[發明專利]試題推薦及相關模型的訓練方法、電子設備、存儲裝置

在審

• 申請號: 202011582885.2
• 申請日: 2020-12-28
• 公開（公告）號: CN112686052A
• 公開（公告）日: 2021-04-20
• 發明（設計）人: 凌超;沙晶;付瑞吉;王士進;魏思;胡國平
• 申請（專利權）人: 科大訊飛股份有限公司
• 主分類號: G06F40/30
• 分類號: G06F40/30;G06N3/08;G09B19/00
• 代理公司: 深圳市威世博知識產權代理事務所(普通合伙) 44280
• 代理人: 何倚雯

1.一種試題推薦模型的訓練方法，其特征在于，包括：

獲取屬于用戶的第一樣本試題對；其中，每組所述第一樣本試題對包括樣本原題和樣本選題，所述樣本選題是所述用戶在所述樣本原題的若干推薦題中所選擇的試題；

獲取所述用戶的初始用戶表示，并獲取所述第一樣本試題對的初始試題對表示；

將所述初始用戶表示和所述初始試題對表示輸入試題推薦模型，得到所述用戶的最終用戶表示和所述第一樣本試題對的最終試題對表示；其中，所述最終用戶表示包含：所述用戶本身的語義信息以及屬于所述用戶的第一樣本試題對的語義信息；

利用所述最終用戶表示和所述最終試題對表示，預測得到所述用戶與各組所述第一樣本試題對中所述樣本選題的樣本適配程度；

基于所述樣本適配程度，調整所述試題推薦模型的網絡參數。

2.根據權利要求1所述的方法，其特征在于，所述試題推薦模型包括圖神經網絡；所述將所述初始用戶表示和所述初始試題對表示輸入試題推薦模型，得到所述用戶的最終用戶表示和所述第一樣本試題對的最終試題對表示，包括：

利用所述初始用戶表示和所述初始試題對表示，構建用戶試題交互圖；

將所述用戶試題交互圖輸入所述圖神經網絡，得到所述最終用戶表示和所述最終試題對表示。

3.根據權利要求1所述的方法，其特征在于，所述用戶有多個，所述基于所述樣本適配程度，調整所述試題推薦模型的網絡參數，包括：

獲取多個所述用戶分別與各組所述第一樣本試題對中所述樣本選題的實際適配程度；其中，所述用戶與屬于所述用戶的第一樣本試題對中所述樣本選題的實際適配程度為第一數值，所述用戶與不屬于所述用戶的第一樣本試題對中所述樣本選題的實際適配程度為第二數值，且所述第一數值大于所述第二數值；

利用所述樣本適配程度和所述實際適配程度之間的差異，調整所述試題推薦模型的網絡參數。

4.根據權利要求1所述的方法，其特征在于，所述試題推薦模型是經過若干次訓練得到的，所述第一樣本試題對的初始試題對表示在所述試題推薦模型的若干次訓練過程中保持不變；

和/或，所述試題推薦模型是經過若干次訓練得到的；所述獲取所述用戶的初始用戶表示，包括：

將上次訓練得到的最終用戶表示，作為對應所述用戶的初始用戶表示。

5.根據權利要求1所述的方法，其特征在于，所述獲取所述第一樣本試題對的初始試題對表示，包括：

提取所述樣本原題的第一樣本語義表示，并提取所述樣本選題的第二樣本語義表示；其中，所述第一樣本語義表示包含所述樣本原題的若干試題屬性的語義信息，所述第二樣本語義表示包含所述樣本選題的若干試題屬性的語義信息；

將所述第一樣本語義表示和所述第二樣本語義表示進行融合，得到所述初始試題對表示。

6.根據權利要求5所述的方法，其特征在于，所述若干試題屬性的語義信息是分別利用與所述若干試題屬性對應的屬性語義提取網絡提取得到的，所述若干試題屬性對應的屬性語義提取網絡包含于關系預測模型，所述關系預測模型還包括交互語義提取網絡、試題關系預測網絡，所述關系預測模型的訓練步驟包括：

獲取若干組第二樣本試題對，并獲取標注有實際試題屬性的第三樣本試題；其中，所述第二樣本試題對包括第一樣本試題和第二樣本試題，且所述第二樣本試題對標注有第一樣本試題和第二樣本試題之間的實際試題關系；

利用所述第三樣本試題對所述屬性語義提取網絡進行若干次訓練，直至滿足預設條件為止；

利用所述屬性語義提取網絡提取所述第一樣本試題的第一樣本試題表示和所述第二樣本試題的第二樣本試題表示；以及，

利用所述交互語義提取網絡提取所述第二樣本試題對的樣本交互語義表示；其中，所述樣本交互語義表示包含：所述第一樣本試題中樣本詞語與所述第二樣本試題中樣本詞語之間的語義相關度；

將所述第一樣本試題表示、所述第二樣本試題表示和所述樣本交互語義表示輸入所述試題關系預測網絡，得到所述第一樣本試題和所述第二樣本試題之間的樣本試題關系；

基于所述實際試題關系與所述樣本試題關系之間的差異，調整所述交互語義提取網絡和所述試題關系預測網絡的網絡參數。