[發(fā)明專利]作業(yè)批改方法、系統(tǒng)、可讀介質(zhì)及電子設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202210178875.5
• 申請(qǐng)日: 2022-02-25
• 公開（公告）號(hào): CN114581648A
• 公開（公告）日: 2022-06-03
• 發(fā)明（設(shè)計(jì)）人: 郝雙;韓志榮;梅子文;吳興微;史普力;張飛飛
• 申請(qǐng)（專利權(quán)）人: 北京開拓鴻業(yè)高科技有限公司
• 主分類號(hào): G06V10/22
• 分類號(hào): G06V10/22;G06V10/774;G06K9/62;G06Q50/20
• 代理公司: 北京英創(chuàng)嘉友知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11447
• 代理人: 溫易娜

本公開人工智能技術(shù)領(lǐng)域，具體地，涉及一種作業(yè)批改方法、系統(tǒng)、可讀介質(zhì)及電子設(shè)備。本公開提供的作業(yè)批改方法、系統(tǒng)、可讀介質(zhì)及電子設(shè)備，針對(duì)每一個(gè)題目訓(xùn)練一個(gè)屬于該題目的模型，在接收到目標(biāo)用戶的作業(yè)圖片后，對(duì)作業(yè)圖片按題目進(jìn)行切分，得到多個(gè)作業(yè)子圖片，將每個(gè)作業(yè)子圖片轉(zhuǎn)發(fā)至與該作業(yè)子圖片包括的題目對(duì)應(yīng)的模型進(jìn)行批改，得到每個(gè)作業(yè)子圖片的批改結(jié)果，將該作業(yè)圖片的所有作業(yè)子圖片的批改結(jié)果匯總后，即可得到該作業(yè)圖片的批改結(jié)果，提高了AI批改的準(zhǔn)確率。并且，在模型部署時(shí)，根據(jù)目標(biāo)用戶的課表，動(dòng)態(tài)管理各個(gè)模型的上線和下線狀態(tài)，提前啟動(dòng)需要使用的模型，并下線不需要使用的模型，釋放了計(jì)算資源。

技術(shù)領(lǐng)域

本公開涉及人工智能技術(shù)領(lǐng)域，具體地，涉及一種作業(yè)批改方法、系統(tǒng)、可讀介質(zhì)及電子設(shè)備。

背景技術(shù)

隨著人工智能技術(shù)和大數(shù)據(jù)技術(shù)的迅速發(fā)展和快速成熟，作業(yè)批改這項(xiàng)工作逐漸開始由AI(Artificial Intelligence，人工智能)批改取代人工批改，AI批改不僅能解放教師和家長的工作量，還為后續(xù)自適應(yīng)學(xué)習(xí)提供技術(shù)和數(shù)據(jù)支撐與新業(yè)務(wù)可能性。

但是，AI算法對(duì)于手寫字符的識(shí)別準(zhǔn)確率始終還不能達(dá)到印刷體識(shí)別一樣的精度，所以目前市面上進(jìn)行AI自動(dòng)批改的業(yè)務(wù)場景，更多的是聚焦于批改客觀題或簡單數(shù)學(xué)算式題的單步驟(題目及手寫作答涉及的字符范圍和字符變化情況相對(duì)簡單)，而對(duì)于主觀題的批改仍然傾向于使用人工批改。

發(fā)明內(nèi)容

本公開的目的是提供一種能提高AI批改作業(yè)準(zhǔn)確率的作業(yè)批改方法、系統(tǒng)、可讀介質(zhì)及電子設(shè)備，以解決AI批改作業(yè)準(zhǔn)確率不高的問題。

為了實(shí)現(xiàn)上述目的，本公開提供一種作業(yè)批改方法，所述方法包括：

根據(jù)目標(biāo)用戶的課表獲取每日需要批改的至少一個(gè)目標(biāo)題目的身份標(biāo)識(shí)；

每日根據(jù)所述至少一個(gè)目標(biāo)題目的身份標(biāo)識(shí)在模型池內(nèi)拉起對(duì)應(yīng)的至少一個(gè)目標(biāo)模型，并下線服務(wù)時(shí)間結(jié)束的模型，其中，所述模型池內(nèi)存儲(chǔ)多個(gè)模型，每個(gè)所述模型與一個(gè)題目及該題目的身份標(biāo)識(shí)相對(duì)應(yīng)；

接收所述目標(biāo)用戶發(fā)送的作業(yè)圖片，對(duì)所述作業(yè)圖片進(jìn)行切分，得到至少一個(gè)作業(yè)子圖片，每個(gè)所述作業(yè)子圖片包括一個(gè)題目和該目標(biāo)用戶對(duì)該題目的作答；

根據(jù)每個(gè)所述作業(yè)子圖片包括的題目的身份標(biāo)識(shí)，將每個(gè)所述作業(yè)子圖片轉(zhuǎn)發(fā)至與所述身份標(biāo)識(shí)對(duì)應(yīng)的目標(biāo)模型進(jìn)行批改，得到每個(gè)所述作業(yè)子圖片的批改結(jié)果；

將每個(gè)所述作業(yè)子圖片的批改結(jié)果匯總后，得到所述作業(yè)圖片的批改結(jié)果并返回給所述目標(biāo)用戶。

可選地，所述模型池內(nèi)的每個(gè)模型是通過以下方式訓(xùn)練得到的：

針對(duì)每個(gè)所述模型，創(chuàng)建一個(gè)工作流，將與該模型對(duì)應(yīng)的題目的多個(gè)作答圖片導(dǎo)入所述工作流中，每個(gè)作答圖片包括該題目和對(duì)該題目的作答；

對(duì)每個(gè)所述工作流建立標(biāo)注人員權(quán)限，并接收有權(quán)限的標(biāo)注人員對(duì)每個(gè)所述作答圖片的標(biāo)注結(jié)果，將每個(gè)所述作答圖片的標(biāo)注結(jié)果和該作答圖片作為訓(xùn)練樣本，增加到與該工作流對(duì)應(yīng)的訓(xùn)練集內(nèi)；

對(duì)所述訓(xùn)練集進(jìn)行訓(xùn)練，得到該模型。

可選地，所述方法還包括：

根據(jù)每個(gè)所述作業(yè)子圖片包括的題目的身份標(biāo)識(shí)，將每個(gè)所述作業(yè)子圖片和該作業(yè)子圖片的批改結(jié)果導(dǎo)入對(duì)應(yīng)的工作流；

針對(duì)每個(gè)所述作業(yè)子圖片的批改結(jié)果，接收對(duì)該工作流有權(quán)限的標(biāo)注人員的審批，將每個(gè)所述作業(yè)子圖片審批后的批改結(jié)果和該作業(yè)子圖片作為訓(xùn)練樣本，增加到與該工作流對(duì)應(yīng)的訓(xùn)練集內(nèi)。

可選地，所述對(duì)所述訓(xùn)練集進(jìn)行訓(xùn)練，得到該模型的步驟包括：

在所述訓(xùn)練集內(nèi)的訓(xùn)練樣本數(shù)達(dá)到第一預(yù)設(shè)閾值時(shí)，不加載預(yù)置模型，對(duì)所述訓(xùn)練集進(jìn)行全量訓(xùn)練，得到該模型；和/或，