[發(fā)明專利]試題去重方法及其系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202010031719.7
• 申請日: 2020-01-13
• 公開（公告）號: CN111209734A
• 公開（公告）日: 2020-05-29
• 發(fā)明（設計）人: 張新華;顏懿;徐星;郭瑞
• 申請（專利權）人: 浙江藍鴿科技有限公司
• 主分類號: G06F40/194
• 分類號: G06F40/194;G06F16/215
• 代理公司: 上海一平知識產(chǎn)權代理有限公司 31266
• 代理人: 成春榮;竺云

1.一種試題去重方法，其特征在于，包括：

獲取目標試題；

確定所述目標試題的題型和涉及的知識點集合；

根據(jù)所述題型和所述知識點集合按照預設編碼規(guī)則生成該目標試題的特征編碼，并從試題資源庫中獲取具有所述特征編碼的各試題，如果該目標試題與所述各試題中任一試題的內(nèi)容相似度大于預設閾值，則判定該目標試題為重復試題并刪除，否則保存該目標試題及其特征編碼至所述試題資源庫。

2.如權利要求1所述的試題去重方法，其特征在于，所述獲取目標試題之前，還包括：

獲取目標試題資源；

基于預先構建的試題信息特征庫從所述目標試題資源中拆分出各所述目標試題。

3.如權利要求2所述的試題去重方法，其特征在于，所述基于預先構建的試題信息特征庫從所述目標試題資源中拆分出各所述目標試題，進一步包括：

將所述目標試題資源按照段落標簽劃分為多個段落；

根據(jù)所述試題信息特征庫中試題序號特征信息識別出各段落中的試題序號并標注；

根據(jù)所述試題信息特征庫中試題導語特征信息識別所述目標試題資源中包含的所述導語關鍵詞，標注所述導語關鍵詞所在段落為導語段落；

將相鄰的兩個所述導語段落之間的內(nèi)容劃分為一個獨立試題塊，并根據(jù)各獨立試題塊中所述導語段落和所述試題序號從所述各獨立試題塊中拆分出各所述目標試題。

4.如權利要求1-3中任意一項所述的試題去重方法，其特征在于，所述確定所述目標試題的題型和涉及的知識點集合，進一步包括：

基于預先構建的試題信息特征庫確定所述目標試題的題型；

基于預先構建的知識點庫匹配出所述目標試題涉及的知識點集合。

5.如權利要求4所述的試題去重方法，其特征在于，所述基于預先構建的試題信息特征庫確定所述目標試題的題型，進一步包括：

根據(jù)所述試題信息特征庫中試題導語特征信息識別所述目標試題中包含的導語關鍵詞，并根據(jù)所述導語關鍵詞確定所述目標試題的標準導語；

根據(jù)所述試題信息特征庫中每個標準導語對應的題型信息確定該標準導語對應的一種或多種題型；

如果該標準導語對應有一種題型，則判定該題型為該目標試題的題型；

如果該標準導語對應有多種題型，則確定所述目標試題的試題結(jié)構，并基于所述多種題型根據(jù)所述試題信息特征庫中標準試題結(jié)構信息確定該試題結(jié)構對應的題型為該目標試題的題型。

6.如權利要求5所述的試題去重方法，其特征在于，所述根據(jù)所述導語關鍵詞確定所述目標試題的標準導語，進一步包括：

根據(jù)所述試題信息特征庫中標準導語信息和所述每個標準導語對應的導語關鍵詞信息識別所述目標試題中包含的導語關鍵詞，標注所述導語關鍵詞所在段落為導語段落，并確定所述導語段落對應的各標準導語；

計算所述導語段落與其對應的各標準導語的內(nèi)容相似度，判定與所述導語段落的內(nèi)容相似度最大的標準導語為該導語段落的標準導語。

7.如權利要求6所述的試題去重方法，其特征在于，計算所述導語段落與其對應的各標準導語的內(nèi)容相似度，判定與所述導語段落的內(nèi)容相似度最大的標準導語為該導語段落的標準導語之前，還包括：

如果所述導語段落有多個，則對于每個導語段落，計算該導語段落與其對應的各標準導語的關鍵詞相似度，如果該導語段落與其對應的各標準導語的關鍵詞相似度均小于第一閾值，則該導語段落為偽導語段落，取消其導語段落標注；

所述計算所述導語段落與其對應的各標準導語的內(nèi)容相似度，判定與所述導語段落的內(nèi)容相似度最大的標準導語為該導語段落的標準導語，進一步包括：

計算所述導語段落與其對應的各標準導語的關鍵詞相似度，并統(tǒng)計與該導語段落的關鍵詞相似度大于所述第一閾值的標準導語集合，判定所述標準導語集合中與該導語段落的內(nèi)容相似度最大的標準導語為該導語段落的標準導語。