[發明專利]一種基于大數據的學習心得評測方法及裝置

在審

• 申請號: 202010898902.7
• 申請日: 2020-08-31
• 公開（公告）號: CN112100329A
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 海克洪;張永龍;劉伸伯
• 申請（專利權）人: 湖北美和易思教育科技有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F40/289;G06Q50/20
• 代理公司: 武漢紅觀專利代理事務所(普通合伙) 42247
• 代理人: 李季

1.一種基于大數據的學習心得評測方法，其特征在于：包括以下步驟；

S1，獲取本地歷史關鍵詞數據，根據本地歷史關鍵詞數據建立關鍵詞分數表；

S2，建立關鍵詞提取算法，獲取學生學習心得文本數據，對該學習心得文本數據進行預處理，獲取待計算文本數據，通過關鍵詞提取算法從待計算文本數據中提取待評測關鍵詞；

S3，根據關鍵詞分數表對待評測關鍵詞進行評測。

2.如權利要求1所述的基于大數據的學習心得評測方法，其特征在于：步驟S1中，獲取本地歷史關鍵詞數據，根據本地歷史關鍵詞數據建立關鍵詞分數表，還包括以下步驟，獲取本地歷史關鍵詞數據，所述本地歷史關鍵詞數據包括：本地歷史關鍵詞、歷史關鍵詞對應的類別，所述歷史關鍵詞對應的類別包括：語文、數學、地理、物理、化學以及生物，根據歷史關鍵詞對應的類別建立不同類別集合，并存儲對應的本地歷史關鍵詞，根據該不同類別集合建立關鍵詞分數表。

3.如權利要求2所述的基于大數據的學習心得評測方法，其特征在于：所述歷史關鍵詞對應的類別包括：語文、數學、地理、物理、化學以及生物，根據歷史關鍵詞對應的類別建立不同類別集合，還包括以下步驟，根據歷史關鍵詞對應的類別獲取對應的課程目錄，根據該對應的課程目錄建立不同的課程子集合，并存儲對應的本地歷史關鍵詞。

4.如權利要求3所述的基于大數據的學習心得評測方法，其特征在于：步驟S2中，建立關鍵詞提取算法，獲取學生學習心得文本數據，對該學習心得文本數據進行預處理，獲取待計算文本數據，通過關鍵詞提取算法從待計算文本數據中提取待評測關鍵詞，還包括以下步驟，建立關鍵詞提取算法，獲取學生學習心得文本數據，對文本數據進行去干擾符號、分詞、去停用詞以及還原詞干，獲取處理之后的文本數據作為待計算文本數據，獲取本地關鍵詞詞庫，通過關鍵詞提取算法利用待計算文本數據以及本地關鍵詞詞庫中計算關鍵詞相似度，根據相似度將該關鍵詞作為待評測關鍵詞并從待計算文本數據提取對應關鍵詞。

5.如權利要求4所述的基于大數據的學習心得評測方法，其特征在于：對文本數據進行去干擾符號、分詞、去停用詞以及還原詞干，獲取處理之后的文本數據作為待計算文本數據，還包括以下步驟，對文本數據進行去干擾符號，所述干擾符號包括：標點符號、換行符號、格式符號以及標簽符號，建立分詞規則，根據分詞規則從去除了干擾符號的文本數據提劃分分詞，設定停用詞模型，所述停用詞包括：連詞、副詞以及語氣詞，根據停用詞模型從劃分了分詞的文本數據中去除停用詞，并對文本數據的語言進行檢測，當文本數據的語言為中文時，將去除了停用詞的文本數據為待計算文本數據；當文本數據的語言為外文時，通過還原詞干對去除了停用詞的文本數據進行還原，將還原之后的文本數據為待計算文本數據。

6.如權利要求5所述的基于大數據的學習心得評測方法，其特征在于：所述關鍵詞提取算法包括：

其中，P代表關鍵詞相似度，A_i代表待評測關鍵詞的文本向量，B_i代表本地關鍵詞詞庫的文本向量，n代表文本總數，i代表文本項數。

7.如權利要求5所述的基于大數據的學習心得評測方法，其特征在于：步驟S3中，根據關鍵詞分數表對待評測關鍵詞進行評測，還包括以下步驟，根據關鍵詞分數表獲取待評測關鍵詞對應的分數，并計算待評測關鍵詞的總分數作為學生學習心得文本數據的評測分數。

8.一種基于大數據的學習心得評測裝置，其特征在于，所述基于大數據的學習心得評測裝置包括：

獲取模塊，用于獲取本地歷史關鍵詞數據，根據本地歷史關鍵詞數據建立關鍵詞分數表；

關鍵詞提取模塊，用于建立關鍵詞提取算法，獲取學生學習心得文本數據，對該學習心得文本數據進行預處理，獲取待計算文本數據，通過關鍵詞提取算法從待計算文本數據中提取待評測關鍵詞；

評測模塊，用于根據關鍵詞分數表對待評測關鍵詞進行評測。