)中的文本、公式和圖片分別進(jìn)行編碼，得到所述文本、公式和圖片各自對(duì)應(yīng)的特征向量；

分類模塊，用于將所述文本、公式和圖片各自對(duì)應(yīng)的特征向量進(jìn)行拼接，得到融合特征向量，并將所述融合特征向量輸入預(yù)先訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)分類器，所述神經(jīng)網(wǎng)絡(luò)分類器輸出題目分類標(biāo)簽。

第三方面，本公開實(shí)施例還提供了一種電子設(shè)備，包括：

一個(gè)或多個(gè)處理器；

存儲(chǔ)裝置，用于存儲(chǔ)一個(gè)或多個(gè)程序，

當(dāng)所述一個(gè)或多個(gè)程序被所述一個(gè)或多個(gè)處理器執(zhí)行，使得所述一個(gè)或多個(gè)處理器實(shí)現(xiàn)如本公開實(shí)施例中任一所述的題目分類方法。

第四方面，本公開實(shí)施例還提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如本公開實(shí)施例中任一所述的題目分類方法。

本公開實(shí)施例提供的一種題目分類方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)，通過對(duì)題目數(shù)據(jù)中的文本、公式和圖片進(jìn)行編碼，并將編碼后的文本、公式和圖片各自對(duì)應(yīng)的特征向量融合，基于融合后的特征向量，利用神經(jīng)網(wǎng)絡(luò)分類器題目進(jìn)行自動(dòng)、高效、準(zhǔn)確的分類。

附圖說明

圖1a是本公開一實(shí)施例提供的一種題目分類方法的流程示意圖；