[發明專利]知識點提取方法和裝置

在審

• 申請號: 202110336756.3
• 申請日: 2021-03-29
• 公開（公告）號: CN115129857A
• 公開（公告）日: 2022-09-30
• 發明（設計）人: 吳智東
• 申請（專利權）人: 廣州視源電子科技股份有限公司;廣州視源人工智能創新研究院有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F40/194;G06F40/279;G06F40/30;G06K9/62
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 張娜;臧建明

1.一種知識點提取方法，其特征在于，包括：

將待處理文本輸入知識點分類模型，得到概率向量，所述概率向量包括所述待處理文本屬于各個知識點的概率；

根據所述待處理文本和各個知識點的知識點向量，獲取相關度向量，所述相關度向量包括所述待處理文本和各個知識點的相關度；

根據所述概率向量和所述相關度向量，獲取各個知識點的相關性評分；

根據各個知識點的相關性評分，確定所述待處理文本所屬的知識點。

2.根據權利要求1所述的方法，其特征在于，所述將待處理文本輸入知識點分類模型之前，所述方法還包括：

構建訓練集數據，所述訓練集數據包括多個訓練樣本，每個訓練樣本包括：題目、所述題目的特征詞表以及所述題目的知識點；

構建初始知識點分類模型；

使用所述訓練集數據對所述初始知識點分類模型進行訓練，得到所述知識點分類模型。

3.根據權利要求2所述的方法，其特征在于，所述構建訓練集數據包括：

構建學科詞表；

針對題庫中每個題目，使用所述學科詞表和所述題目進行匹配，得到所述題目的特征詞表，所述題庫中每個題目、所述題目的特征詞表以及所述題目的知識點構成一個訓練樣本。

4.根據權利要求3所述的方法，其特征在于，所述構建學科詞表，包括：

對題目文本進行分詞處理，得到第一候選詞表，所述題目文本由所述題庫中的所有題目構成；

計算所述第一候選詞表中每個詞的詞頻-逆文本頻率指數TF-IDF；

根據所述第一候選詞表中每個詞的TF-IDF，獲取所述學科詞表。

5.根據權利要求4所述的方法，其特征在于，所述根據所述待處理文本和各個知識點的知識點向量，獲取相關度向量之前，還包括：

針對每個知識點，從所述題庫獲取和所述知識點相關的所有題目；

提取所有題目中每個題目的特征向量；

根據每個題目的特征向量，確定所述知識點的知識點向量。

6.根據權利要求1-5任一項所述的方法，其特征在于，所述根據每個題目的特征向量，確定所述知識點的知識點向量，包括：

采用如下公式確定所述知識點的知識點向量：

其中，V_ci為所述知識點的知識點向量，V_Qij表示所述知識點第j個題目的特征向量，n_ci表示所述知識點相關的所有題目的數量。

7.根據權利要求6所述的方法，其特征在于，所述根據所述待處理文本和各個知識點的知識點向量，獲取相關度向量，包括：

提取所述待處理文本的特征向量；

針對每個知識點，根據所述待處理文本的特征向量和所述知識點的知識點向量，確定所述待處理文本和所述知識點的相關度，所述待處理文本和各個知識點的相關度構成所述相關度向量。

8.根據權利要求7所述的方法，其特征在于，所述根據所述待處理文本的特征向量和所述知識點的知識點向量，確定所述待處理文本和所述知識點的相關度，包括：

采用如下公式獲取確定所述待處理文本和所述知識點的相關度：

Score＝Cosine(Bert(x_q)，V_ci)

其中，Score為所述待處理文本和所述知識點的相關度，Bert(x_q)為待處理文本的特征向量，V_ci為所述知識點的知識點向量。

9.根據權利要求6所述的方法，其特征在于，所述根據所述概率向量和所述相關度向量，獲取各個知識點的相關性評分，包括：

采用如下公式獲取各個知識點的相關性評分：

其中，V_Mxq為概率向量，V_Sxq為相關度向量，V_score包括各個知識點的相關性評分，為概率向量對應的權重。