[發明專利]一種試題自動標注錄入方法

在審

• 申請號: 202010032609.2
• 申請日: 2020-01-13
• 公開（公告）號: CN111209728A
• 公開（公告）日: 2020-05-29
• 發明（設計）人: 楊立春;夏德虎;張志發;趙夢凱;鞏稼民;蔣杰偉;張凱澤;楊紅蕊;馬豆豆;劉愛萍
• 申請（專利權）人: 深圳市企鵝網絡科技有限公司;西安郵電大學
• 主分類號: G06F40/169
• 分類號: G06F40/169;G06F40/151;G06F40/284
• 代理公司: 廣州潤禾知識產權代理事務所(普通合伙) 44446
• 代理人: 林偉斌;歐秋望

本發明涉及一種試題自動標注錄入方法，包括：將word試題文檔自動轉換成對應的html文檔并存儲所述html文檔；自動提取html文檔的文本內容；采用統計模型中的n元語法模型對所述文本內容進行詞語分割，使用隱馬爾可夫模型對分割后的詞語進行詞性標注；對標注好詞性的詞語進行試題特征提取，判斷所述詞語的特征是否與預設的試題關鍵字的特征對應，是則對所述詞語進行關鍵字標注及標記所述詞語在文本中的位置；根據題號關鍵字對試題進行逐題分割；根據逐題分割好的關鍵字及所述關鍵字在文本中的位置在試題構造模塊中對試題進行組裝，將組裝好的試題存儲到對應的位置。本發明有效地提高了試題自動錄入的準確率，同時解決了無法自動錄入帶有圖片或公式的問題。

技術領域

本發明涉及在線考試領域，具體涉及一種試題自動標注錄入方法。

背景技術

隨著網絡技術的發展，越來越多的教育培訓機構采用線上考試的方式，為了適應考試規模化、科學化和標準化，建立試題庫是適應考試規模化、科學化和標準化的核心，而建立試題庫的第一個必不可少的環節就是試題的錄入。

現有的試題錄入的方法有通過人工將試題錄入和基于正則表達式的錄入，人工錄入通常是在特定的試題錄入系統網頁中包含有多個文本框，需分別錄入相對應的內容，如一道試題的題干、答案、選項、解析等等，如果試題中包括圖片和公式則還需要通過點擊插入圖片或公式按鈕的方式進行錄入，然而采用人工錄入試題的方式比較繁瑣，當試題數量較多時錄入需要花費大量的時間，不能實現試題的批量錄入。而基于正則表達式的錄入方式通常采用正則表達式來提取試題中的各部分內容，由于同一類型的試題的上下結構類似，可以分別編寫正則表達式來提取題干、答案、選項、解析等，進而實現試題的錄入功能，但是，基于正則表達式的試題錄入雖然能將試題的各個部分內容提取出來，但是此方式對源word文檔中的試題格式有著嚴格的要求，而不同的人有著不同的編寫試題的習慣，對試題格式難以統一，再者，一旦試題中含有和分割規則一致的內容時，就會被標注導致分割試題出錯，如試題題干中包含有A、B、C、D字母時，可能會標注為選擇題的選項，基于正則表達式的試題錄入方法分割試題錄入的準確度低、實用性也不高，此外，這種方式主要應用于純文本類型的試題，無法用來提取錄入包含有圖片或公式的試題。

發明內容

本發明旨在克服上述現有技術中至少一種缺陷，提供一種試題自動標注錄入方法，能夠實現試題的批量錄入且提高試題錄入的準確率。

本發明采取的技術方案是：

提供一種試題自動標注錄入方法，包括：

S1.接收word試題文檔，將word試題文檔自動轉換成對應的html文檔并存儲所述html文檔；

S2.自動提取html文檔的文本內容；

S3.對所述提取的文本內容進行詞語分割及對分割后的詞語進行詞性標注并標注詞語在文本中的位置；

S4.對所述標注好詞性的詞語進行試題特征提取，判斷所述詞語的特征是否與預設的試題關鍵字的特征對應，是則對所述詞語進行關鍵字標注，將標注為關鍵字的詞語作為確定的關鍵字；

S5.根據確定的關鍵字對試題進行逐題分割，并存儲每道試題的關鍵字；

S6.根據逐題分割好的關鍵字及所述關鍵字在文本中的位置在試題構造模塊中對試題進行組裝，并根據關鍵字及所述關鍵字在文本中的位置將組裝好的試題存儲到對應的位置。

通過將word文檔轉換成html文檔進行處理，可以完整的保存試題中的圖片和公式，解決了無法自動錄入帶有圖片或公式的試題文檔的問題；通過采用統計模型對試題文本進行詞語分割，并對分割后的詞語進行詞性標注，用詞性作為輔助判斷條件提取試題特征關鍵字，從而提高了試題自動分割的準確度。