[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

本申請提供一種知識點提取方法和裝置。該方法包括：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。可以解決現有技術中有的題目無法確定知識點的問題。

技術領域

本申請涉及數據處理領域，尤其涉及一種知識點提取方法和裝置。

背景技術

目前，各種功能的應用程序(Application，簡稱APP)層出不窮。其中，教育類APP深受學生歡迎，教育類APP的功能非常豐富，比如，學生可以在教育類APP上查找到薄弱知識點的所有題目，通過做這些題目鞏固和強化薄弱知識點。這就需要在APP開發過程中，提取每個題目的知識點，并將知識點作為標簽打在該題目上，方便用戶查找。

現有技術中，通過如下方式提取每個題目的知識點：將待處理題目和題庫中的所有題目進行相似度匹配，將匹配到的題目的知識點作為待處理題目的知識點，題庫中所有題目的知識點通過人工獲取。

然而，題庫中可能并沒有相似度達到要求的題目，這樣無法確定待處理題目的知識點。

發明內容

本申請提供一種知識點提取方法和裝置，用于解決現有技術中有的題目無法確定知識點的問題。

第一方面，本申請提供一種知識點提取方法，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。

可選的，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。

可選的，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。

可選的，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。

可選的，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。

可選的，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。

可選的，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。