CN106469169A - 信息处理方法及装置 - Google Patents
信息处理方法及装置 Download PDFInfo
- Publication number
- CN106469169A CN106469169A CN201510509563.8A CN201510509563A CN106469169A CN 106469169 A CN106469169 A CN 106469169A CN 201510509563 A CN201510509563 A CN 201510509563A CN 106469169 A CN106469169 A CN 106469169A
- Authority
- CN
- China
- Prior art keywords
- node
- solution approach
- exercise
- knowledge
- knowledge point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 15
- 238000003672 processing method Methods 0.000 title claims abstract description 15
- 238000013459 approach Methods 0.000 claims abstract description 308
- 238000013507 mapping Methods 0.000 claims abstract description 99
- 238000011835 investigation Methods 0.000 claims abstract description 12
- 238000000034 method Methods 0.000 claims description 63
- 230000008569 process Effects 0.000 claims description 35
- 238000012545 processing Methods 0.000 claims description 9
- 238000002372 labelling Methods 0.000 claims description 8
- 238000001228 spectrum Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 15
- 238000005516 engineering process Methods 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013519 translation Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
- G06F40/35—Discourse or dialogue representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/048—Fuzzy inferencing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/042—Backward inferencing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Fuzzy Systems (AREA)
- Automation & Control Theory (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Human Computer Interaction (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本申请提供一种信息处理方法及装置。一种信息处理方法包括:接收用户输入的出题要求,出题要求包括待学习知识点;从习题知识图谱中,获取包括指示待学习知识点的目标节点在内的节点路径;习题知识图谱中的节点指示已有习题的解题步骤、解题步骤考察的知识点以及解题步骤对应的问法;根据节点路径上各节点指示的解题步骤、解题步骤考察的知识点以及解题步骤对应的问法,生成用户需要的习题。本申请可以生成新习题,有利于扩充习题库。
Description
【技术领域】
本申请涉及互联网技术领域,尤其涉及一种信息处理方法及装置。
【背景技术】
随着互联网技术的发展,出现了一批以给学生做题为主题的网站,比如“中学生习题网”、“猿题库”、“我要做题网”等。这些网站赖以生存的基础就是题库中的习题。目前有关习题方面的技术主要有三方面,第一是习题的分类与展示,第二是习题的搜索和推荐,第三是习题的批改和反馈。这些技术均是对现有习题库中的习题进行处理,未涉及新习题的生成问题。但是,习题库需要不断丰富,因此需要一种能够生成新习题的方法,用以扩充题库。
【发明内容】
本申请的多个方面提供一种信息处理方法及装置,用以生成新习题,以扩充习题库。
本申请的一方面,提供一种信息处理方法,包括:
接收用户输入的出题要求,所述出题要求包括待学习知识点;
从习题知识图谱中,获取包括指示所述待学习知识点的目标节点在内的节点路径;所述习题知识图谱中的节点指示已有习题的解题步骤、所述解题步骤考察的知识点以及所述解题步骤对应的问法;
根据所述节点路径上各节点指示的解题步骤、所述解题步骤考察的知识点以及所述解题步骤对应的问法,生成所述用户需要的习题。
本申请的另一方面,提供一种信息处理方法,包括:
将已有习题的解题步骤解析成节点,所述节点指示所述解题步骤、所述解题步骤考察的知识点以及所述解题步骤对应的问法;
对所述节点之间的连接关系进行标记,以生成习题知识图谱。
本申请的又一方面,提供一种信息处理装置,包括:
接收模块,用于接收用户输入的出题要求,所述出题要求包括待学习知识点;
获取模块,用于从习题知识图谱中,获取包括指示所述待学习知识点的目标节点在内的节点路径;所述习题知识图谱中的节点指示已有习题的解题步骤、所述解题步骤考察的知识点以及所述解题步骤对应的问法;
生成模块,用于根据所述节点路径上各节点指示的解题步骤、所述解题步骤考察的知识点以及所述解题步骤对应的问法,生成所述用户需要的习题。
本申请的又一方面,提供一种信息处理装置,包括:
解析模块,用于将已有习题的解题步骤解析成节点,所述节点指示所述解题步骤、所述解题步骤考察的知识点以及所述解题步骤对应的问法;
标记模块,用于对所述节点之间的连接关系进行标记,以生成习题知识图谱。
在本申请中,预先将已有习题的解题步骤解析成节点,由该节点指示解题步骤、解题步骤考察的知识点以及解题步骤对应的问法,进而根据这些节点之间的连接关系形成习题知识图谱;在接收到用户输入的出题要求时,根据出题要求包括的待学习知识点,从习题知识图谱中获取包括指示待学习知识点的目标节点在内的节点路径,进而根据节点路径上各节点指示的解题步骤、解题步骤考察的知识点以及解题步骤对应的问法,形成用户需要的习题,解决了习题的生成问题,有利于习题库的扩充和丰富。
【附图说明】
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请一实施例提供的信息处理方法的流程示意图;
图2为本申请另一实施例提供的信息处理方法的流程示意图;
图3为本申请又一实施例提供的信息处理方法的流程示意图;
图4为本申请一实施例提供的信息处理装置的结构示意图;
图5为本申请另一实施例提供的信息处理装置的结构示意图;
图6为本申请又一实施例提供的信息处理装置的结构示意图。
【具体实施方式】
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
针对现有技术面临的习题生成问题,本申请提供一种解决方案,具体原理是:基于海量已有习题的解题过程,生成习题知识图谱,在习题知识图谱中,节点指示已有习题的解题步骤、解题步骤考察的知识点以及解题步骤对应的问法;在用户输入出题要求时,从习题知识图谱中,获取符合出题要求的节点路径,根据节点路径上各节点指示的解题步骤、解题步骤考察的知识点以及解题步骤对应的问法,生成用户需要的习题。由此可见,基于习题知识图谱解决了习题的生成问题,能够比较快速便捷的生成符合用户需求的习题,有利于习题库的扩充和丰富。
以下实施例将分别说明习题知识图谱的生成过程和基于习题知识图谱生成习题的过程。由于习题生成过程需要基于习题知识图谱,故下面实施例将优先说明习题知识图谱的生成过程。
图1为本申请一实施例提供的信息处理方法的流程示意图。如图1所示,该方法包括:
101、将已有习题的解题步骤解析成节点,该节点指示解题步骤、解题步骤考察的知识点以及解题步骤对应的问法。
103、对节点之间的连接关系进行标记,以生成习题知识图谱。
已有习题是指现有技术中已经存在的习题,例如可以是习题库中已有的习题。已有习题的数量越多,生成的习题知识图谱的信息量就越丰富,越有利于后续习题的生成过程。
在本实施例中,对已有习题中每个习题进行相同处理,该处理具体为:将习题的解题步骤解析成节点,由该节点来指示该解题步骤、解题步骤考察的知识点以及解题步骤对应的问法。一般来说,一个习题会有多个解题步骤,其中,每个解题步骤都被解析成一个节点。
每个解题步骤一般由输入、输出和过程构成。对于习题来说,都有其目的或针对性,即有需要考察的知识点,这些知识点一般会体现在解题步骤中,所以解题步骤一般会有考察的知识点。另外,解题步骤也会对应一个问法。所述问法是指针对该解题步骤的问题表达方式,即在该问题表达方式下,才会有这样一个解题步骤。在习题领域,除了考察知识点之外对习题的难易程度也有一定要求,习题的难易程度也可以通过解题步骤来体现,所以解题步骤除了具有考察的知识点和对应的问法之外,一般还会有解答难度的问题。
值得说明的是,上述解题步骤的输入、输出、过程、需要考察的知识点、对应的问法以及难度等信息都是已知的,或者是可以预先统计获得的。
举例说明:假设有一习题具体为:设函数x∈R,R表示实数,求f(x)的最小正周期。该习题的解题步骤以及解题步骤考察的知识点、对应的问法或难度系数如下:
解题步骤1:cos(x+π)=-cos(x)(考察cos函数象限,正确率0.95);
解题步骤2:(考察cos二倍角公式,正确率0.85);
解答步骤3:(考察cos二倍角公式,正确率0.85);
解题步骤4:(考察三角函数计算,正确率0.95);
解题步骤5:最小正周期(考察最小正周期概念,正确率0.90)。
在上述解题步骤中,等号左侧部分为解题步骤的输入,等号右侧部分为解题步骤的输出,整个等式表示解题步骤的过程,括号中考察的内容为解题步骤考察的知识点,括号中的正确率表示解题步骤的难度。举例说明,在上述解题步骤1中,cos(x+π)为解题步骤1的输入,-cos(x)为解题步骤1的输出,cos(x+π)=-cos(x)这个等式为解题步骤1的过程,正确率0.95为解题步骤1的难度,cos函数象限为解题步骤1考察的知识点。
本实施例用正确率表示解题步骤的难度,但也可以用其它指标表示,不限于此。一般来说,若正确率表示成功解答出该步骤的用户数量与参与解答该步骤的用户总量的比值,则正确率越高,意味着该解题步骤难度越低。另外,对同一解题步骤来说,要是问法不同,解题步骤的难度也会有所不同。一般来说,隐晦的问法会增加解题步骤的难度。例如,解题步骤1中的问法求解cos(x+π)是很直接的,也可以表达成“角x逆时针旋转180度后的余弦”,这样难度就增加了。
基于上述分析,在一种将已有习题的解题步骤解析成节点的实施方式中,可以将解题步骤的输入、解题步骤的输出、解题步骤的过程、解题步骤考察的知识点以及解题步骤对应的问法,分别解析成节点的输入属性、输出属性、过程属性、知识点属性以及问法属性。
进一步,若解题步骤还包括难度这一信息,则还需要将解题步骤的难度解析成节点的难度属性。
由上述可见,习题知识图谱中的节点包括输入、过程、输出、问法、难度以及知识点等属性。以上述解题步骤1为例,则该解题步骤对应的节点包括以下内容:
输入:cos(x+π)
过程:cos(x+π)=-cos(x)
输出:-cos(x)
问法:求解cos(x+π)
难度:0.95
知识点:cos函数象限
当把所有习题的解题步骤都解析成节点之后,可以标记节点之间的连接关系,以生成习题知识图谱。标记节点之间的连接关系实际上是指将能够连接的节点连接起来,形成网状结构。
例如,一种标记节点之间的连接关系的方式为:对于任意两个节点,可以判断两个节点中的第一节点指示的解题步骤的输出是否等于两个节点中的第二节点指示的解题步骤的输入;若判断结果为是,则标记第一节点与第二节点连接;若判断结果为否,则标记第一节点与第二节点不连接。当对所有节点之间的连接关系进行标记后,即可生成习题知识图谱。例如,在数据表达方式上,可以采用节点号:x,节点号:y,是否连接:1或0这种方式来表示两个节点之间是否连接。若是否连接字段的取值为1,意味着节点x与节点y连接,若是否连接字段的取值为0,意味着节点x与节点y不连接。
值得说明的是,对于同一道习题的解题步骤之间已经具有明确的连接关系,因此这些解题步骤解析成的节点之间的连接关系已经明确了,因此可以不采用上述方式进行标记。也就是说,上述标记节点之间连接关系的方式主要用于标记由不同习题的解题步骤解析成的节点之间的连接关系。
在一可选实施方式中,考虑到习题的数量较多,不同习题可能会有相同的解题步骤,所以解题步骤会有重复,意味着习题知识图谱中的节点存在重复。为了简化习题知识图谱,可以在生成习题知识图谱之前,对解析出的节点进行合并,以将指示相同解题步骤的节点合并为一个节点,进而减小习题知识图谱。在图2所示实施例中,在对节点之间的连接关系进行标记之前,即步骤103之前,还包括:
102、对节点进行合并处理,以将指示相同解题步骤的节点合并为一个节点。
其中,解题步骤是否相同可以通过解题步骤的输入、输出和过程来体现,若两个解题步骤的输入、输出和过程在实质上是相同的,则认为两个解题步骤是相同的。例如,cos(x+π)、cos(x+2π)、cos(x+3π)等都是考察cos函数象限,所以可以认为这些输入在实质上是相同的,区别只在于象限取值上不同。
基于上述分析,可以预先设定模糊化规则,该模糊化规则用以抽取解题步骤的输入、过程和输出中的实质概念,将其余信息模糊掉。则一种对节点进行合并处理的方式为:按照模糊化规则,将节点指示的解题步骤进行模糊化处理,以获得模糊化解题步骤;将指示该相同模糊化解题步骤的节点合并为一个节点,该合并后节点指示该相同模糊化解题步骤。
其中,同样的解题步骤必然具有同样的知识点,所以合并后节点指示的模糊化解题步骤考察的知识点,也就是合并前节点指示的解题步骤考察的知识点。另外,合并后节点指示的模糊化解题步骤对应的问法,可由合并前节点指示的解题步骤对应的问法进行聚类获得。同理,合并后节点指示的模糊化解题步骤的难度,可由合并前节点指示的解题步骤的难度进行聚类获得。
举例说明,仍以上述解题步骤1为例,则一种合并后节点指示模糊化解题步骤、考察的知识点、问法以及难度的形式如下:
输入:cos(x+?π)
过程:cos(x+?π)=?cos(x)+?
输出:?cos(x)
问法:(1)求解cos(x+?π)(2)角x?时针旋转?度后的余弦
难度:(1)0.95(2)0.9
知识点:cos函数象限
其中,上述问法和难度可由合并前节点指示的问法和难度聚类得到。
本实施例通过对节点进行合并,可以减少节点数量,基于合并后得到的节点生成的习题知识图谱相对较简单。
获得习题知识图谱相当于为生成新习题做好了准备。下面实施例详细描述基于习题知识图谱生成习题的流程。
图3为本申请又一实施例提供的信息处理方法的流程示意图。如图3所示,该方法包括:
301、接收用户输入的出题要求,该出题要求包括待学习知识点。
302、从习题知识图谱中,获取包括指示待学习知识点的目标节点在内的节点路径;习题知识图谱中的节点指示已有习题的解题步骤、解题步骤考察的知识点以及解题步骤对应的问法。
303、根据节点路径上各节点指示的解题步骤、解题步骤考察的知识点以及解题步骤对应的问法,生成用户需要的习题。
本实施例用以生成新的习题,具体在预先生成的习题知识图谱的基础上实施。
当用户需要生成新的习题时,可以输入出题要求,该出题要求一般包括用户希望学习或练习的知识点,简称为待学习知识点。信息处理装置接收用户输入的出题要求。例如,信息处理装置可以向用户提供一交互界面,供用户输入出题要求。信息处理装置接收用户通过交互界面输入出题要求。
信息处理装置接收到用户输入的出题要求后,从中解析出待学习知识点,根据该待学习知识点;从习题知识图谱中,确定指示该待学习知识点的节点,为便于描述,将指示待学习知识点的节点称为目标节点;然后获取包括该目标节点在内的节点路径,该节点路径由多个节点构成。由于习题知识图谱中每个节点分别指示已有习题的解题步骤、解题步骤考察的知识点以及解题步骤对应的问法,所以该节点路径上各节点也分别指示解题步骤、解题步骤考察的知识点以及解题步骤对应的问法,于是可以根据节点路径上各节点指示的解题步骤、解题步骤考察的知识点以及解题步骤对应的问法,生成用户需要的习题。
值得说明的是,习题知识图谱中的节点指示解题步骤、解题步骤考察的知识点以及解题步骤对应的问法的一种方式为:节点的输入属性、输出属性、过程属性、知识点属性以及问法属性分别对应解题步骤的输入、解题步骤的输出、解题步骤的过程、解题步骤考察的知识点以及解题步骤对应的问法。进一步,若解题步骤还包括难度这一信息,则节点的难度属性可对应解题步骤的难度。
在一可选实施方式中,上述步骤302,即从习题知识图谱中,获取包括指示所述待学习知识点的目标节点在内的节点路径的实施方式包括:
根据待学习知识点,确定目标节点在习题知识图谱中的位置;
根据目标节点在习题知识图谱中的位置以及指定的路径长度范围,确定起始节点和终止节点;
获取经过目标节点从起始节点到终止节点的节点路径。
在该实施方式中,预先设定路径长度范围,限制节点路径上节点的个数,这样可以避免获取的节点路径包括过多的节点,有利于控制习题的复杂度。
例如,可以预先设置唯一的路径长度范围。在具体使用时,可以从该路径长度范围内选取一具体路径长度即可。或者,还可以预先设定各知识点与路径长度范围内各路径长度之间的映射关系。例如,对于一些难度较大的知识点,可以设定较长的路径长度,以符合该知识点的考察需求。又例如,对于一些难度较小的知识点,为了增加习题难度,可以设定较长的路径长度。基于此,可以将出题要求中的待学习知识点在上述映射关系中进行匹配,以获得与该待学习知识点相匹配的路径长度。
进一步,预先根据习题知识图谱中的节点指示的解题步骤考察的知识点,对习题知识图谱中的节点进行聚类,以确定节点所属的知识点类别。这相当于按照知识点类别对习题知识图谱中的节点进行了归类。基于此,在根据待学习知识点,确定目标节点在习题知识图谱中的位置时,可以获取待学习知识点所属的知识点类别,然后获取习题知识图谱中属于该待学习知识点所属的知识点类别的节点;从属于该知识点类别的节点中,确定目标节点以及目标节点在习题知识图谱中的位置。通过知识点类别能够很快找到目标节点以及目标节点在习题知识图谱中的位置,有利于提高习题生成效率。
举例说明,上述根据目标节点在习题知识图谱中的位置以及指定的路径长度范围,确定起始节点和终止节点的一种实施过程如下:
从指定的路径长度范围内选择一待用路径长度;
根据目标节点在习题知识图谱中的位置,确定习题知识图谱中的目标节点;
根据目标节点的连接关系,获取与目标节点连接且到目标节点的路径长度小于待用路径长度的节点,作为起始节点;
从所述起始节点的连接关系中获取通过目标节点与起始节点连接且到起始节点的路径长度等于待用路径长度的节点作为终止节点。
又例如,可以将目标节点在习题知识图谱中的位置以及指定的路径长度范围作为遍历条件,采用各种遍历算法直接找到经过目标节点且路径长度满足路径长度范围的节点路径,按照节点路径上各节点的输入输出方向,确定该条节点路径的一个端点作为起始节点,一个端点作为终止节点。
另外值得说明的是,本实施例对起始节点到目标节点的路径长度与目标节点到终止节点之间的路径长度不做限定,只要两段路径长度之和满足指定的路径长度范围即可。当然,也可以采用一定算法选择两段路径长度相同或近似相同的节点路径,例如在上述选择起始节点时,可以选择与目标节点连接且到目标节点的路径长度等于待用路径长度一半的任一节点,作为起始节点。
上述确定出的起始节点和终止节点可能有多对,即最终会得到多条节点路径。当存在多条经过目标节点且路径长度满足指定路径长度范围的节点路径时,一种最为简单的实现方式是从中随机选择一条或几条,这种实现方式相对简单,有利于提高计算效率,节约计算成本。当然,也可以按照一定的标准对多条节点路径进行排序,然后从中选择一条或几条最优的节点路径。或者,也可以直接使用获取的多条节点路径中的每条节点路径分别为用户生成习题。
在一可选实施方式中,上述步骤303,即根据节点路径上各节点指示的解题步骤、解题步骤考察的知识点以及解题步骤对应的问法,生成用户需要的习题包括:
将节点路径上各节点指示的解题步骤对应的问法进行组合,获得至少一个问法组合;
根据至少一个问法组合中每个问法组合对节点路径上各节点指示的解题步骤及解题步骤考察的知识点进行组合,以生成用户所需的习题。
若节点路径上各节点指示的解题步骤对应的问法均为一个,则可以获得一个问法组合;若节点路径上存在节点指示的解题步骤对应的问法为多个,则可以获得多个问法组合。
问法组合不一样,可以生成不同的习题。根据每个问法组合对节点路径上各节点指示的解题步骤及解题步骤考察的知识点进行组合,以生成用户所需的习题具体为:按照问法组合将各节点指示的解题步骤及解题步骤考察的知识点组合成一段能够描述习题的内容。
进一步,上述节点路径上各节点指示的解题步骤是经过模糊化处理的。则根据至少一个问法组合中每个问法组合对节点路径上各节点指示的解题步骤及解题步骤考察的知识点进行组合,以生成用户所需的习题的过程包括:
根据每个问法组合对节点路径上各节点指示的解题步骤及解题步骤考察的知识点进行组合,以生成待填充习题;
根据预设的具体化规则,将待填充习题中的解题步骤进行具体化,以生成用户所需的习题。
这里的具体化规则与上述实施例中的模糊化规则相对应,是模糊化规则的逆规则,用以将模糊化规则模糊掉的内容具体化,例如用以填充上述举例中的?代表的内容。
进一步,在一可选实施方式中,用户输入的出题要求除了包括待学习知识点之外,还包括:习题难度。相应的,习题知识图谱中的节点还指示解题步骤的难度。
基于上述,步骤303,即根据节点路径上各节点指示的解题步骤、解题步骤考察的知识点以及解题步骤对应的问法,生成用户需要的习题,包括:
根据节点路径上各节点指示的解题步骤、解题步骤考察的知识点以及解题步骤对应的问法,生成候选习题;
根据节点路径上各节点指示的解题步骤的难度,确定候选习题的难度;
根据习题难度和候选习题的难度,从候选习题中选择用户需要的习题。
其中,候选习题的难度可以是节点路径上各节点指示的解题步骤的难度的累加,也是构成该候选习题的解题步骤的难度的累加。例如,假设用正确率作为解题步骤的难度,则候选习题的难度就是节点路径上所有节点指示的解题步骤的正确率的乘积。在获得候选习题的难度后,可以根据用户要求的习题难度,可以选择难度符合用户要求的习题难度的候选习题作为用户需要的习题输出给用户。
在此说明,在上述步骤303的具体实施方式中,分别涉及到问法组合、具体化处理以及学习难度三个方面,这三个方面可以单独实施,也可以任意组合实施。
为了更好地解释本实施例提供方法,下面举例说明:
假设习题库中有如下三道习题:
1)设函数x∈R,求f(x)的最小正周期。
2)若函数y=f(x)=sin(x)cos(x)的图像按照平移后得到函数y=g(x)的图像,求g(x)的表达式。
3)求函数cos(x)(sin(x)-cos(x))的最大值和最小值。
这里省略了上述三道习题的解题步骤、考察知识点、问法以及难度等信息。这些信息在实现形式上可参见前述实施例中的相应举例。
经过本实施例提供的方法处理后,可以得到如下两道新的习题:
1)求函数cos(x+3π)cos(x)按照平移后的最大值(难度0.85);
2)设函数f(x)=g(x)+c,其中g(x)为sin(x)cos(2x)的图像按照平移后得到函数,c为cos(x+5π)cos(3x)的最小正周期,求f(x)的最小值(难度0.95)。
由上述可见,本实施例基于预先生成的习题知识图谱,可以根据用户输入的出题要求包括的待学习知识点,从习题知识图谱中获取包括指示待学习知识点的目标节点在内的节点路径,进而根据节点路径上各节点指示的解题步骤、解题步骤考察的知识点以及解题步骤对应的问法,形成用户需要的习题,解决了习题的生成问题,有利于习题库的扩充和丰富。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
图4为本申请一实施例提供的信息处理装置的结构示意图。如图4所示,该装置包括:解析模块41和标记模块42。
解析模块41,用于将已有习题的解题步骤解析成节点,节点指示解题步骤、解题步骤考察的知识点以及解题步骤对应的问法。
标记模块42,用于对解析模块41解析出的节点之间的连接关系进行标记,以生成习题知识图谱。
在一可选实施方式中,如图5所示,该信息处理装置还包括:合并模块43。
合并模块43,用于在标记模块42对节点之间的连接关系进行标记之前,对解析模块41解析出的节点进行合并处理,以将指示相同解题步骤的节点合并为一个节点。
进一步,合并模块43具体可用于:
按照模糊化规则,将节点指示的解题步骤进行模糊化处理,以获得模糊化解题步骤;
将指示相同模糊化解题步骤的节点合并为一个节点,合并后节点指示相同模糊化解题步骤。
通过合并模块43对节点进行合并,有利于减少节点数量,有利于简化生成的习题知识图谱的结构,提高基于习题知识图谱生成习题时的效率。
在一可选实施方式中,标记模块42具体可用于:
对于任意两个节点,判断两个节点中的第一节点指示的解题步骤的输出是否等于两个节点中的第二节点指示的解题步骤的输入;
若判断结果为是,则标记第一节点与第二节点连接;
若判断结果为否,则标记第一节点与第二节点不连接。
其中,当所有节点之间的连接关系均被标记之后,即可生成习题知识图谱。
在一可选实施方式中,解析模块41具体可用于:
将解题步骤的输入、解题步骤的输出、解题步骤的过程、解题步骤考察的知识点以及解题步骤对应的问法,分别解析成节点的输入属性、输出属性、过程属性、知识点属性以及问法属性。
进一步,解析模块41还可用于:将解题步骤的难度,解析成节点的难度属性。
在一可选实施方式中,如图5所示,该装置还包括:聚类模块44。
聚类模块44,用于在生成习题知识图谱之后,根据节点指示的解题步骤考察的知识点对节点进行聚类,以确定节点所属的知识点类别。
通过聚类模块44对习题知识图谱中的节点进行聚类,便于对节点进行管理,通过对节点进行分类管理,有利于在生成习题过程中快速定位节点,提高习题生成效率。
本实施例提供的信息处理装置,通过将已有习题的解题步骤解析成节点,由该节点指示解题步骤、解题步骤考察的知识点以及解题步骤对应的问法,进而根据这些节点之间的连接关系形成习题知识图谱,为后续基于习题知识图谱生成习题提供条件。
图6为本申请又一实施例提供的信息处理装置的结构示意图。如图6所示,该装置包括:接收模块61、获取模块62和生成模块63。
接收模块61,用于接收用户输入的出题要求,出题要求包括待学习知识点。
获取模块62,用于从习题知识图谱中,获取包括指示接收模块61接收的待学习知识点的目标节点在内的节点路径;习题知识图谱中的节点指示已有习题的解题步骤、解题步骤考察的知识点以及解题步骤对应的问法;
生成模块63,用于根据获取模块62获取的节点路径上各节点指示的解题步骤、解题步骤考察的知识点以及解题步骤对应的问法,生成用户需要的习题。
在一可选实施方式中,获取模块62具体可用于:
根据待学习知识点,确定目标节点在习题知识图谱中的位置;
根据目标节点在习题知识图谱中的位置以及指定的路径长度范围,确定起始节点和终止节点;
获取经过目标节点从起始节点到终止节点的节点路径。
举例说明,获取模块62在根据目标节点在习题知识图谱中的位置以及指定的路径长度范围,确定起始节点和终止节点时,具体可用于:
从指定的路径长度范围内选择一待用路径长度;
根据目标节点在习题知识图谱中的位置,确定习题知识图谱中的目标节点;
根据目标节点的连接关系,获取与目标节点连接且到目标节点的路径长度小于待用路径长度的节点,作为起始节点;
从所述起始节点的连接关系中获取通过目标节点与起始节点连接且到起始节点的路径长度等于待用路径长度的节点作为终止节点。
又例如,获取模块62在根据目标节点在习题知识图谱中的位置以及指定的路径长度范围,确定起始节点和终止节点时,具体可用于:可以将目标节点在习题知识图谱中的位置以及指定的路径长度范围作为遍历条件,采用各种遍历算法直接找到经过目标节点且路径长度满足路径长度范围的节点路径,按照节点路径上各节点的输入输出方向,确定该条节点路径的一个端点作为起始节点,一个端点作为终止节点。
另外值得说明的是,本实施例对起始节点到目标节点的路径长度与目标节点到终止节点之间的路径长度不做限定,只要两段路径长度之和满足指定的路径长度范围即可。当然,也可以采用一定算法选择两段路径长度相同或近似相同的节点路径,例如在上述选择起始节点时,可以选择与目标节点连接且到目标节点的路径长度等于待用路径长度一半的任一节点,作为起始节点。
上述确定出的起始节点和终止节点可能有多对,即最终会得到多条节点路径。当存在多条经过目标节点且路径长度满足指定路径长度范围的节点路径时,一种最为简单的实现方式是从中随机选择一条或几条,这种实现方式相对简单,有利于提高计算效率,节约计算成本。当然,也可以按照一定的标准对多条节点路径进行排序,然后从中选择一条或几条最优的节点路径。或者,也可以直接使用获取的多条节点路径中的每条节点路径分别为用户生成习题。
进一步,获取模块62在根据待学习知识点,确定目标节点在习题知识图谱中的位置时,具体可用于:
获取习题知识图谱中属于待学习知识点所属的知识点类别的节点;
从属于知识点类别的节点中,确定目标节点以及目标节点在习题知识图谱中的位置。
在一可选实施方式中,生成模块63具体可用于:
将节点路径上各节点指示的解题步骤对应的问法进行组合,获得至少一个问法组合;
根据至少一个问法组合中每个问法组合对节点路径上各节点指示的解题步骤及解题步骤考察的知识点进行组合,以生成用户所需的习题。
可选的,上述节点路径上各节点指示的解题步骤是经过模糊化处理的。基于此,生成模块63在根据至少一个问法组合中每个问法组合对节点路径上各节点指示的解题步骤及解题步骤考察的知识点进行组合,以生成用户所需的习题时,具体可用于:
根据每个问法组合对节点路径上各节点指示的解题步骤及解题步骤考察的知识点进行组合,以生成待填充习题;
根据预设的具体化规则,将待填充习题中的解题步骤进行具体化,以生成用户所需的习题。
在一可选实施方式中,上述出题要求除了包括待学习知识点之外,还包括:习题难度。相应的,习题知识图谱中的节点还指示解题步骤的难度。
基于上述,生成模块63具体可用于:
根据节点路径上各节点指示的解题步骤、解题步骤考察的知识点以及解题步骤对应的问法,生成候选习题;
根据节点路径上各节点指示的解题步骤的难度,确定候选习题的难度;
根据习题难度和候选习题的难度,从候选习题中选择用户需要的习题。
在一可选实施方式中,习题知识图谱中的节点指示解题步骤、解题步骤考察的知识点以及解题步骤对应的问法的方式为:节点的输入属性、输出属性、过程属性、知识点属性以及问法属性分别对应解题步骤的输入、解题步骤的输出、解题步骤的过程、解题步骤考察的知识点以及解题步骤对应的问法。
进一步,节点的难度属性还对应解题步骤的难度。
本实施例提供的信息处理装置,与上述实施例提供的能够生成习题知识图谱的信息处理装置相配合,在接收到用户输入的出题要求时,根据出题要求包括的待学习知识点,从习题知识图谱中获取包括指示待学习知识点的目标节点在内的节点路径,进而根据节点路径上各节点指示的解题步骤、解题步骤考察的知识点以及解题步骤对应的问法,形成用户需要的习题,解决了习题的生成问题,有利于习题库的扩充和丰富。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的***,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本申请各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (28)
1.一种信息处理方法,其特征在于,包括:
接收用户输入的出题要求,所述出题要求包括待学习知识点;
从习题知识图谱中,获取包括指示所述待学习知识点的目标节点在内的节点路径;所述习题知识图谱中的节点指示已有习题的解题步骤、所述解题步骤考察的知识点以及所述解题步骤对应的问法;
根据所述节点路径上各节点指示的解题步骤、所述解题步骤考察的知识点以及所述解题步骤对应的问法,生成所述用户需要的习题。
2.根据权利要求1所述的方法,其特征在于,所述从习题知识图谱中,获取包括指示所述待学习知识点的目标节点在内的节点路径,包括:
根据所述待学习知识点,确定所述目标节点在所述习题知识图谱中的位置;
根据所述目标节点在所述习题知识图谱中的位置以及指定的路径长度范围,确定起始节点和终止节点;
获取经过所述目标节点从所述起始节点到所述终止节点的节点路径。
3.根据权利要求2所述的方法,其特征在于,所述根据所述待学习知识点,确定所述目标节点在所述习题知识图谱中的位置,包括:
获取所述习题知识图谱中属于所述待学习知识点所属的知识点类别的节点;
从所述属于所述知识点类别的节点中,确定所述目标节点以及所述目标节点在所述习题知识图谱中的位置。
4.根据权利要求1所述的方法,其特征在于,所述根据所述节点路径上各节点指示的解题步骤、所述解题步骤考察的知识点以及所述解题步骤对应的问法,生成所述用户需要的习题,包括:
将所述节点路径上各节点指示的解题步骤对应的问法进行组合,获得至少一个问法组合;
根据所述至少一个问法组合中每个问法组合对所述节点路径上各节点指示的解题步骤及所述解题步骤考察的知识点进行组合,以生成所述用户所需的习题。
5.根据权利要求4所述的方法,其特征在于,所述节点路径上各节点指示的解题步骤是经过模糊化处理的;
所述根据所述至少一个问法组合中每个问法组合对所述节点路径上各节点指示的解题步骤及所述解题步骤考察的知识点进行组合,以生成所述用户所需的习题,包括:
根据每个问法组合对所述节点路径上各节点指示的解题步骤及所述解题步骤考察的知识点进行组合,以生成待填充习题;
根据预设的具体化规则,将所述待填充习题中的解题步骤进行具体化,以生成所述用户所需的习题。
6.根据权利要求1所述的方法,其特征在于,所述出题要求还包括:习题难度;所述习题知识图谱中的节点还指示所述解题步骤的难度;
所述根据所述节点路径上各节点指示的解题步骤、所述解题步骤考察的知识点以及所述解题步骤对应的问法,生成所述用户需要的习题,包括:
根据所述节点路径上各节点指示的解题步骤、所述解题步骤考察的知识点以及所述解题步骤对应的问法,生成候选习题;
根据所述节点路径上各节点指示的所述解题步骤的难度,确定所述候选习题的难度;
根据所述习题难度和所述候选习题的难度,从所述候选习题中选择所述用户需要的习题。
7.根据权利要求1-6任一项所述的方法,其特征在于,所述习题知识图谱中的节点指示解题步骤、所述解题步骤考察的知识点以及所述解题步骤对应的问法的方式为:所述节点的输入属性、输出属性、过程属性、知识点属性以及问法属性分别对应所述解题步骤的输入、所述解题步骤的输出、所述解题步骤的过程、所述解题步骤考察的知识点以及所述解题步骤对应的问法。
8.一种信息处理方法,其特征在于,包括:
将已有习题的解题步骤解析成节点,所述节点指示所述解题步骤、所述解题步骤考察的知识点以及所述解题步骤对应的问法;
对所述节点之间的连接关系进行标记,以生成习题知识图谱。
9.根据权利要求8所述的方法,其特征在于,所述对所述节点之间的连接关系进行标记,以生成习题知识图谱之前,还包括:
对所述节点进行合并处理,以将指示相同解题步骤的节点合并为一个节点。
10.根据权利要求9所述的方法,其特征在于,所述对所述节点进行合并处理,以将指示相同解题步骤的节点合并为一个节点,包括:
按照模糊化规则,将所述节点指示的解题步骤进行模糊化处理,以获得模糊化解题步骤;
将指示相同模糊化解题步骤的节点合并为一个节点,所述合并后节点指示所述相同模糊化解题步骤。
11.根据权利要求8所述的方法,其特征在于,所述对所述节点之间的连接关系进行标记,以生成习题知识图谱,包括:
对于任意两个节点,判断所述两个节点中的第一节点指示的解题步骤的输出是否等于所述两个节点中的第二节点指示的解题步骤的输入;
若判断结果为是,则标记所述第一节点与所述第二节点连接;
若判断结果为否,则标记所述第一节点与所述第二节点不连接;
当对所有节点之间的连接关系进行标记后,生成所述习题知识图谱。
12.根据权利要求8所述的方法,其特征在于,所述将已有习题的解题步骤解析成节点,包括:
将所述解题步骤的输入、所述解题步骤的输出、所述解题步骤的过程、所述解题步骤考察的知识点以及所述解题步骤对应的问法,分别解析成所述节点的输入属性、输出属性、过程属性、知识点属性以及问法属性。
13.根据权利要求12所述的方法,其特征在于,所述将已有习题的解题步骤解析成节点,还包括:
将所述解题步骤的难度,解析成所述节点的难度属性。
14.根据权利要求8-11任一项所述的方法,其特征在于,在生成所述习题知识图谱之后,还包括:
根据所述节点指示的解题步骤考察的知识点对所述节点进行聚类,以确定所述节点所属的知识点类别。
15.一种信息处理装置,其特征在于,包括:
接收模块,用于接收用户输入的出题要求,所述出题要求包括待学习知识点;
获取模块,用于从习题知识图谱中,获取包括指示所述待学习知识点的目标节点在内的节点路径;所述习题知识图谱中的节点指示已有习题的解题步骤、所述解题步骤考察的知识点以及所述解题步骤对应的问法;
生成模块,用于根据所述节点路径上各节点指示的解题步骤、所述解题步骤考察的知识点以及所述解题步骤对应的问法,生成所述用户需要的习题。
16.根据权利要求15所述的装置,其特征在于,所述获取模块具体用于:
根据所述待学习知识点,确定所述目标节点在所述习题知识图谱中的位置;
根据所述目标节点在所述习题知识图谱中的位置以及指定的路径长度范围,确定起始节点和终止节点;
获取经过所述目标节点从所述起始节点到所述终止节点的节点路径。
17.根据权利要求16所述的装置,其特征在于,所述获取模块具体用于:
获取所述习题知识图谱中属于所述待学习知识点所属的知识点类别的节点;
从所述属于所述知识点类别的节点中,确定所述目标节点以及所述目标节点在所述习题知识图谱中的位置。
18.根据权利要求15所述的装置,其特征在于,所述生成模块具体用于:
将所述节点路径上各节点指示的解题步骤对应的问法进行组合,获得至少一个问法组合;
根据所述至少一个问法组合中每个问法组合对所述节点路径上各节点指示的解题步骤及所述解题步骤考察的知识点进行组合,以生成所述用户所需的习题。
19.根据权利要求18所述的装置,其特征在于,所述节点路径上各节点指示的解题步骤是经过模糊化处理的;
所述生成模块具体用于:
根据每个问法组合对所述节点路径上各节点指示的解题步骤及所述解题步骤考察的知识点进行组合,以生成待填充习题;
根据预设的具体化规则,将所述待填充习题中的解题步骤进行具体化,以生成所述用户所需的习题。
20.根据权利要求15所述的装置,其特征在于,所述出题要求还包括:习题难度;所述习题知识图谱中的节点还指示所述解题步骤的难度;
所述生成模块具体用于:
根据所述节点路径上各节点指示的解题步骤、所述解题步骤考察的知识点以及所述解题步骤对应的问法,生成候选习题;
根据所述节点路径上各节点指示的所述解题步骤的难度,确定所述候选习题的难度;
根据所述习题难度和所述候选习题的难度,从所述候选习题中选择所述用户需要的习题。
21.根据权利要求15-20任一项所述的装置,其特征在于,所述习题知识图谱中的节点指示解题步骤、所述解题步骤考察的知识点以及所述解题步骤对应的问法的方式为:所述节点的输入属性、输出属性、过程属性、知识点属性以及问法属性分别对应所述解题步骤的输入、所述解题步骤的输出、所述解题步骤的过程、所述解题步骤考察的知识点以及所述解题步骤对应的问法。
22.一种信息处理装置,其特征在于,包括:
解析模块,用于将已有习题的解题步骤解析成节点,所述节点指示所述解题步骤、所述解题步骤考察的知识点以及所述解题步骤对应的问法;
标记模块,用于对所述节点之间的连接关系进行标记,以生成习题知识图谱。
23.根据权利要求22所述的装置,其特征在于,还包括:
合并模块,用于对所述节点进行合并处理,以将指示相同解题步骤的节点合并为一个节点。
24.根据权利要求23所述的装置,其特征在于,所述合并模块具体用于:
按照模糊化规则,将所述节点指示的解题步骤进行模糊化处理,以获得模糊化解题步骤;
将指示相同模糊化解题步骤的节点合并为一个节点,所述合并后节点指示所述相同模糊化解题步骤。
25.根据权利要求22所述的装置,其特征在于,所述标记模块具体用于:
对于任意两个节点,判断所述两个节点中的第一节点指示的解题步骤的输出是否等于所述两个节点中的第二节点指示的解题步骤的输入;
若判断结果为是,则标记所述第一节点与所述第二节点连接;
若判断结果为否,则标记所述第一节点与所述第二节点不连接。
26.根据权利要求22所述的装置,其特征在于,所述解析模块具体用于:
将所述解题步骤的输入、所述解题步骤的输出、所述解题步骤的过程、所述解题步骤考察的知识点以及所述解题步骤对应的问法,分别解析成所述节点的输入属性、输出属性、过程属性、知识点属性以及问法属性。
27.根据权利要求26所述的装置,其特征在于,所述解析模块还用于:
将所述解题步骤的难度,解析成所述节点的难度属性。
28.根据权利要求22-27任一项所述的装置,其特征在于,还包括:
聚类模块,用于根据所述节点指示的解题步骤考察的知识点对所述节点进行聚类,以确定所述节点所属的知识点类别。
Priority Applications (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510509563.8A CN106469169A (zh) | 2015-08-19 | 2015-08-19 | 信息处理方法及装置 |
KR1020187007519A KR20180041200A (ko) | 2015-08-19 | 2016-08-10 | 정보 처리 방법 및 장치 |
US15/752,939 US10579654B2 (en) | 2015-08-19 | 2016-08-10 | Method and device for generating online question paths from existing question banks using a knowledge graph |
SG11201801335SA SG11201801335SA (en) | 2015-08-19 | 2016-08-10 | Information processing method and device |
JP2018507021A JP2018532140A (ja) | 2015-08-19 | 2016-08-10 | ナレッジグラフを用いて既存の問題集から問題経路をオンラインで生成するための方法及び装置 |
PCT/CN2016/094324 WO2017028723A1 (zh) | 2015-08-19 | 2016-08-10 | 信息处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510509563.8A CN106469169A (zh) | 2015-08-19 | 2015-08-19 | 信息处理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106469169A true CN106469169A (zh) | 2017-03-01 |
Family
ID=58050709
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510509563.8A Pending CN106469169A (zh) | 2015-08-19 | 2015-08-19 | 信息处理方法及装置 |
Country Status (6)
Country | Link |
---|---|
US (1) | US10579654B2 (zh) |
JP (1) | JP2018532140A (zh) |
KR (1) | KR20180041200A (zh) |
CN (1) | CN106469169A (zh) |
SG (1) | SG11201801335SA (zh) |
WO (1) | WO2017028723A1 (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107679124A (zh) * | 2017-09-21 | 2018-02-09 | 北京航空航天大学 | 一种基于动态规划算法的知识图谱中文问答检索方法 |
CN108053130A (zh) * | 2017-12-25 | 2018-05-18 | 郑州威科姆科技股份有限公司 | 一种多媒体教学分析***及分析方法 |
CN109189867A (zh) * | 2018-10-23 | 2019-01-11 | 中山大学 | 基于公司知识图谱的关系发现方法、装置及存储介质 |
CN109783647A (zh) * | 2018-12-21 | 2019-05-21 | 武汉思路富邦工程咨询有限公司 | 智能学习模型的构建方法 |
CN109857874A (zh) * | 2019-03-12 | 2019-06-07 | 广东小天才科技有限公司 | 一种基于知识图谱的用户答案的推荐方法和装置 |
CN110110089A (zh) * | 2018-01-09 | 2019-08-09 | 网智天元科技集团股份有限公司 | 文化关系图生成方法和*** |
CN110489563A (zh) * | 2019-07-22 | 2019-11-22 | 北京百度网讯科技有限公司 | 图结构的表示方法、装置、设备及计算机可读存储介质 |
CN110750601A (zh) * | 2019-10-16 | 2020-02-04 | 北京网众共创科技有限公司 | 基于连接通路的交互方法、装置、存储介质及电子装置 |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110019731A (zh) * | 2017-12-25 | 2019-07-16 | 上海智臻智能网络科技股份有限公司 | 智能交互方法、装置、终端设备及存储介质 |
CN110209773A (zh) * | 2017-12-21 | 2019-09-06 | 上海智臻智能网络科技股份有限公司 | 一种基于问答***的问答装置 |
CN110019723A (zh) * | 2017-12-21 | 2019-07-16 | 上海智臻智能网络科技股份有限公司 | 基于问答***的问答方法、终端设备及存储介质 |
CN108898170B (zh) * | 2018-06-19 | 2022-02-01 | 江苏中盈高科智能信息股份有限公司 | 一种基于模糊聚类分析的智能组卷方法 |
CN109271504B (zh) * | 2018-11-07 | 2021-06-25 | 爱因互动科技发展(北京)有限公司 | 基于知识图谱的推理对话的方法 |
CN109739958A (zh) * | 2018-11-22 | 2019-05-10 | 普强信息技术(北京)有限公司 | 一种说明书手册问答方法及*** |
CN109829041B (zh) * | 2018-12-25 | 2021-06-29 | 出门问问信息科技有限公司 | 问题处理方法、装置、计算机设备及计算机可读存储介质 |
CN110109828A (zh) * | 2019-04-15 | 2019-08-09 | 深圳壹账通智能科技有限公司 | 问答接口测试方法、装置、计算机设备和存储介质 |
CN110659311B (zh) * | 2019-09-30 | 2021-11-16 | 浙江学海教育科技有限公司 | 题目推送方法、装置、电子设备及存储介质 |
KR102234850B1 (ko) * | 2019-11-15 | 2021-04-02 | 숭실대학교산학협력단 | 릴레이션 네트워크에 기반한 지식 보완 방법 및 장치 |
US11487820B2 (en) * | 2020-03-31 | 2022-11-01 | International Business Machines Corporation | Dynamic natural question generation via semantic knowledge representation |
CN111506721B (zh) * | 2020-04-22 | 2022-10-11 | 福州大学 | 一种面向领域知识图谱的问答***及构建方法 |
CN111611367B (zh) * | 2020-05-21 | 2023-04-28 | 拾音智能科技有限公司 | 一种引入外部知识的视觉问答方法 |
CN111723855A (zh) * | 2020-06-09 | 2020-09-29 | 广东小天才科技有限公司 | 一种学习知识点的显示方法、终端设备及存储介质 |
CN112115276B (zh) * | 2020-09-18 | 2024-05-24 | 平安科技(深圳)有限公司 | 基于知识图谱的智能客服方法、装置、设备及存储介质 |
CN112328766B (zh) * | 2020-11-10 | 2022-05-03 | 四川长虹电器股份有限公司 | 一种基于路径搜索的知识图谱问答方法和装置 |
US20220237548A1 (en) * | 2021-01-28 | 2022-07-28 | Right-Hand Cyber Security Pte. Ltd. | Gamified real-time artificial intelligence based individualized adaptive learning |
CN113486196B (zh) * | 2021-09-08 | 2022-01-28 | 江西风向标教育科技有限公司 | 一种基于教学思维的物理知识点智能识别方法及装置 |
CN114153961B (zh) * | 2022-02-07 | 2022-05-06 | 杭州远传新业科技有限公司 | 一种基于知识图谱的问答方法及*** |
CN117573985B (zh) * | 2024-01-16 | 2024-04-05 | 四川航天职业技术学院(四川航天高级技工学校) | 一种应用于智能化在线教育***的信息推送方法及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090164566A1 (en) * | 2006-05-22 | 2009-06-25 | Nec Corporation | Information providing system, method of providing information and program for providing information |
CN103473224A (zh) * | 2013-09-30 | 2013-12-25 | 成都景弘智能科技有限公司 | 基于问题求解过程的习题语义化方法 |
CN103870463A (zh) * | 2012-12-10 | 2014-06-18 | 中国电信股份有限公司 | 测试题目的选择方法与*** |
CN104574241A (zh) * | 2015-02-03 | 2015-04-29 | 陈飞鸣 | 一种在线教育测评***及测评方法 |
Family Cites Families (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002023604A (ja) * | 2000-07-06 | 2002-01-23 | Japan Science & Technology Corp | 教育方法、教育プログラムを記録した記録媒体、教育装置、教育用データを記録した記録媒体 |
JP2005164943A (ja) * | 2003-12-02 | 2005-06-23 | Mighty Voice:Kk | 学習支援プログラム、学習支援方法、学習支援装置及び記録媒体 |
US9336527B2 (en) | 2008-02-20 | 2016-05-10 | Purplecomm, Inc. | Collaborative website presence |
US8442984B1 (en) | 2008-03-31 | 2013-05-14 | Google Inc. | Website quality signal generation |
JP5382698B2 (ja) * | 2008-12-02 | 2014-01-08 | 国立大学法人北見工業大学 | 自動演習システム及び自動演習プログラム |
US20100241488A1 (en) | 2009-03-23 | 2010-09-23 | Alan Jacobson | Educational website |
US20100273138A1 (en) * | 2009-04-28 | 2010-10-28 | Philip Glenny Edmonds | Apparatus and method for automatic generation of personalized learning and diagnostic exercises |
JP2011081275A (ja) * | 2009-10-09 | 2011-04-21 | Hideaki Yasuda | 知識ネット可視化システムおよび知識ネット可視化方法ならびにそのプログラム |
US20110125734A1 (en) | 2009-11-23 | 2011-05-26 | International Business Machines Corporation | Questions and answers generation |
US20140220540A1 (en) * | 2011-08-23 | 2014-08-07 | Knowledge Factor, Inc. | System and Method for Adaptive Knowledge Assessment and Learning Using Dopamine Weighted Feedback |
US20130252221A1 (en) | 2012-01-17 | 2013-09-26 | Alibaba.Com Limited | Question generation and presentation |
CN103218356B (zh) | 2012-01-18 | 2017-12-08 | 深圳市世纪光速信息技术有限公司 | 一种面向开放平台的提问质量判定方法和*** |
CN102663910B (zh) * | 2012-03-14 | 2014-12-10 | 北京邮电大学 | 一种基于分层遗传算法的网上考试***自动选题方法 |
US20140052659A1 (en) * | 2012-08-14 | 2014-02-20 | Accenture Global Services Limited | Learning management |
CN103150938A (zh) * | 2013-03-14 | 2013-06-12 | 南京信息工程大学 | 一种自动出题方法 |
CN104216913B (zh) | 2013-06-04 | 2019-01-04 | Sap欧洲公司 | 问题回答方法、***和计算机可读介质 |
US20150004588A1 (en) * | 2013-06-28 | 2015-01-01 | William Marsh Rice University | Test Size Reduction via Sparse Factor Analysis |
US20150235160A1 (en) | 2014-02-20 | 2015-08-20 | Xerox Corporation | Generating gold questions for crowdsourcing |
US9830556B2 (en) | 2014-05-21 | 2017-11-28 | Excalibur Ip, Llc | Synthetic question formulation |
US20150004585A1 (en) * | 2014-06-09 | 2015-01-01 | Aniruddha Das | Method and Apparatus for the Dynamic Generation of Scientific Problems from a Primary Problem Definition |
US9633309B2 (en) | 2014-06-19 | 2017-04-25 | International Business Machines Corporation | Displaying quality of question being asked a question answering system |
JP6414956B2 (ja) | 2014-08-21 | 2018-10-31 | 国立研究開発法人情報通信研究機構 | 質問文生成装置及びコンピュータプログラム |
CN104462228B (zh) * | 2014-11-13 | 2019-01-29 | 中国信息安全测评中心 | 基于语义的注册信息安全人员认证能力测评方法及*** |
US10366107B2 (en) | 2015-02-06 | 2019-07-30 | International Business Machines Corporation | Categorizing questions in a question answering system |
US9875296B2 (en) | 2015-03-25 | 2018-01-23 | Google Llc | Information extraction from question and answer websites |
US9471668B1 (en) | 2016-01-21 | 2016-10-18 | International Business Machines Corporation | Question-answering system |
-
2015
- 2015-08-19 CN CN201510509563.8A patent/CN106469169A/zh active Pending
-
2016
- 2016-08-10 JP JP2018507021A patent/JP2018532140A/ja active Pending
- 2016-08-10 US US15/752,939 patent/US10579654B2/en active Active
- 2016-08-10 WO PCT/CN2016/094324 patent/WO2017028723A1/zh active Application Filing
- 2016-08-10 SG SG11201801335SA patent/SG11201801335SA/en unknown
- 2016-08-10 KR KR1020187007519A patent/KR20180041200A/ko not_active Application Discontinuation
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090164566A1 (en) * | 2006-05-22 | 2009-06-25 | Nec Corporation | Information providing system, method of providing information and program for providing information |
CN103870463A (zh) * | 2012-12-10 | 2014-06-18 | 中国电信股份有限公司 | 测试题目的选择方法与*** |
CN103473224A (zh) * | 2013-09-30 | 2013-12-25 | 成都景弘智能科技有限公司 | 基于问题求解过程的习题语义化方法 |
CN104574241A (zh) * | 2015-02-03 | 2015-04-29 | 陈飞鸣 | 一种在线教育测评***及测评方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107679124A (zh) * | 2017-09-21 | 2018-02-09 | 北京航空航天大学 | 一种基于动态规划算法的知识图谱中文问答检索方法 |
CN107679124B (zh) * | 2017-09-21 | 2020-10-27 | 北京航空航天大学 | 一种基于动态规划算法的知识图谱中文问答检索方法 |
CN108053130A (zh) * | 2017-12-25 | 2018-05-18 | 郑州威科姆科技股份有限公司 | 一种多媒体教学分析***及分析方法 |
CN110110089A (zh) * | 2018-01-09 | 2019-08-09 | 网智天元科技集团股份有限公司 | 文化关系图生成方法和*** |
CN110110089B (zh) * | 2018-01-09 | 2021-03-30 | 网智天元科技集团股份有限公司 | 文化关系图生成方法和*** |
CN109189867A (zh) * | 2018-10-23 | 2019-01-11 | 中山大学 | 基于公司知识图谱的关系发现方法、装置及存储介质 |
CN109783647A (zh) * | 2018-12-21 | 2019-05-21 | 武汉思路富邦工程咨询有限公司 | 智能学习模型的构建方法 |
CN109857874A (zh) * | 2019-03-12 | 2019-06-07 | 广东小天才科技有限公司 | 一种基于知识图谱的用户答案的推荐方法和装置 |
CN110489563A (zh) * | 2019-07-22 | 2019-11-22 | 北京百度网讯科技有限公司 | 图结构的表示方法、装置、设备及计算机可读存储介质 |
CN110489563B (zh) * | 2019-07-22 | 2022-08-23 | 北京百度网讯科技有限公司 | 图结构的表示方法、装置、设备及计算机可读存储介质 |
CN110750601A (zh) * | 2019-10-16 | 2020-02-04 | 北京网众共创科技有限公司 | 基于连接通路的交互方法、装置、存储介质及电子装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2017028723A1 (zh) | 2017-02-23 |
US20180246952A1 (en) | 2018-08-30 |
US10579654B2 (en) | 2020-03-03 |
JP2018532140A (ja) | 2018-11-01 |
SG11201801335SA (en) | 2018-03-28 |
KR20180041200A (ko) | 2018-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106469169A (zh) | 信息处理方法及装置 | |
US11948075B2 (en) | Generating discrete latent representations of input data items | |
CN109919316A (zh) | 获取网络表示学习向量的方法、装置和设备及存储介质 | |
CN105205180B (zh) | 一种知识图谱的评价方法及装置 | |
CN107741976B (zh) | 智能应答方法、装置、介质和电子设备 | |
CN106557576B (zh) | 基于人工智能的提示信息推荐方法以及装置 | |
CN107832432A (zh) | 一种搜索结果排序方法、装置、服务器和存储介质 | |
CN110909145B (zh) | 针对多任务模型的训练方法及装置 | |
CN109597878A (zh) | 一种确定文本相似度的方法及相关装置 | |
CN110597962A (zh) | 搜索结果展示方法、装置、介质及电子设备 | |
CN109582933A (zh) | 一种确定文本新颖度的方法及相关装置 | |
AU2013216600A1 (en) | Learning management | |
CN111651989B (zh) | 命名实体识别方法和装置、存储介质及电子装置 | |
CN105069034A (zh) | 一种生成推荐信息的方法及装置 | |
CN110489531A (zh) | 高频问题的确定方法和装置 | |
CN108959450A (zh) | 一种热门评论确定***、方法、装置和可读介质 | |
CN114817552A (zh) | 一种习题关联关系处理方法、装置、设备及存储介质 | |
CN110516153B (zh) | 视频的智能推送方法和装置、存储介质及电子装置 | |
CN109672706A (zh) | 一种信息推荐方法、装置、服务器及存储介质 | |
CN111814044A (zh) | 一种推荐方法、装置、终端设备及存储介质 | |
US20180090021A1 (en) | Ranking courses for a presentation | |
CN116561339A (zh) | 知识图谱实体链接方法、装置、计算机设备及存储介质 | |
CN103366003B (zh) | 基于用户反馈优化搜索结果的方法和设备 | |
CN111597444B (zh) | 一种搜索方法、装置、服务器、存储介质 | |
CN104796478B (zh) | 一种资源推荐方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1234847 Country of ref document: HK |
|
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170301 |
|
RJ01 | Rejection of invention patent application after publication | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: WD Ref document number: 1234847 Country of ref document: HK |