[發明專利]組卷模型訓練及其組卷方法、裝置和計算機存儲介質

有效

• 申請號: 202010043512.1
• 申請日: 2020-01-15
• 公開（公告）號: CN113129184B
• 公開（公告）日: 2022-06-03
• 發明（設計）人: 何明;付國為
• 申請（專利權）人: 北京新唐思創教育科技有限公司
• 主分類號: G06Q50/20
• 分類號: G06Q50/20;G06Q10/06
• 代理公司: 北京合智同創知識產權代理有限公司 11545
• 代理人: 李杰

1.一種組卷模型訓練方法，其特征在于，所述方法包括：

收集多位教師的組卷數據，所述組卷數據包括第一類別標識、第二類別標識、訓練試卷以及所述訓練試卷對應的組卷策略；

根據所述第一類別標識，將所述多位教師分為第一教師組和第二教師組；

根據所述第二類別標識和所述訓練試卷對應的組卷策略，將不同分組的教師的所述訓練試卷進行配對，生成多個試卷配對數據集；

構建包括生成網絡子模型和判別網絡子模型的組卷模型，并利用所述試卷配對數據集訓練所述組卷模型，其包括：

將多個所述試卷配對數據集中的第一質量等級的第一配對試卷、所述第一教師組中第一配對教師的第二類別標識、所述第一配對試卷對應的組卷策略作為所述生成網絡子模型的輸入，將多個所述試卷配對數據集中的第二質量等級的第二配對試卷作為所述生成網絡子模型的輸出，對所述生成網絡子模型進行訓練，其中，所述第一質量等級低于所述第二質量等級；

利用目標測試試卷和優秀試卷訓練所述判別網絡子模型，其中，所述目標測試試卷是基于所述第一配對試卷、所述第一配對教師的所述第二類別標識、所述第一配對試卷對應的所述組卷策略，并利用訓練后的所述生成網絡子模型生成的；所述優秀試卷是所述第二教師組中的教師的全部或者部分所述訓練試卷；

基于訓練后的所述判別網絡子模型，優化所述生成網絡子模型。

2.根據權利要求1所述的組卷模型訓練方法，其特征在于，所述第一類別標識用于標識教師的教學水平，所述第二類別標識用于標識教師的教學風格。

3.根據權利要求1所述的組卷模型訓練方法，其特征在于，所述根據所述第二類別標識和所述訓練試卷對應的組卷策略，將不同分組的教師的所述訓練試卷進行配對，生成多個試卷配對數據集包括：

根據所述第二類別標識和所述訓練試卷對應的組卷策略，將所述第一教師組中的教師的所述訓練試卷與所述第二教師組中的教師的所述訓練試卷進行配對，生成多個所述試卷配對數據集。

4.根據權利要求3所述的組卷模型訓練方法，其特征在于，所述根據所述第二類別標識和所述訓練試卷對應的組卷策略，將所述第一教師組中的教師的所述訓練試卷與所述第二教師組中的教師的所述訓練試卷進行配對，生成多個所述試卷配對數據集包括：

根據所述第二類別標識和所述訓練試卷對應的組卷策略，從所述第二教師組中的教師的所述訓練試卷中，獲取與所述第一教師組中所述第一配對教師的第一配對試卷相匹配的第二配對試卷，并生成第一試卷配對數據；

針對所述第一配對教師的每套所述訓練試卷，重復所述第一試卷配對數據的生成過程，獲得所述第一配對教師的所述試卷配對數據集；以及針對所述第一教師組中的每位教師，重復所述第一配對教師的所述試卷配對數據集的獲得過程，生成多個所述試卷配對數據集；

其中，所述生成第一試卷配對數據包括：

根據所述第二類別標識，獲得所述第一教師組中的所述第一配對教師與所述第二教師組中的每位教師之間的匹配度數據；

基于所述匹配度數據，從所述第二教師組中選取與所述第一配對教師相匹配的第一目標教師，并根據所述第一配對試卷對應的所述組卷策略，從所述第一目標教師的所述訓練試卷中選取與所述第一配對試卷對應的所述組卷策略相匹配的所述第二配對試卷；

基于所述第一配對試卷、所述第二配對試卷、所述第一配對教師的第二類別標識以及所述第一配對試卷對應的所述組卷策略，生成所述第一試卷配對數據。

5.根據權利要求4所述的組卷模型訓練方法，其特征在于，所述第二類別標識包括至少兩個子標識，對應的，所述根據所述第二類別標識，獲得所述第一教師組中的所述第一配對教師與所述第二教師組中的每位教師之間的匹配度數據包括：

根據所述子標識，計算所述第一教師組中的所述第一配對教師與所述第二教師組中的每位教師之間的余弦相似度，以獲得所述匹配度數據。