[發明專利]一種面向小學藏語文閱讀問題自動生成的服務系統

在審

• 申請號: 202110228195.5
• 申請日: 2021-03-02
• 公開（公告）號: CN113033180A
• 公開（公告）日: 2021-06-25
• 發明（設計）人: 孫媛;陳安東
• 申請（專利權）人: 中央民族大學
• 主分類號: G06F40/211
• 分類號: G06F40/211;G06F16/35;G06K9/62;G06N3/04;G06N3/08;G06N20/00
• 代理公司: 北京億騰知識產權代理事務所(普通合伙) 11309
• 代理人: 陳霽

1.一種面向小學藏語文閱讀問題自動生成的服務系統，其特征在于，包括藏語閱讀語料庫構建模型和藏文閱讀文本問題生成模型；其中，

藏語閱讀語料庫構建模型，通過提取小學藏語文章特征數據，并設計混合的多策略文本篩選模型，構建藏語閱讀語料庫；

藏文閱讀文本問題生成模型，包括編碼端和解碼端，其中，編碼端使用雙向RNN網絡和注意力機制；解碼端使用單向RNN網絡、注意力機制和復制機制。

2.根據權利要求1所述系統，其特征在于，所述藏語閱讀語料庫構建模型具體用于，以小學藏語文教材(1-6年級)為訓練語料，以文章長度、文章體裁、句子數量、平均句長、文章詞匯量、詞匯覆蓋度、冗余度為特征，設計混合的多策略文本篩選模型，并從大規模百科藏文文本中得到適合小學藏語文閱讀的材料。

3.根據權利要求1所述系統，其特征在于，所述篩選模型中集成了邏輯回歸、KNN算法模型以及隨機森林模型，設定7個類別，分別代表適合1-6年級閱讀和不適合小學閱讀，采用絕對多數投票法作為輸出策略。

4.根據權利要求3所述系統，其特征在于，所述邏輯回歸的公式為：

f_w,b(x)＝σ(∑_iw_ix_i+b)，

其中，x_i表示小學藏語文章的特征，w_i表示特征所具有的權重，b表示偏置，最終使用對率函數σ(Sigmoid)得到輸出f_w,b(x)；

對于訓練的損失函數，選擇了交叉熵損失函數，公式如下：

其中，M為類別的數量；y_ic是指示變量(0或1),如果該類別和樣本i的類別相同，y_ic就是1，否則是0；f_w,b(x)是邏輯回歸的輸出,表示某特定類別的概率。

5.根據權利要求3所述系統，其特征在于，所述KNN算法模型中，使用歐式距離公式作為不同類別距離的度量公式。公式如下：

其中，和為特征的空間坐標，L(x_i,x_j)得到的是兩個特征的距離大小。在KNN算法中，先將文章特征歸一化到共同的特征空間中，然后設置參數k，根據距離計算結果L(x_i,x_j)，取距離最近的k個特征點，其中哪個類別出現的最多，這個文章就屬于這個類別。

6.根據權利要求3所述系統，其特征在于，所述隨機森林模型，通過對訓練集的抽樣獲得分布不同的訓練子集；通過不同的訓練子集來訓練不同的決策樹，隨機森林包含訓練得到的所有決策樹；在做分類任務時遵循“少數服從多數原則”，將決策樹分類結果最多的類別作為文章的最終分類結果；

其中，決策樹使用的是ID3算法，每個決策樹用信息增益來獲得最優劃分屬性a，其公式為：

a為類別的屬性，v表示類別的劃分，在文章分類任務中v＝7，表示文章分為7個類別；D表示所有的訓練集，D^v表示第v個類別的數據集；Ent(D^v)表示第v個類別的數據集的信息熵；Gain(D,a)為信息增益，如果值越大，說明使用屬性a來劃分的效果越好。

7.根據權利要求3所述系統，其特征在于，所述絕對多數投票法的原則是得票過半數才可以得到輸出，否則取最小數值作為最終輸出，其公式如下：

f_i(x)為模型的分類結果，T為分類模型的數量，如果有一半以上的模型給出了相同結果(if Count(f_i(x))0.5T)，將這個分類作為最終結果；反之，如果沒有半數的模型給出相同分類結果，取最小數值作為最終結果。