[發(fā)明專(zhuān)利]基于多標(biāo)簽分類(lèi)和知識(shí)庫(kù)匹配結(jié)合的課件知識(shí)點(diǎn)分類(lèi)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202210087558.2
• 申請(qǐng)日: 2022-01-25
• 公開(kāi)（公告）號(hào): CN114564578A
• 公開(kāi)（公告）日: 2022-05-31
• 發(fā)明（設(shè)計(jì)）人: 李智
• 申請(qǐng)（專(zhuān)利權(quán)）人: 廣州視源電子科技股份有限公司;廣州視源人工智能創(chuàng)新研究院有限公司
• 主分類(lèi)號(hào): G06F16/35
• 分類(lèi)號(hào): G06F16/35;G06F16/36;G06F16/33;G06F40/30;G06F40/242;G06F40/284;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京辰權(quán)知識(shí)產(chǎn)權(quán)代理有限公司 11619
• 代理人: 付婧

1.一種基于多標(biāo)簽分類(lèi)和知識(shí)庫(kù)匹配結(jié)合的課件知識(shí)點(diǎn)分類(lèi)方法，其特征在于，所述方法包括：

獲取課件并對(duì)其進(jìn)行預(yù)處理，得到目標(biāo)文本；

根據(jù)所述目標(biāo)文本的坐標(biāo)軸對(duì)文本排序，得到分頁(yè)的文本序列；

將所有的文本序列拼成長(zhǎng)文本；

將所述長(zhǎng)文本輸入基于神經(jīng)網(wǎng)絡(luò)的多標(biāo)簽文本分類(lèi)模型進(jìn)行多標(biāo)簽分類(lèi)，得到候選的知識(shí)點(diǎn)列表；

對(duì)所述候選的知識(shí)點(diǎn)列表基于知識(shí)庫(kù)匹配進(jìn)行驗(yàn)證，得到目標(biāo)知識(shí)點(diǎn)列表。

2.根據(jù)權(quán)利要求1所述的基于多標(biāo)簽分類(lèi)和知識(shí)庫(kù)匹配結(jié)合的課件知識(shí)點(diǎn)分類(lèi)方法，其特征在于，所述對(duì)所述候選的知識(shí)點(diǎn)列表基于知識(shí)庫(kù)匹配進(jìn)行驗(yàn)證，得到目標(biāo)知識(shí)點(diǎn)列表，包括：

在所述分頁(yè)的文本序列中篩選知識(shí)點(diǎn)定義類(lèi)作為第一類(lèi)知識(shí)點(diǎn)，并篩選學(xué)習(xí)目標(biāo)或?qū)W習(xí)總結(jié)類(lèi)作為第二類(lèi)知識(shí)點(diǎn)；

將所述第一類(lèi)知識(shí)點(diǎn)與所述候選的知識(shí)點(diǎn)列表基于詞向量的語(yǔ)義相似度進(jìn)行匹配；

將所述第二類(lèi)知識(shí)點(diǎn)與所述候選的知識(shí)點(diǎn)列表對(duì)應(yīng)的知識(shí)點(diǎn)詞典進(jìn)行匹配；

將所述候選的知識(shí)點(diǎn)列表中第一類(lèi)知識(shí)點(diǎn)和第二類(lèi)知識(shí)點(diǎn)匹配成功的知識(shí)點(diǎn)視為通過(guò)驗(yàn)證，得到目標(biāo)知識(shí)點(diǎn)列表。

3.根據(jù)權(quán)利要求2所述的基于多標(biāo)簽分類(lèi)和知識(shí)庫(kù)匹配結(jié)合的課件知識(shí)點(diǎn)分類(lèi)方法，其特征在于，所述將所述第一類(lèi)知識(shí)點(diǎn)與所述候選的知識(shí)點(diǎn)列表基于詞向量的語(yǔ)義相似度進(jìn)行匹配，包括：

將第一類(lèi)知識(shí)點(diǎn)中詞向量加權(quán)求和取平均后得到對(duì)應(yīng)的第一句向量；

將候選的知識(shí)點(diǎn)列表中詞向量加權(quán)求和取平均后得到對(duì)應(yīng)的第二句向量；

計(jì)算第一句向量與第二句相量之間的余弦相似值；

當(dāng)所述余弦相似值大于預(yù)設(shè)閾值時(shí)，記作該知識(shí)點(diǎn)匹配成功。

4.根據(jù)權(quán)利要求2所述的基于多標(biāo)簽分類(lèi)和知識(shí)庫(kù)匹配結(jié)合的課件知識(shí)點(diǎn)分類(lèi)方法，其特征在于，所述將所述第二類(lèi)知識(shí)點(diǎn)與所述候選的知識(shí)點(diǎn)列表對(duì)應(yīng)的知識(shí)點(diǎn)詞典進(jìn)行匹配，包括：

獲取所述候選的知識(shí)點(diǎn)列表對(duì)應(yīng)的知識(shí)點(diǎn)詞典；

基于最大后向匹配的方法將所述第二類(lèi)知識(shí)點(diǎn)與所述候選的知識(shí)點(diǎn)列表進(jìn)行匹配；

當(dāng)匹配后對(duì)應(yīng)的關(guān)鍵詞大于1時(shí)，則記作該知識(shí)點(diǎn)匹配成功。

5.根據(jù)權(quán)利要求1所述的基于多標(biāo)簽分類(lèi)和知識(shí)庫(kù)匹配結(jié)合的課件知識(shí)點(diǎn)分類(lèi)方法，其特征在于，所述基于神經(jīng)網(wǎng)絡(luò)的多標(biāo)簽文本分類(lèi)模型采用TextCNN的方式進(jìn)行建模，且采用TextCNN的方式建立的模型的最后一層采用sigmod函數(shù)進(jìn)行計(jì)算。

6.根據(jù)權(quán)利要求5所述的基于多標(biāo)簽分類(lèi)和知識(shí)庫(kù)匹配結(jié)合的課件知識(shí)點(diǎn)分類(lèi)方法，其特征在于，所述方法還包括：

將得到的目標(biāo)知識(shí)點(diǎn)列表作為訓(xùn)練樣本訓(xùn)練所述基于神經(jīng)網(wǎng)絡(luò)的多標(biāo)簽文本分類(lèi)模型；

將訓(xùn)練好的所述基于神經(jīng)網(wǎng)絡(luò)的多標(biāo)簽文本分類(lèi)模型用于預(yù)設(shè)應(yīng)用場(chǎng)景的文本識(shí)別。

7.根據(jù)權(quán)利要求1所述的基于多標(biāo)簽分類(lèi)和知識(shí)庫(kù)匹配結(jié)合的課件知識(shí)點(diǎn)分類(lèi)方法，其特征在于，所述獲取課件并對(duì)其進(jìn)行預(yù)處理，得到目標(biāo)文本，包括：

獲取課件；

將所述課件轉(zhuǎn)換為計(jì)算機(jī)可讀的格式；

從轉(zhuǎn)換后的課件中提取文本，得到目標(biāo)文本。

8.一種基于多標(biāo)簽分類(lèi)和知識(shí)庫(kù)匹配結(jié)合的課件知識(shí)點(diǎn)分類(lèi)裝置，其特征在于：所述裝置包括：

獲取模塊，用于獲取課件并對(duì)其進(jìn)行預(yù)處理，得到目標(biāo)文本；

排序模塊，用于根據(jù)所述目標(biāo)文本的坐標(biāo)軸對(duì)文本排序，得到分頁(yè)的文本序列；

拼接模塊，用于將所有的文本序列拼成長(zhǎng)文本；

多標(biāo)簽?zāi)K，用于將所述長(zhǎng)文本輸入基于神經(jīng)網(wǎng)絡(luò)的多標(biāo)簽文本分類(lèi)模型進(jìn)行多標(biāo)簽分類(lèi)，得到候選的知識(shí)點(diǎn)列表；

匹配驗(yàn)證模塊，用于對(duì)所述候選的知識(shí)點(diǎn)列表基于知識(shí)庫(kù)匹配進(jìn)行驗(yàn)證，得到目標(biāo)知識(shí)點(diǎn)列表。

9.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1-7任一所述方法的步驟。

10.一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，其特征在于，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1-7任一所述方法的步驟。