CN113673475A - 基于图像信息的答题方法 - Google Patents
基于图像信息的答题方法 Download PDFInfo
- Publication number
- CN113673475A CN113673475A CN202111022961.9A CN202111022961A CN113673475A CN 113673475 A CN113673475 A CN 113673475A CN 202111022961 A CN202111022961 A CN 202111022961A CN 113673475 A CN113673475 A CN 113673475A
- Authority
- CN
- China
- Prior art keywords
- information
- user
- question
- topic
- image data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000012360 testing method Methods 0.000 claims abstract description 49
- 238000012545 processing Methods 0.000 claims abstract description 11
- 230000009467 reduction Effects 0.000 claims abstract description 10
- 238000003062 neural network model Methods 0.000 claims abstract description 5
- 230000008569 process Effects 0.000 description 9
- 238000013528 artificial neural network Methods 0.000 description 7
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
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
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于图像信息的答题方法,所述方法包括:用户终端根据第一用户输入的获取指令通过摄像装置获取待识别图像数据;用户终端对待识别图像数据进行降噪处理,得到降噪后的待识别图像数据并发送至服务器;待识别图像数据携带有第一用户的用户ID;服务器根据神经网络模型对待识别图像数据进行识别处理,得到第一题目信息;第一题目信息携带有第一用户的用户ID;解析第一题目信息得到关键字信息;根据关键字信息在试题数据库中查找与关键字信息相匹配的第二题目信息;根据第一用户的用户ID将第二题目信息发送至用户终端,用以用户终端显示第二题目信息。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及基于图像信息的答题方法。
背景技术
随着社会经济的快速稳定发展,以及国家对教育信息化大力支持,尤其是对基础教育信息化的资金扶持,加快了教育信息化的建设步伐。自教育踏上软件市场这个舞台之后,随着互联网技术的日新月异并逐步普及,以及国家对教育培训产业的重视和投资力度的加大,教育软件已经占领整个软件市场的三分之一份额,与办公软件、财务软件形成三分天下的局面。
在现有的在线答题方法中,用户对待解答的题目进行拍照后上传至服务器,服务器对照片进行识别处理,并在题库中搜索答案。如果当前待解答的题目没有被收录在题库中,则无法向用户提供有效的答案,使得现有的在线答题方法答题能力较弱,无法满足用户的需要。
发明内容
本发明的目的是针对现有技术的缺陷,提供一种基于图像信息的答题方法,通过待解答题目的关键字,确定待解答题目的考点,在题库中匹配到至少待解答题目的考点一直的题目和答案,使得在向无法学生提供与待解答题目一模一样的题目和答案时,可以向学生提供与待解答题目考点一样的题目和答案,供学生参考,提高学生的学习效率。
为实现上述目的,本发明提供了基于图像信息的答题方法,所述基于图像信息的答题方法包括:
用户终端根据第一用户输入的获取指令通过摄像装置获取待识别图像数据;
所述用户终端对所述待识别图像数据进行降噪处理,得到降噪后的待识别图像数据并发送至服务器;所述待识别图像数据携带有第一用户的用户I D;
所述服务器根据神经网络模型对所述待识别图像数据进行识别处理,得到第一题目信息;所述第一题目信息携带有所述第一用户的用户I D;
解析所述第一题目信息得到关键字信息;
根据所述关键字信息在试题数据库中查找与所述关键字信息相匹配的第二题目信息;
根据所述第一用户的用户I D将所述第二题目信息发送至用户终端,用以所述用户终端显示所述第二题目信息。
优选的,所述用户终端根据第一用户输入的获取指令通过摄像装置获取待识别图像数据之前,所述方法还包括:
所述用户终端接收所述第一用户输入的第一用户账户信息;所述第一用户账户信息包括第一用户的用户I D、第一用户年级信息和第一用户所在地域信息。
优选的,所述方法还包括:
所述用户终端通过定位模块获取所述第一用户所在地域信息。
优选的,所述用户终端根据第一用户输入的获取指令通过摄像装置获取待识别图像数据具体为:
所述用户终端根据第一用户输入的获取指令获取原始图像数据,并显示;
接收所述第一用户根据所述原始图像数据输入的区域选择指令,根据所述区域选择指令得到所述待识别图像数据。
优选的,所述试题数据库中包括第二题目信息、所述第二题目信息对应的年级信息和所述第二题目信息对应的区域信息。
进一步优选的,所述根据所述关键字信息在试题数据库中查找与所述关键字信息相匹配的第二题目信息具体为:
获取所述与所述第一用户的用户I D相对应的所述第一用户年级信息和所述第一用户所在地域信息;
根据所述第一用户年级信息和所述第一用户所在地域信息在试题数据库中所述确定与所述第一用户年级信息和所述第一用户所在地域信息相匹配的目标试题范围数据,以及与所述第一用户年级信息和所述第一用户所在地域信息不匹配的目标试题范围外数据;
根据所述关键字信息在所述试题范围数据中查找与所述关键字信息相匹配的第二题目信息。
进一步优选的,其特征在于,当根据所述关键字信息在所述试题范围数据中查找不到与所述关键字信息相匹配的第二题目信息时,所述方法还包括:
根据所述关键字信息在所述目标试题范围外数据中查找与所述关键字信息相匹配的第二题目信息;
根据所述第一用户的用户I D将所述第二题目信息发送至用户终端。
优选的,所述第二题目信息包括所述第二题目的解答信息;
所述根据所述第一用户的用户I D将所述第二题目信息和所述第二题目的解答信息发送至用户终端。
优选的,在所述根据所述第一用户的用户I D将所述第二题目信息发送至用户终端之后,所述方法还包括:
接收所述第一用户输入的反馈信息;确定所述反馈信息是否为第一反馈信息;
当所述反馈信息为第一反馈信息时,向所述服务器发送所述第一题目信息;
所述服务器根据所述第一题目信息更新所述试题数据库中。
进一步优选的,在所述服务器根据所述第一题目信息更新所述试题数据库中之后,所述方法还包括:
所述服务器接收第二用户根据所述第一题目信息输入的所述第一题目信息的第一题目的解答信息;所述第一题目的解答信息包括所述第一用户的用户I D;
根据所述第一用户的用户I D将所述第一题目信息和所述第一题目的解答信息发送至用户终端。
本发明实施例提供的基于图像信息的答题方法,通过待解答题目的关键字,确定待解答题目的考点,在题库中匹配到至少待解答题目的考点一直的题目和答案,使得在向无法学生提供与待解答题目一模一样的题目和答案时,可以向学生提供与待解答题目考点一样的题目和答案,供学生参考,提高学生的学习效率。
附图说明
图1为本发明实施例提供的基于图像信息的答题方法的流程图。
具体实施方式
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
本发明实施例提供的一种基于图像信息的答题方法,实现于可以连接到网络的智能终端中,用于向用户提供用户所上传的试题的答案。其方法流程图如图1所示,包括如下步骤:
步骤101,用户终端通过摄像装置获取待识别图像数据;
具体的,用户终端可以理解为具有联网功能的智能设备,例如智能手机。摄像装置可以是用户终端中的一部分,也可以是单独加装在用户终端上的一个单独的装置。
第一用户可以理解为提出问题的一方,例如学生或学生家长。当第一用户提出问题,需要被解答时,首先要在用户终端中登录账户信息。第一用户账户信息包括第一用户的用户I D、第一用户年级信息和第一用户所在地域信息。其中,第一用户的用户I D可以理解为第一用户的唯一身份标识。第一用户年级信息可以理解为学生的修业年限信息,例如小学五年级或高中一年级。第一用户所在地域信息可以理解为学生所在的学区信息,例如北京市海淀区或天津市。第一用户所在地域信息可以是用户输入的,也可以是用户终端通过用户终端内的定位模块获取的。
优选的,第一用户所在地域信息默认为用户终端通过用户终端内的定位模块获取的。当第一用户需要更改第一用户所在地域信息时,可以手动输入更改后的第一用户所在地域信息。
第一用户在登录账户信息之后向用户终端输入获取指令。获取指令可以理解为拍照指令,这一过程可以理解为第一用户利用用户终端通过摄像装置对待解答题目进行拍照的过程。
在用户终端接收到获取指令之前,用户终端需要向第一用户获取摄像和麦克风等装置的使用权限。在用户终端获取到了摄像和麦克风等装置的使用权限后,用户终端根据第一用户输入的获取指令通过摄像装置获取原始图像数据,并将原始图像数据显示给第一用户。第一用户根据所述原始图像数据输入区域选择指令,用户终端接收到区域选择指令后,根据区域选择指令得到待识别图像数据。其中,原始图像数据可以理解为第一用户通过摄像装置拍照下的原始照片。待识别图像数据可以理解为第一用户对原始照片进行区域截取后原始照片中的待解答题目部分。这一过程可以理解为第一用户选取已拍下的照片中内容的过程,有利于后续对照片内容进行更高效的识别。
步骤102,用户终端对待识别图像数据进行降噪处理,并将降噪后的待识别图像数据发送至服务器;
具体的,由于现在的摄像设备获取到的图像多为高分辨率的彩色图像,而高分辨率的彩色图像的数据存储量比较大,不利于后续对图像的处理。因此用户终端在获取到待识别图像数据后,首先对待识别图像数据进行降噪处理。优选的,降噪处理包括调整图像大小和灰度处理。用户终端将待识别图像数据缩放为预设的大小,且通道为单通道灰度图像。
然后,用户终端将降噪后的待识别图像数据进行压缩处理,并打包发送至服务器,以便服务器对降噪后的待识别图像数据进行后续处理。并且,降噪后的待识别图像数据携带有第一用户的用户I D,用以服务器区分当前待识别图像数据是由哪个用户发送的,并根据用户ID获取第一用户的其他账户信息。
步骤103,服务器根据神经网络模型对待识别图像数据进行识别处理,得到第一题目信息;
具体的,神经网络模型(Neura l Network,NN)是一种模拟人类***经网络的数据模型,它是由大量的、简单的处理单元广泛地互相连接而形成的复杂网络***,也可以理解为一个高度复杂的非线性动力学习***。NN模型具有自学习功能的优越性。例如,实现图像识别时,只在先把许多不同的图片和对应的识别的特征(识别结果)输入NN模型中,NN模型就会通过自学习功能,得出的一系列用于预测输出变量的新特征。
优选的,本发明实施例中采用卷积神经网络模型(Convo l ut i ona l Neura lNetwork,CNN)和循环神经网络模型(Recurrent Neura l Network,RNN)识别待识别图像数据。服务器先将接收到的待识别图像数据压缩包进行解压,释放出待识别图像数据,在根据CNN模型和RNN模型识别待识别图像数据上的文字信息,得到待识别图像数据中的第一题目信息。第一题目信息可以理解即为第一用户上传的、待解答的课题的文字信息。
步骤104,解析第一题目信息得到关键字信息;
具体的,服务器首先根据预设的语法模型切分第一题目信息,得到一个或多个字符串信息,再根据预设的语义模型从一个或多个字符串信息中挑选出一个或多个关键字信息。这一过程可以理解为去除题目中助词等没有价值的词汇,并提取出题目中对于答题具有关键作用的关键信息的过程。这里,关键字信息可以理解为考点信息。
在一个具体的例子中,当用户终端拍摄到的题目为:
“--Do you know Pau l i s boy i n C l ass 5?
--Yes.He i s very good at p l ayi ng basketba l l.
A.ta l l B.ta l l er C.ta l l est D.the ta l l est”
则服务器根据预设的语法模型和预设的语义模型的到题目的关键字信息包括“tal l、ta l l er、ta l l est和the ta l l est”。
在一个具体的例子中,当用户终端拍摄到的题目为:
“若抛物线y=x2+2x+c与x轴没有交点,写出一个满足条件c的值:___。”
则服务器根据预设的语法模型和预设的语义模型的到题目的关键字信息包括“抛物线、y=x2+2x+c、交点和写出c值”。
步骤105,根据关键字信息在试题数据库中查找与关键字信息相匹配的第二题目信息;
具体的,试题数据库中包括第二题目信息、第二题目信息对应的年级信息和第二题目信息对应的区域信息。与第一用户年级信息和第一用户所在地域信息相对应,第二用户年级信息可以理解为第二题目的年级信息,第二用户所在地域信息可以理解为第二题目的学区信息。
首先,服务器根据第一题目信息所携带的第一用户的用户ID,获取与第一用户的用户ID相对应的第一用户年级信息和第一用户所在区域信息。
然后,服务器再根据第一用户年级信息和第一用户所在区域信息在试题数据库中确定与第一用户年级信息和第一用户所在区域信息相匹配的目标试题范围数据,以及与第一用户年级信息和第一用户所在区域信息不匹配的目标试题范围外数据。
在一个具体的例子中,试题数据库中包括“北京市初中一年级的题目、北京市初中二年级的题目、北京市初中三年级的题目、上海市初中三年级的题目”。当第一用户年级信息和第一用户所在区域信息分别为“初中一年级”和“北京市”时,目标试题范围数据为试题数据库中的“北京市初中一年级的题目”,目标试题范围外数据为试题数据库中的“北京市初中二年级的题目、北京市初中三年级的题目、上海市初中三年级的题目”。
最后,服务器先根据关键字信息在试题范围数据中查找与关键字信息相匹配的第二题目信息。当根据关键字信息在试题范围数据中查找不到与关键字信息相匹配的第二题目信息时,再根据关键字信息在目标试题范围外数据中查找与关键字信息相匹配的第二题目信息。第二题目信息包括第二题目的解答信息,用于第一用户进一步的理解题目答案。
这个过程可以理解为服务器根据待解答题目的考点信息在题库里找到与待解答题目一样或相似题目以及答案的过程。需要说明的是,由于学生考题数目庞大,各校老师也有可能会按照自己的判断自行出题,因此在试题数据库(题库)中录入所有已知题目是不现实的。而如果当前试题数据库里不包括与第一题目信息(待解答题目)一模一样的第二题目信息时,就无法向学生返回答案,影响学生学习效率。但是,虽然试题数据库中录入所有已知题目是不现实的,但每个年级、每门学科的考点在当年或一定时间内是不变的。因此,试题数据库中只需包括当下所有年级、所有学科、所有考点的题目,并不断完善即可。这个过程所匹配到的第二题目信息不一定与第一题目信息一模一样,但与第一题目信息的关键字(待解答题目的考点)是一致的,这样可以使得在向无法学生提供与第一题目信息一模一样的第二题目信息时,向学生提供与第一题目信息考点一样的第二题目信息,供学生参考,提高学生的学习效率。
并且,由于每个年级、每个地域的考点不同,因此在试题数据库里不加条件的匹配第二题目信息会大大降低匹配效率。而通过学生年龄信息和学生所在区域信息缩小试题数据库的搜索范围,优先从与当前与学生年龄信息和学生所在区域信息相匹配的目标试题范围数据中搜索与第一题目信息匹配的第二题目信息,有助于提高匹配效率。
在一个具体的例子中,用户终端拍摄到的题目为:
“--Do you know Pau l i s boy i n Cl ass 5?--Yes.He i s very good at pl ay i ng basketba l l.
A.ta l l B.ta l l er C.ta l l est D.the ta l l est”。
则服务器根据关键字信息“ta l l、ta l l er、ta l l est和the ta l l est”在试题数据库搜索到与关键字信息相匹配的第二题目信息为:
“L i Dong i s the th i rd boy i n our c l ass and he i s very good atp l ay i ng basketba l l.
A.ta l l B.ta l l er C.ta l l est D.the ta l l est”
第二题目的解答信息为“李东是我们班里第三高的男孩,他擅长打篮球。形容词最高级前面如果有序数词修饰,序数词应放在定冠词之后,以为‘第……最……的’。根据句意,结合语境和所给的选项,可知ta l l est符合。故选C。”
在本例中,第一用户虽然没有获得到与拍摄到的题目一模一样的题目,但却获得了拍摄到的题目中的考点一致的题目以及题目解析,第一用户可以很容易的根据题目解析联想到所拍摄到的题目的答案。
步骤106,将第二题目信息和第二题目的解答信息反馈至用户终端;
具体的,服务器根据第一用户的用户I D将第二题目信息和第二题目的解答信息发送至用户终端。用户终端向第一用户显示第二题目信息和第二题目的解答信息。
优选的,在用户终端向第一用户显示第二题目信息和第二题目的解答信息后,第一用户可以对当前服务器匹配到的第二题目信息和第二题目的解答信息的满意度进行反馈。用户终端接收第一用户输入的反馈信息。反馈信息包括第一反馈信息和第二反馈信息。其中,第一反馈信息可以理解为第一用户不能根据服务器匹配到的第二题目信息和第二题目的解答信息对第一题目信息进行解答的“不满意”反馈。第二反馈信息则可以理解为第一用户可以根据服务器匹配到的第二题目信息和第二题目的解答信息对第一题目信息进行解答的“满意”反馈。
用户终端确定反馈信息是否为第一反馈信息。当反馈信息为第一反馈信息时,代表了第一用户不能根据服务器匹配到的第二题目信息和第二题目的解答信息对第一题目信息进行解答,也就是服务器匹配到的第二题目信息和第二题目的解答信息无效,则用户终端向服务器发送第一题目信息。服务器将第一题目信息更新至试题数据库中。此时,第一题目信息在试题数据库中不存在对应的第一题目信息的解答信息。第一题目信息的解答信息需要第二用户根据第一题目信息上传至试题数据库中。与第一用户相对应,第二用户可以理解为回答问题的一方,例如教师。
第二用户通过用户终端从服务器中获取未被解答的第一题目信息,并根据第一题目信息输入第一题目信息的解答信息。用户终端将第一题目信息的解答信息发送至服务器中,服务器将第一题目信息的解答信息存储至试题数据库中,同时,服务器根据第一题目信息所携带的第一用户的用户ID将第一题目信息和所述第一题目的解答信息发送至第一用户所使用的用户终端中,用以第一用户查看第一题目信息的解答信息。此时,第一题目信息在试题数据库中已存在对应的第一题目信息的解答信息。
进一步优选的,第一题目信息的解答信息携带有第二用户的用户ID。也就是说第一用户可以看到是哪名第二用户对当前的第一题目信息做出了解答。若第一用户仍然觉得第二用户所给出的解答信息不足以回答当前的题目,则可以直接通过第二用户的用户ID向第二用户进行提问。
本发明实施例提供的基于图像信息的答题方法,通过待解答题目的关键字,确定待解答题目的考点,在题库中匹配到至少待解答题目的考点一直的题目和答案,使得在向无法学生提供与待解答题目一模一样的题目和答案时,可以向学生提供与待解答题目考点一样的题目和答案,供学生参考,提高学生的学习效率。
专业人员应该还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、用户终端执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于图像信息的答题方法,其特征在于,所述基于图像信息的答题方法包括:
用户终端根据第一用户输入的获取指令通过摄像装置获取待识别图像数据;
所述用户终端对所述待识别图像数据进行降噪处理,得到降噪后的待识别图像数据并发送至服务器;所述待识别图像数据携带有第一用户的用户ID;
所述服务器根据神经网络模型对所述待识别图像数据进行识别处理,得到第一题目信息;所述第一题目信息携带有所述第一用户的用户ID;
解析所述第一题目信息得到关键字信息;
根据所述关键字信息在试题数据库中查找与所述关键字信息相匹配的第二题目信息;
根据所述第一用户的用户ID将所述第二题目信息发送至用户终端,用以所述用户终端显示所述第二题目信息。
2.根据权利要求1所述的基于图像信息的答题方法,其特征在于,所述用户终端根据第一用户输入的获取指令通过摄像装置获取待识别图像数据之前,所述方法还包括:
所述用户终端接收所述第一用户输入的第一用户账户信息;所述第一用户账户信息包括第一用户的用户ID、第一用户年级信息和第一用户所在地域信息。
3.根据权利要求1所述的基于图像信息的答题方法,其特征在于,所述方法还包括:
所述用户终端通过定位模块获取所述第一用户所在地域信息。
4.根据权利要求1所述的基于图像信息的答题方法,其特征在于,所述用户终端根据第一用户输入的获取指令通过摄像装置获取待识别图像数据具体为:
所述用户终端根据第一用户输入的获取指令获取原始图像数据,并显示;
接收所述第一用户根据所述原始图像数据输入的区域选择指令,根据所述区域选择指令得到所述待识别图像数据。
5.根据权利要求1所述的基于图像信息的答题方法,其特征在于,所述试题数据库中包括第二题目信息、所述第二题目信息对应的年级信息和所述第二题目信息对应的区域信息。
6.根据权利要求5所述的基于图像信息的答题方法,其特征在于,所述根据所述关键字信息在试题数据库中查找与所述关键字信息相匹配的第二题目信息具体为:
获取所述与所述第一用户的用户ID相对应的所述第一用户年级信息和所述第一用户所在地域信息;
根据所述第一用户年级信息和所述第一用户所在地域信息在试题数据库中所述确定与所述第一用户年级信息和所述第一用户所在地域信息相匹配的目标试题范围数据,以及与所述第一用户年级信息和所述第一用户所在地域信息不匹配的目标试题范围外数据;
根据所述关键字信息在所述试题范围数据中查找与所述关键字信息相匹配的第二题目信息。
7.根据权利要求6所述的基于图像信息的答题方法,其特征在于,当根据所述关键字信息在所述试题范围数据中查找不到与所述关键字信息相匹配的第二题目信息时,所述方法还包括:
根据所述关键字信息在所述目标试题范围外数据中查找与所述关键字信息相匹配的第二题目信息;
根据所述第一用户的用户ID将所述第二题目信息发送至用户终端。
8.根据权利要求1所述的基于图像信息的答题方法,其特征在于,所述第二题目信息包括所述第二题目的解答信息;
所述根据所述第一用户的用户ID将所述第二题目信息和所述第二题目的解答信息发送至用户终端。
9.根据权利要求1所述的基于图像信息的答题方法,其特征在于,在所述根据所述第一用户的用户ID将所述第二题目信息发送至用户终端之后,所述方法还包括:
接收所述第一用户输入的反馈信息;确定所述反馈信息是否为第一反馈信息;
当所述反馈信息为第一反馈信息时,向所述服务器发送所述第一题目信息;
所述服务器根据所述第一题目信息更新所述试题数据库中。
10.根据权利要求9所述的基于图像信息的答题方法,其特征在于,在所述服务器根据所述第一题目信息更新所述试题数据库中之后,所述方法还包括:
所述服务器接收第二用户根据所述第一题目信息输入的所述第一题目信息的第一题目的解答信息;所述第一题目的解答信息包括所述第一用户的用户ID;
根据所述第一用户的用户ID将所述第一题目信息和所述第一题目的解答信息发送至用户终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111022961.9A CN113673475A (zh) | 2021-09-01 | 2021-09-01 | 基于图像信息的答题方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111022961.9A CN113673475A (zh) | 2021-09-01 | 2021-09-01 | 基于图像信息的答题方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113673475A true CN113673475A (zh) | 2021-11-19 |
Family
ID=78548059
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111022961.9A Pending CN113673475A (zh) | 2021-09-01 | 2021-09-01 | 基于图像信息的答题方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113673475A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104506898A (zh) * | 2015-01-12 | 2015-04-08 | 北京东方皆冠科技有限公司 | 图像信息处理方法及*** |
CN109583401A (zh) * | 2018-12-05 | 2019-04-05 | 广东小天才科技有限公司 | 一种自动生成答案的搜题方法及用户设备 |
JP2019212002A (ja) * | 2018-06-05 | 2019-12-12 | 公益財団法人大学セミナーハウス | 試験管理装置 |
CN111914068A (zh) * | 2020-08-21 | 2020-11-10 | 广州云蝶科技有限公司 | 试题知识点的提取方法 |
CN112860845A (zh) * | 2020-12-24 | 2021-05-28 | 北京高途云集教育科技有限公司 | 一种试题检索方法、装置、电子设备及存储介质 |
-
2021
- 2021-09-01 CN CN202111022961.9A patent/CN113673475A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104506898A (zh) * | 2015-01-12 | 2015-04-08 | 北京东方皆冠科技有限公司 | 图像信息处理方法及*** |
JP2019212002A (ja) * | 2018-06-05 | 2019-12-12 | 公益財団法人大学セミナーハウス | 試験管理装置 |
CN109583401A (zh) * | 2018-12-05 | 2019-04-05 | 广东小天才科技有限公司 | 一种自动生成答案的搜题方法及用户设备 |
CN111914068A (zh) * | 2020-08-21 | 2020-11-10 | 广州云蝶科技有限公司 | 试题知识点的提取方法 |
CN112860845A (zh) * | 2020-12-24 | 2021-05-28 | 北京高途云集教育科技有限公司 | 一种试题检索方法、装置、电子设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
黄建年: "古籍计算机自动断句标点与自动分词标引研究", 安徽师范大学出版社, pages: 92 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Marsh et al. | The digital expansion of the mind: Implications of internet usage for memory and cognition | |
CN109359215B (zh) | 视频智能推送方法和*** | |
CN108648757B (zh) | 一种基于多维度课堂信息的分析方法 | |
CN110209897B (zh) | 智能对话方法、装置、存储介质及设备 | |
WO2022095380A1 (zh) | 基于ai的虚拟交互模型生成方法、装置、计算机设备及存储介质 | |
CN108281052A (zh) | 一种在线教学***及在线教学方法 | |
CN110516791B (zh) | 一种基于多重注意力的视觉问答方法及*** | |
CN107133303A (zh) | 用于输出信息的方法和装置 | |
WO2012011092A1 (en) | System, method and device for intelligent textual conversation system | |
Cetınkaya et al. | Students’ success in English vocabulary acquisition through multimedia annotations sent via WhatsApp | |
Alfaify et al. | Cultural references in films: An audience reception study of subtitling into Arabic | |
CN113254708A (zh) | 一种视频搜索方法、装置、计算机设备及存储介质 | |
US9547995B1 (en) | Dynamic instructional course | |
CN113657509A (zh) | 教学训练提升方法、装置、终端和存储介质 | |
CN111914068B (zh) | 试题知识点的提取方法 | |
CN113449192A (zh) | 一种基于手机银行的教育资源推荐方法和相关装置 | |
CN113673475A (zh) | 基于图像信息的答题方法 | |
US11704585B2 (en) | System and method to determine outcome probability of an event based on videos | |
CN115730607A (zh) | 对话检测模型训练方法及装置 | |
CN112528790A (zh) | 基于行为识别的教学管理方法、装置及服务器 | |
CN112800177A (zh) | 基于复杂数据类型的faq知识库自动生成方法和装置 | |
KR101011773B1 (ko) | 교육컨텐츠 개발 및 분류를 통한 수준별 교육관리시스템 및 그 방법 | |
CN111209817A (zh) | 基于人工智能的考核方法、装置、设备及可读存储介质 | |
CN110781322A (zh) | 一种多媒体课件的生成方法、装置、存储介质及终端设备 | |
CN110807094A (zh) | 法律文件的大数据分析、预测、数据可视化***及其装置 |
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 | ||
CB02 | Change of applicant information |
Address after: Room 1002, floor 10, block B, No. 18, Zhongguancun Street, Haidian District, Beijing 100044 Applicant after: Beijing Biyun shuchuang Technology Co.,Ltd. Address before: Room 1002, floor 10, block B, No. 18, Zhongguancun Street, Haidian District, Beijing 100044 Applicant before: Beijing yundie Zhixue Technology Co.,Ltd. |
|
CB02 | Change of applicant information | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211119 |
|
RJ01 | Rejection of invention patent application after publication |