CN115048506A - 基于知识图谱的试题生成***、方法、装置及存储介质 - Google Patents

基于知识图谱的试题生成***、方法、装置及存储介质 Download PDF

Info

Publication number
CN115048506A
CN115048506A CN202210743044.8A CN202210743044A CN115048506A CN 115048506 A CN115048506 A CN 115048506A CN 202210743044 A CN202210743044 A CN 202210743044A CN 115048506 A CN115048506 A CN 115048506A
Authority
CN
China
Prior art keywords
knowledge
proposition
test question
knowledge point
library
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
Application number
CN202210743044.8A
Other languages
English (en)
Inventor
陈豪奋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Nanfang Human Resources Evaluation Center Co ltd
Original Assignee
Guangzhou Nanfang Human Resources Evaluation Center Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Nanfang Human Resources Evaluation Center Co ltd filed Critical Guangzhou Nanfang Human Resources Evaluation Center Co ltd
Priority to CN202210743044.8A priority Critical patent/CN115048506A/zh
Publication of CN115048506A publication Critical patent/CN115048506A/zh
Pending legal-status Critical Current

Links

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
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/335—Filtering based on additional data, e.g. user or group profiles
    • 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
    • G06F16/95—Retrieval from the web
    • G06F16/951—Indexing; Web crawling techniques
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开基于知识图谱的试题生成***、方法、装置及存储介质，***包括：试题生成服务器和用户终端；试题生成服务器用于：构建知识图谱；获取网络资源中与知识图谱对应领域的试题，生成试题库；从试题库的试题中提取初始命题知识点，获得命题知识点库；获取当前考试命题大纲中的各个知识点，并从命题知识点库中，确定与各个知识点对应的待考细分知识点；基于待考细分知识点，从试题库中确定与待考细分知识点对应的命题内容；将与待考细分知识点对应的命题内容发送至用户终端，以供命题者进行选择；接收用户终端反馈的命题者对命题内容选择的操作，并生成相应的试题内容。本发明通过知识图谱来辅助命题，减轻命题者的工作量且保证命题有针对性。

Description

基于知识图谱的试题生成***、方法、装置及存储介质
技术领域
本发明涉及试题生成技术领域，尤其是涉及基于知识图谱的试题生成***、方法、装置及存储介质。
背景技术
衡量教学效果最重要、最有效的方法之一是检测考试，要考试就需要命制试题。命制试题是一项专业性、技术性、综合性较强的工作，需要命题者有着较强的学科专业背景和命题基本技术，还要有较高的对教育发展、课程改革、学情状况、测试结果等进行预测的综合能力。
借助现有发达网络资源，命题者可以从网络资源中获取现有大量的命题，然而，对于不同学生而言，命题不具有针对性。为解决此问题，命题者通常需要针对学生的学习情况，对海量的命题进行筛选，工作量巨大且耗费大量时间和精力。
发明内容
本发明实施例的目的是提供基于知识图谱的试题生成***、方法、装置及存储介质，通过知识图谱来辅助命题，减轻命题者的工作量且保证命题有针对性。
为了解决上述技术问题，第一方面，本发明实施例提供了一种基于知识图谱的试题生成***，包括：试题生成服务器和用户终端；
所述试题生成服务器用于：构建至少一个领域的知识图谱；获取网络资源中与所述知识图谱对应领域的试题，生成试题库；从所述试题库的试题中提取初始命题知识点，获得命题知识点库；获取当前考试命题大纲中的各个知识点，并从所述命题知识点库中，确定与所述当前考试命题大纲中的各个知识点对应的待考细分知识点；基于所述待考细分知识点，从所述试题库中确定与所述待考细分知识点对应的命题内容；将与所述待考细分知识点对应的命题内容发送至所述用户终端，以供命题者进行选择；接收所述用户终端反馈的所述命题者对所述命题内容选择的操作，并生成相应的试题内容；
所述用户终端用于：响应于所述命题者对所述命题内容选择的操作，并反馈至所述试题生成服务器。
作为其中一种优选方案，所述试题生成服务器具体通过以下方式，执行所述获取网络资源中与所述知识图谱对应领域的试题，生成试题库：
从教材库的课程大纲和课程目录中提取现有知识点；
基于所述现有知识点，确定所述知识图谱对应领域的知识点；
利用爬虫技术从网络资源中获取与所述知识图谱对应领域的知识点关联的试题，生成试题库。
作为其中一种优选方案，所述试题生成服务器具体通过以下方式，执行所述从所述试题库的试题中提取初始命题知识点，获得命题知识点库：
对所述试题库的每道试题进行知识点标注，确定每道试题的初始命题知识点；
将所述试题库中所有试题的初始命题知识点进行分类整理，形成命题知识点库。
作为其中一种优选方案，在所述试题生成服务器执行所述获取当前考试命题大纲中的各个知识点，并从所述命题知识点库中，确定与所述当前考试命题大纲中的各个知识点对应的待考细分知识点之前，所述试题生成服务器还用于：
基于所述知识图谱对所述初始命题知识点进行扩展，以获得目标命题知识点；其中，所述目标命题知识点为与所述知识图谱关联匹配的初始命题知识点和扩展命题知识点；
基于所述目标命题知识点，更新所述命题知识点库；
则所述试题生成服务器具体通过以下方式，执行所述获取当前考试命题大纲中的各个知识点，并从所述命题知识点库中，确定与所述当前考试命题大纲中的各个知识点对应的待考细分知识点：
获取当前考试命题大纲中的各个知识点，并从所述命题知识点库的所述目标命题知识点中，确定与所述当前考试命题大纲中的各个知识点对应的待考细分知识点。
作为其中一种优选方案，所述试题生成服务器具体通过以下方式，执行所述构建至少一个领域的知识图谱：
对目标学科课程的文字资源进行语义识别，以提取与所述目标学科课程对应的各个知识点；其中，所述目标学科课程的文字资源包括课程大纲和课程目录；
确定所述目标学科课程中各个知识点的逻辑关系；其中，所述逻辑关系包括并列关系、包含关系、同义关系和递进关系中的一种或多种；
基于所述目标学科课程中各个知识点以及各个知识点的逻辑关系，确定与所述目标学科课程对应的课程知识实体模型；
基于所述课程知识实体模型，构建与所述目标学科课程领域对应的知识图谱。
第二方面，本发明实施例还提供了一种基于知识图谱的试题生成方法，包括：
构建至少一个领域的知识图谱；
获取网络资源中与所述知识图谱对应领域的试题，生成试题库；
从所述试题库的试题中提取初始命题知识点，获得命题知识点库；
获取当前考试命题大纲中的各个知识点，并从所述命题知识点库中，确定与所述当前考试命题大纲中的各个知识点对应的待考细分知识点；
基于所述待考细分知识点，从所述试题库中确定与所述待考细分知识点对应的命题内容；
将与所述待考细分知识点对应的命题内容发送至所述用户终端，以供命题者进行选择；
接收所述用户终端反馈的所述命题者对所述命题内容选择的操作，并生成相应的试题内容。
作为其中一种优选方案，所述获取网络资源中与所述知识图谱对应领域的试题，生成试题库，包括：
从教材库的课程大纲和课程目录中提取现有知识点；
基于所述现有知识点，确定所述知识图谱对应领域的知识点；
利用爬虫技术从网络资源中获取与所述知识图谱对应领域的知识点关联的试题，生成试题库。
作为其中一种优选方案，所述从所述试题库的试题中提取初始命题知识点，获得命题知识点库，包括：
对所述试题库的每道试题进行知识点标注，确定每道试题的初始命题知识点；
将所述试题库中所有试题的初始命题知识点进行分类整理，形成命题知识点库。
第三方面，本发明再一实施例提供了一种基于知识图谱的试题生成装置，包括：
知识图谱构建模块，用于构建至少一个领域的知识图谱；
试题库生成模块，用于获取网络资源中与所述知识图谱对应领域的试题，生成试题库；
命题知识点库获取模块，用于从所述试题库的试题中提取初始命题知识点，获得命题知识点库；
待考细分知识点确定模块，用于获取当前考试命题大纲中的各个知识点，并从所述命题知识点库中，确定与所述当前考试命题大纲中的各个知识点对应的待考细分知识点；
命题内容确定模块，用于基于所述待考细分知识点，从所述试题库中确定与所述待考细分知识点对应的命题内容；
发送模块，用于将与所述待考细分知识点对应的命题内容发送至所述用户终端，以供命题者进行选择；
接收模块，用于接收所述用户终端反馈的所述命题者对所述命题内容选择的操作，并生成相应的试题内容。
第四方面，本发明又一实施例提供了一种计算机可读存储介质，计算机可读存储介质包括存储的计算机程序，其中，在计算机程序运行时控制计算机可读存储介质所在设备执行如上的第一方面所述的方法。
相比于现有技术，本发明实施例的有益效果在于以下中的至少一点：
本发明实施例提供的一种基于知识图谱的试题生成***，包括试题生成服务器和用户终端，具体的，通过所述试题生成服务器：构建至少一个领域的知识图谱；获取网络资源中与所述知识图谱对应领域的试题，生成试题库；从所述试题库的试题中提取初始命题知识点，获得命题知识点库；获取当前考试命题大纲中的各个知识点，并从所述命题知识点库中，确定与所述当前考试命题大纲中的各个知识点对应的待考细分知识点；基于所述待考细分知识点，从所述试题库中确定与所述待考细分知识点对应的命题内容；将与所述待考细分知识点对应的命题内容发送至所述用户终端，以供命题者进行选择；接收所述用户终端反馈的所述命题者对所述命题内容选择的操作，并生成相应的试题内容；以及通过用户终端：响应于所述命题者对所述命题内容选择的操作，并反馈至所述试题生成服务器。基于此，本发明通过试题生成服务器来构建知识图谱，从而来辅助命题，减轻命题者的工作量，使得命题高效且知识点覆盖全面，同时由于最终命题者会对命题内容进行最后的选择操作，保证命题有针对性。相应地，本发明还提供基于知识图谱的试题生成方法、装置及存储介质。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明基于知识图谱的试题生成***一实施例的结构示意图；
图2是本发明基于知识图谱的试题生成方法一实施例的流程示意图；
图3是本发明基于知识图谱的试题生成装置一实施例的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
在本发明描述中，术语“第一”、“第二”、“第三”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”、“第三”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
在本发明的描述中，需要说明的是，除非另有定义，本发明所使用的所有的技术和科学术语与属于本的技术领域的技术人员通常理解的含义相同。本发明中说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明，对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
实施例一
本发明实施例提供了一种基于知识图谱的试题生成***，请参阅图1，图1是本发明基于知识图谱的试题生成***一实施例的结构示意图。本实施例可适用于命题者需要进行命题的应用场景。在本实施例中，基于知识图谱的试题生成***具体包括试题生成服务器11和用户终端12。
所述试题生成服务器11用于：构建至少一个领域的知识图谱；获取网络资源中与所述知识图谱对应领域的试题，生成试题库；从所述试题库的试题中提取初始命题知识点，获得命题知识点库；获取当前考试命题大纲中的各个知识点，并从所述命题知识点库中，确定与所述当前考试命题大纲中的各个知识点对应的待考细分知识点；基于所述待考细分知识点，从所述试题库中确定与所述待考细分知识点对应的命题内容；将与所述待考细分知识点对应的命题内容发送至所述用户终端12，以供命题者进行选择；接收所述用户终端12反馈的所述命题者对所述命题内容选择的操作，并生成相应的试题内容；
所述用户终端12用于：响应于所述命题者对所述命题内容选择的操作，并反馈至所述试题生成服务器11。
在本发明实施例中，试题生成服务器11用于自动生成不同学科课程的试题，每个学科课程对应不同的领域。试题生成服务器11可以包括一个或多个处理器和存储器。存储器与所述处理器耦接，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器执行上述功能。用户终端12可以为个人计算机PC(Personal Computer)，也可以是智能手机、平板电脑、电子书阅读器、便携计算机等具有显示功能的可移动式终端设备。
首先，试题生成服务器11根据目标学科的定义，构建该领域对应的知识图谱。
作为其中一种优选方案，所述试题生成服务器11具体通过以下方式，执行所述构建至少一个领域的知识图谱：
对目标学科课程的文字资源进行语义识别，以提取与所述目标学科课程对应的各个知识点；其中，所述目标学科课程的文字资源包括课程大纲和课程目录；
确定所述目标学科课程中各个知识点的逻辑关系；其中，所述逻辑关系包括并列关系、包含关系、同义关系和递进关系中的一种或多种；
基于所述目标学科课程中各个知识点以及各个知识点的逻辑关系，确定与所述目标学科课程对应的课程知识实体模型；
基于所述课程知识实体模型，构建与所述目标学科课程领域对应的知识图谱。
详细的，基于现有的目标学科课程的文字资源，例如课程大纲和课程目录等，对该文字资源进行语义识别，从而提取出该目标学科课程的各个知识点。在获得该目标学科课程的各个知识点后，对各个知识点进行融合和加工，以获得每个知识点的逻辑关系。可选的，可以基于每个知识点的逻辑关系，删除重复的知识点，以整理成高质量的知识点。将目标学科课程中整理后的各个知识点以及对应的逻辑关系，形成对应的课程知识实体模型。在每个课程知识实体模型中，确定了每个知识点所属的知识点节点、知识链和知识单元，因此，基于课程知识实体模型，可以形成目标学科课程领域对应的可视化知识图谱。
在获得目标领域的知识图谱后，则可从网络资源中获取该领域的试题，从而生成试题库。
作为其中一种优选方案，所述试题生成服务器11具体通过以下方式，执行所述获取网络资源中与所述知识图谱对应领域的试题，生成试题库：
从教材库的课程大纲和课程目录中提取现有知识点；
基于所述现有知识点，确定所述知识图谱对应领域的知识点；
利用爬虫技术从网络资源中获取与所述知识图谱对应领域的知识点关联的试题，生成试题库。
详细的，网络爬虫（Web crawler）是一种按照一定的规则，自动地抓取万维网信息的程序或者脚本，该技术被广泛用于互联网搜索引擎或其他类似网站，可以自动采集所有其能够访问到的页面内容，以获取或更新这些网站的内容和检索方式。从功能上区分，爬虫一般分为数据采集、处理、储存三个部分；从技术上区分，可分为通用网络爬虫和聚焦爬虫。
在本实施例中，网络爬虫的抓取目标为互联网中与知识图谱对应领域的知识点，以从网络资源的试题中爬取到与知识图谱对应领域的知识点关联的试题。进一步地，将爬取到的所有试题统一归入数据库，以作为试题库。作为示例，试题库中的试题集合（Q）表示为Qi=｛Q1, Q2, Q3, Q4, Q5, …, Qn｝，其中，i为正整数且1≤i≤n，n为正整数，Qn表示试题库中第n道试题。
作为其中一种优选方案，所述试题生成服务器11具体通过以下方式，执行所述从所述试题库的试题中提取初始命题知识点，获得命题知识点库：
对所述试题库的每道试题进行知识点标注，确定每道试题的初始命题知识点；
将所述试题库中所有试题的初始命题知识点进行分类整理，形成命题知识点库。
在本实施例中，虽然试题库中的试题是基于知识图谱的知识点关联关系获取到的，但每道试题所包含的具体知识点数量不明确，例如部分试题可包含一个知识点，而部分试题则包含多个知识点，因此需对爬取到的试题进行进一步的标注操作。
在其中一个实施例中，可以基于知识图谱对应领域的知识点，对试题库中的每道试题进行知识点标注。详细的，提取每道试题的特征词，将每道试题的特征词与知识图谱对应领域的一个或者多个知识点进行相似度对比，若每道试题的特征词与知识图谱对应领域的一个或者多个知识点的相似度大于等于第一预设值，则将对应的知识点标注为每道试题的初始命题知识点；若每道试题的特征词与知识图谱对应领域的一个或者多个知识点的相似度小于第一预设值，则剔除对应的知识点。如此，每道试题可标注一个或多个初始命题知识点。
在另外一个实施例中，还可以基于目标学科课程的文字资源，例如课程大纲和课程目录等，对试题库中的每道试题进行知识点标注。详细的，提取目标学科课程的文字资源中的知识点，以及提取每道试题的特征词，将每道试题的特征词与目标学科课程的文字资源中的一个或多个知识点进行相似度对比，若每道试题的特征词与目标学科课程的文字资源中的一个或多个知识点的相似度大于等于第一预设值，则将对应的知识点标注为每道试题的初始命题知识点；若每道试题的特征词与目标学科课程的文字资源中的一个或多个知识点的相似度小于第一预设值，则剔除对应的知识点。如此，每道试题可标注一个或多个初始命题知识点。
在对试题库中所有的试题进行知识点标注后，对所有试题的初始命题知识点进行分类整理，以初中物理学科为例，将关于力学知识点归为一类，将关于热学知识点归为另外一类，并对每类中的重复知识点进行合并除重，形成最终的命题知识点库。作为示例，命题知识点库中的命题知识点集合（P）表示为Pfj=｛P1j, P2j, P3j, P4j, P5j, …, Pmj｝，其中，f为正整数且1≤f≤m，j为正整数且1≤j≤k，m、k均为正整数，Pfj表示在第f个领域中的命题知识点集合，例如P1j表示在第1个领域中的命题知识点集合，而P1j=｛P11, P12, P13, P14, P15,…, P1k｝，P1k表示在第1个领域中的第k个命题知识点，例如P11表示在第1个领域中的第1个命题知识点。因此，基于该命题知识点库，使得命题知识点覆盖全面。
作为其中一种优选方案，在所述试题生成服务器11执行所述获取当前考试命题大纲中的各个知识点，并从所述命题知识点库中，确定与所述当前考试命题大纲中的各个知识点对应的待考细分知识点之前，所述试题生成服务器11还用于：
基于所述知识图谱对所述初始命题知识点进行扩展，以获得目标命题知识点；其中，所述目标命题知识点为与所述知识图谱关联匹配的初始命题知识点和扩展命题知识点；
基于所述目标命题知识点，更新所述命题知识点库。
在本实施例中，为进一步丰富初始命题知识点，可基于知识图谱对初始命题知识点进行扩展。详细的，首先确定初始命题知识点的领域，从知识图谱中提取与初始命题知识点领域对应的知识点，然后计算初始命题知识点与知识图谱对应领域知识点的相似度，再判断初始命题知识点与知识图谱对应领域知识点的相似度是否大于等于第二预设值且小于100%，其中，第二预设值大于第一预设值：
若判断初始命题知识点与知识图谱对应领域知识点的相似度大于等于第二预设值且小于100%，则将知识图谱对应领域的知识点确定为扩展命题知识点；
若判断初始命题知识点与知识图谱对应领域知识点的相似度小于第二预设值，则不将知识图谱对应领域的知识点确定为扩展命题知识点；
若判断初始命题知识点与知识图谱对应领域知识点的相似度等于100%，则将知识图谱对应领域的知识点确定为初始命题知识点。
作为示例，更新后命题知识点库中的命题知识点集合（P'）表示为P'fj'=｛P'1j',P'2j', P'3j', P'4j', P'5'j, …, P'm'j'｝，其中，f为正整数且1≤f≤m'，j'为正整数且1≤j'≤k'，m'、k'均为正整数且m'≥m，k'≥k，P'fj'表示在第f个领域中的命题知识点集合，例如P'1j'表示在第1个领域中的命题知识点集合，而P'1j'=｛P'11, P'12, P'13, P'14, P'15, …,P'1k'｝，例如P'11表示在第1个领域中的第1个命题知识点，P'1k'表示在第1个领域中的第k'个命题知识点。
则所述试题生成服务器11具体通过以下方式，执行所述获取当前考试命题大纲中的各个知识点，并从所述命题知识点库中，确定与所述当前考试命题大纲中的各个知识点对应的待考细分知识点：
获取当前考试命题大纲中的各个知识点，并从所述命题知识点库的所述目标命题知识点中，确定与所述当前考试命题大纲中的各个知识点对应的待考细分知识点。
详细的，可以理解，当前考试命题大纲中的知识点通常为上位概括信息，命题者通常需要围绕当前考试命题大纲中的知识点，确定该知识点的下一层级知识点，从而确定试题内容，需花费较多的工作量。因此，由于知识图谱中每个知识点的逻辑关系是明确的，因此通过上述从命题知识点库的目标命题知识点的匹配步骤，可以匹配出与当前考试命题大纲中上位知识点对应的待考细分知识点，以便命题者无需花费较多的工作量，来确定该知识点的下一层级知识点。作为示例，待考细分知识点的集合（PE）表示为Tfj'=｛T1j', T2j',T3j', T4j', T5j', …, Tm'j'｝，其中，f为正整数且1≤f≤m'，j'为正整数且1≤j'≤k'，m'、k'均为正整数且m'≥m，k'≥k，Tfj'表示在第f个领域中的待考细分知识点集合，例如T1j'表示在第1个领域中的待考细分知识点集合，而T1j'=｛T11, T12, T13, T14, T15, …, T1k'｝，例如T11表示在第1个领域中的第1个待考细分知识点，P'1k'表示在第1个领域中的第k'个待考细分知识点。
如图1所示，在获得当前考试的待考细分知识点后，试题生成服务器11生成对应的命题内容并将命题内容发送至用户终端12，以便命题者在用户终端12进行选择操作，以确定最终的命题内容。用户终端12将命题者对命题内容选择的操作反馈至试题生成服务器11，然后由试题生成服务器11生成相应的试题内容。
综上，本发明实施例提供的一种基于知识图谱的试题生成***，包括试题生成服务器11和用户终端12，具体的，通过所述试题生成服务器11：构建至少一个领域的知识图谱；获取网络资源中与所述知识图谱对应领域的试题，生成试题库；从所述试题库的试题中提取初始命题知识点，获得命题知识点库；获取当前考试命题大纲中的各个知识点，并从所述命题知识点库中，确定与所述当前考试命题大纲中的各个知识点对应的待考细分知识点；基于所述待考细分知识点，从所述试题库中确定与所述待考细分知识点对应的命题内容；将与所述待考细分知识点对应的命题内容发送至所述用户终端12，以供命题者进行选择；接收所述用户终端12反馈的所述命题者对所述命题内容选择的操作，并生成相应的试题内容；以及通过用户终端12：响应于所述命题者对所述命题内容选择的操作，并反馈至所述试题生成服务器11。基于此，本发明通过试题生成服务器11来构建知识图谱，从而来辅助命题，减轻命题者的工作量，使得命题高效且知识点覆盖全面，同时由于最终命题者会对命题内容进行最后的选择操作，保证命题有针对性。
实施例二
在实施例一的基础上，如图2所示，本发明实施例还提供了一种基于知识图谱的试题生成方法，包括以下步骤：
S110、构建至少一个领域的知识图谱；
S120、获取网络资源中与所述知识图谱对应领域的试题，生成试题库；
S130、从所述试题库的试题中提取初始命题知识点，获得命题知识点库；
S140、获取当前考试命题大纲中的各个知识点，并从所述命题知识点库中，确定与所述当前考试命题大纲中的各个知识点对应的待考细分知识点；
S150、基于所述待考细分知识点，从所述试题库中确定与所述待考细分知识点对应的命题内容；
S160、将与所述待考细分知识点对应的命题内容发送至所述用户终端12，以供命题者进行选择；
S170、接收所述用户终端12反馈的所述命题者对所述命题内容选择的操作，并生成相应的试题内容。
可以理解，本发明实施例中的基于知识图谱的试题生成方法可应用于试题生成服务器11，试题生成服务器11可用于执行步骤S110-S170，每个步骤的详细内容可参见上述实施例一相应的内容，在此不再赘述。
作为其中一种优选方案，所述步骤S120获取网络资源中与所述知识图谱对应领域的试题，生成试题库，包括以下子步骤：
S121、从教材库的课程大纲和课程目录中提取现有知识点；
S122、基于所述现有知识点，确定所述知识图谱对应领域的知识点；
S123、利用爬虫技术从网络资源中获取与所述知识图谱对应领域的知识点关联的试题，生成试题库。
可以理解，试题生成服务器11可用于执行步骤S121-S123，每个步骤的详细内容可参见上述实施例一相应的内容，在此不再赘述。
作为其中一种优选方案，所述步骤S130从所述试题库的试题中提取初始命题知识点，获得命题知识点库，包括以下子步骤：
S131、对所述试题库的每道试题进行知识点标注，确定每道试题的初始命题知识点；
S132、将所述试题库中所有试题的初始命题知识点进行分类整理，形成命题知识点库。
可以理解，试题生成服务器11可用于执行步骤S131-S132，每个步骤的详细内容可参见上述实施例一相应的内容，在此不再赘述。
综上，本实施例提供的一种基于知识图谱的试题生成方法，具体的，通过构建至少一个领域的知识图谱；获取网络资源中与所述知识图谱对应领域的试题，生成试题库；从所述试题库的试题中提取初始命题知识点，获得命题知识点库；获取当前考试命题大纲中的各个知识点，并从所述命题知识点库中，确定与所述当前考试命题大纲中的各个知识点对应的待考细分知识点；基于所述待考细分知识点，从所述试题库中确定与所述待考细分知识点对应的命题内容；将与所述待考细分知识点对应的命题内容发送至所述用户终端12，以供命题者进行选择；接收所述用户终端12反馈的所述命题者对所述命题内容选择的操作，并生成相应的试题内容。基于此，本发明通过构建知识图谱，从而来辅助命题，减轻命题者的工作量，使得命题高效且知识点覆盖全面，同时由于最终命题者会对命题内容进行最后的选择操作，保证命题有针对性。
实施例三
在实施例一的基础上，如图3所示，本发明实施例还提供了一种基于知识图谱的试题生成装置，包括：
知识图谱构建模块201，用于构建至少一个领域的知识图谱；
试题库生成模块202，用于获取网络资源中与所述知识图谱对应领域的试题，生成试题库；
命题知识点库获取模块203，用于从所述试题库的试题中提取初始命题知识点，获得命题知识点库；
待考细分知识点确定模块204，用于获取当前考试命题大纲中的各个知识点，并从所述命题知识点库中，确定与所述当前考试命题大纲中的各个知识点对应的待考细分知识点；
命题内容确定模块205，用于基于所述待考细分知识点，从所述试题库中确定与所述待考细分知识点对应的命题内容；
发送模块206，用于将与所述待考细分知识点对应的命题内容发送至所述用户终端12，以供命题者进行选择；
接收模块207，用于接收所述用户终端12反馈的所述命题者对所述命题内容选择的操作，并生成相应的试题内容。
关于基于知识图谱的试题生成装置的具体限定可以参见上文中对于基于知识图谱的试题生成方法的限定，在此不再赘述。上述基于知识图谱的试题生成装置的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
实施例四
本发明实施例还提供一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现如上述任意一个实施例所述的基于知识图谱的试题生成方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器，上述程序指令可由计算机终端设备的处理器执行以完成上述的基于知识图谱的试题生成方法，并达到如上述方法一致的技术效果。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (10)

1.一种基于知识图谱的试题生成***，其特征在于，包括：试题生成服务器和用户终端；
所述试题生成服务器用于：构建至少一个领域的知识图谱；获取网络资源中与所述知识图谱对应领域的试题，生成试题库；从所述试题库的试题中提取初始命题知识点，获得命题知识点库；获取当前考试命题大纲中的各个知识点，并从所述命题知识点库中，确定与所述当前考试命题大纲中的各个知识点对应的待考细分知识点；基于所述待考细分知识点，从所述试题库中确定与所述待考细分知识点对应的命题内容；将与所述待考细分知识点对应的命题内容发送至所述用户终端，以供命题者进行选择；接收所述用户终端反馈的所述命题者对所述命题内容选择的操作，并生成相应的试题内容；
所述用户终端用于：响应于所述命题者对所述命题内容选择的操作，并反馈至所述试题生成服务器。
2.如权利要求1所述的基于知识图谱的试题生成***，其特征在于，所述试题生成服务器具体通过以下方式，执行所述获取网络资源中与所述知识图谱对应领域的试题，生成试题库：
从教材库的课程大纲和课程目录中提取现有知识点；
基于所述现有知识点，确定所述知识图谱对应领域的知识点；
利用爬虫技术从网络资源中获取与所述知识图谱对应领域的知识点关联的试题，生成试题库。
3.如权利要求2所述的基于知识图谱的试题生成***，其特征在于，所述试题生成服务器具体通过以下方式，执行所述从所述试题库的试题中提取初始命题知识点，获得命题知识点库：
对所述试题库的每道试题进行知识点标注，确定每道试题的初始命题知识点；
将所述试题库中所有试题的初始命题知识点进行分类整理，形成命题知识点库。
4.如权利要求3所述的基于知识图谱的试题生成***，其特征在于，在所述试题生成服务器执行所述获取当前考试命题大纲中的各个知识点，并从所述命题知识点库中，确定与所述当前考试命题大纲中的各个知识点对应的待考细分知识点之前，所述试题生成服务器还用于：
基于所述知识图谱对所述初始命题知识点进行扩展，以获得目标命题知识点；其中，所述目标命题知识点为与所述知识图谱关联匹配的初始命题知识点和扩展命题知识点；
基于所述目标命题知识点，更新所述命题知识点库；
则所述试题生成服务器具体通过以下方式，执行所述获取当前考试命题大纲中的各个知识点，并从所述命题知识点库中，确定与所述当前考试命题大纲中的各个知识点对应的待考细分知识点：
获取当前考试命题大纲中的各个知识点，并从所述命题知识点库的所述目标命题知识点中，确定与所述当前考试命题大纲中的各个知识点对应的待考细分知识点。
5.如权利要求1-4任一项所述的基于知识图谱的试题生成***，其特征在于，所述试题生成服务器具体通过以下方式，执行所述构建至少一个领域的知识图谱：
对目标学科课程的文字资源进行语义识别，以提取与所述目标学科课程对应的各个知识点；其中，所述目标学科课程的文字资源包括课程大纲和课程目录；
确定所述目标学科课程中各个知识点的逻辑关系；其中，所述逻辑关系包括并列关系、包含关系、同义关系和递进关系中的一种或多种；
基于所述目标学科课程中各个知识点以及各个知识点的逻辑关系，确定与所述目标学科课程对应的课程知识实体模型；
基于所述课程知识实体模型，构建与所述目标学科课程领域对应的知识图谱。
6.一种基于知识图谱的试题生成方法，其特征在于，包括：
构建至少一个领域的知识图谱；
获取网络资源中与所述知识图谱对应领域的试题，生成试题库；
从所述试题库的试题中提取初始命题知识点，获得命题知识点库；
获取当前考试命题大纲中的各个知识点，并从所述命题知识点库中，确定与所述当前考试命题大纲中的各个知识点对应的待考细分知识点；
基于所述待考细分知识点，从所述试题库中确定与所述待考细分知识点对应的命题内容；
将与所述待考细分知识点对应的命题内容发送至所述用户终端，以供命题者进行选择；
接收所述用户终端反馈的所述命题者对所述命题内容选择的操作，并生成相应的试题内容。
7.如权利要求6所述的基于知识图谱的试题生成方法，其特征在于，所述获取网络资源中与所述知识图谱对应领域的试题，生成试题库，包括：
从教材库的课程大纲和课程目录中提取现有知识点；
基于所述现有知识点，确定所述知识图谱对应领域的知识点；
利用爬虫技术从网络资源中获取与所述知识图谱对应领域的知识点关联的试题，生成试题库。
8.如权利要求7所述的基于知识图谱的试题生成方法，其特征在于，所述从所述试题库的试题中提取初始命题知识点，获得命题知识点库，包括：
对所述试题库的每道试题进行知识点标注，确定每道试题的初始命题知识点；
将所述试题库中所有试题的初始命题知识点进行分类整理，形成命题知识点库。
9.一种基于知识图谱的试题生成装置，其特征在于，包括：
知识图谱构建模块，用于构建至少一个领域的知识图谱；
试题库生成模块，用于获取网络资源中与所述知识图谱对应领域的试题，生成试题库；
命题知识点库获取模块，用于从所述试题库的试题中提取初始命题知识点，获得命题知识点库；
待考细分知识点确定模块，用于获取当前考试命题大纲中的各个知识点，并从所述命题知识点库中，确定与所述当前考试命题大纲中的各个知识点对应的待考细分知识点；
命题内容确定模块，用于基于所述待考细分知识点，从所述试题库中确定与所述待考细分知识点对应的命题内容；
发送模块，用于将与所述待考细分知识点对应的命题内容发送至所述用户终端，以供命题者进行选择；
接收模块，用于接收所述用户终端反馈的所述命题者对所述命题内容选择的操作，并生成相应的试题内容。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求6-8中任一项所述的基于知识图谱的试题生成方法。
CN202210743044.8A 2022-06-29 2022-06-29 基于知识图谱的试题生成***、方法、装置及存储介质 Pending CN115048506A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210743044.8A CN115048506A (zh) 2022-06-29 2022-06-29 基于知识图谱的试题生成***、方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210743044.8A CN115048506A (zh) 2022-06-29 2022-06-29 基于知识图谱的试题生成***、方法、装置及存储介质

Publications (1)

Publication Number Publication Date
CN115048506A true CN115048506A (zh) 2022-09-13

Family

ID=83163897

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210743044.8A Pending CN115048506A (zh) 2022-06-29 2022-06-29 基于知识图谱的试题生成***、方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN115048506A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116955589A (zh) * 2023-09-19 2023-10-27 山东山大鸥玛软件股份有限公司 一种基于教材知识图谱的智能命题方法、***、命题终端及存储介质
CN117274006A (zh) * 2023-11-21 2023-12-22 山东山大鸥玛软件股份有限公司 一种命题方法、***、设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105095619A (zh) * 2014-05-07 2015-11-25 北大方正集团有限公司 试题信息处理方法和装置
CN110377689A (zh) * 2019-06-17 2019-10-25 深圳壹账通智能科技有限公司 试卷智能生成方法、装置、计算机设备及存储介质
CN113127731A (zh) * 2021-03-16 2021-07-16 西安理工大学 一种基于知识图谱的个性化试题推荐方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105095619A (zh) * 2014-05-07 2015-11-25 北大方正集团有限公司 试题信息处理方法和装置
CN110377689A (zh) * 2019-06-17 2019-10-25 深圳壹账通智能科技有限公司 试卷智能生成方法、装置、计算机设备及存储介质
CN113127731A (zh) * 2021-03-16 2021-07-16 西安理工大学 一种基于知识图谱的个性化试题推荐方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116955589A (zh) * 2023-09-19 2023-10-27 山东山大鸥玛软件股份有限公司 一种基于教材知识图谱的智能命题方法、***、命题终端及存储介质
CN116955589B (zh) * 2023-09-19 2024-01-30 山东山大鸥玛软件股份有限公司 一种基于教材知识图谱的智能命题方法、***、命题终端及存储介质
CN117274006A (zh) * 2023-11-21 2023-12-22 山东山大鸥玛软件股份有限公司 一种命题方法、***、设备及存储介质
CN117274006B (zh) * 2023-11-21 2024-03-12 山东山大鸥玛软件股份有限公司 一种命题方法、***、设备及存储介质

Similar Documents

Publication Publication Date Title
CN110837550B (zh) 基于知识图谱的问答方法、装置、电子设备及存储介质
US20180032890A1 (en) Method and system for improving content searching in a question and answer customer support system by using a crowd-machine learning hybrid predictive model
CN115048506A (zh) 基于知识图谱的试题生成***、方法、装置及存储介质
CN110597962A (zh) 搜索结果展示方法、装置、介质及电子设备
CN109522562B (zh) 一种基于文本图像融合识别的网页知识抽取方法
US20200118022A1 (en) Determining Comprehensiveness of Question Paper Given Syllabus
CN114139056A (zh) 一种基于在线学习课程的智能化搜索推荐方法及***
CN111191012A (zh) 知识图谱产生装置、方法及其计算机程序产品
CN112100401A (zh) 面向科技服务的知识图谱构建方法、装置、设备及存储介质
CN105930490A (zh) 一种教学资源智能甄选***
CN111192170B (zh) 题目推送方法、装置、设备和计算机可读存储介质
CN117573985B (zh) 一种应用于智能化在线教育***的信息推送方法及***
CN109934631A (zh) 问答信息处理方法、装置及计算机设备
CN112330387A (zh) 一种应用于看房软件的虚拟经纪人
CN110209804B (zh) 目标语料的确定方法和装置、存储介质及电子装置
CN115757720A (zh) 基于知识图谱的项目信息搜索方法、装置、设备和介质
CN116010704A (zh) 企业同行推荐方法、电子设备及存储介质
CN112818212B (zh) 语料数据采集方法、装置、计算机设备和存储介质
CN112200602B (zh) 用于广告推荐的神经网络模型训练方法及装置
CN113656545A (zh) 智能面试方法、装置、计算机设备及存储介质
CN109597873B (zh) 语料数据的处理方法、装置、计算机可读介质及电子设备
CN112328871A (zh) 一种基于rpa模块的回复生成方法、装置、设备及存储介质
CN113836377A (zh) 信息关联方法、装置、电子设备及存储介质
Liu Simulation of E-learning in English personalized learning recommendation system based on Markov chain algorithm and adaptive learning algorithm
CN113569091A (zh) 视频数据的处理方法、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
RJ01 Rejection of invention patent application after publication

Application publication date: 20220913

RJ01 Rejection of invention patent application after publication