CN115905187B - 一种面向云计算工程技术人员认证的智能化命题*** - Google Patents
一种面向云计算工程技术人员认证的智能化命题*** Download PDFInfo
- Publication number
- CN115905187B CN115905187B CN202310121790.8A CN202310121790A CN115905187B CN 115905187 B CN115905187 B CN 115905187B CN 202310121790 A CN202310121790 A CN 202310121790A CN 115905187 B CN115905187 B CN 115905187B
- Authority
- CN
- China
- Prior art keywords
- reply
- user
- real
- module
- chat robot
- 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.)
- Active
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种面向云计算工程技术人员认证的智能化命题***,该***包括云计算工程技术题库、组卷模块、试卷难度输出模块、查重模块、用户反馈模块、交流模块及意图识别模块。本发明在命题时利用预先构建的历史命题数据的知识图谱,进而当用户查找相关的历史命题时,能够在构建的知识图谱上游走,找到与该新命题相关的若干历史命题,相比于常规的关键词搜索,充分利用语义进行搜索,使得搜索的效率更高;且能够获取用户的命题反馈信息,同时在机器人与用户聊天的过程中通过判断聊天机器人实时回复的合理性,从而能够增加与聊天机器人的聊天意愿;且对聊天机器人进行多样性训练及情感表达的评价,从而使得聊天机器人与用户聊天时更加拟人化。
Description
技术领域
本发明涉及命题技术领域,具体来说,涉及一种面向云计算工程技术人员认证的智能化命题***。
背景技术
云计算工程技术人员是指从事云计算技术研究、云***构建、部署、运维、云资源管理、应用和服务的工程技术人员。云计算技术在现代社会经济生活中占有越来越重要的地位,尤其是在大数据应用、人干智能、智能家居、物流交通、政务办理、医疗服务等各个领域中发挥着越来越重要的作用。该领域的人员拥有庞大的就业市场,具有广阔的就业前景,因此,需要设计一种面向云计算工程技术人员认证的智能化命题***。但是现有相关的命题***在对历史命题进行查找时由于缺少智能化手段,例如没有用到现有人工智能领域的知识图谱工具,导致搜索效率低下。
例如中国专利202010856601.8公开了基于深度学习的命题智能分析处理方法和***,其结合历史考试命题大纲和历史热点命题信息,确定同类型命题对应的命题占比权重值,以此获得并显示相应的预测命题信息,从而快速地和准确性形成可靠的试卷,同时便于全面考核学生的学习效果。但是上述命题***还存在以下不足:命题***在对相关考试进行命题时,例如从所述历史命题数据中确定同类型命题或者对命题进行查重时,一般是通过关键词搜索的方式进行历史命题的查找,而这种搜索方式忽略了语义信息,因而搜索效率低下,且搜索时智能化不足。此外,命题***在对用户开放使用时,需要得到用户的反馈信息,现有的命题***只有命题功能,而无法与用户进行交流。
针对相关技术中的问题,目前尚未提出有效的解决方案。
发明内容
针对相关技术中的问题,本发明提出一种面向云计算工程技术人员认证的智能化命题***,以克服现有相关技术所存在的上述技术问题。
为此,本发明采用的具体技术方案如下:
一种面向云计算工程技术人员认证的智能化命题***,该***包括云计算工程技术题库、组卷模块、试卷难度输出模块、查重模块、用户反馈模块、交流模块及意图识别模块;
其中,所述云计算工程技术题库,用于根据云计算工程技术人员国家职业技术技能标准构建考试题库,并为每一个云计算工程技术考试等级分别建立子题库,同时将试题存储在对应的子题库中,且在每个子题库中设置四个难度区域,位于相应难度区域的题目具有对应的难度分;
所述组卷模块,用于自动或手动挑选云计算工程技术题库的试题组成试卷,且在自动挑选云计算工程技术题库的试题时,根据设定的难度总分选择一定数量的试题,即每个试题的难度分的总和等于试卷的难度总分;
所述试卷难度输出模块,用于在手动挑选云计算工程技术题库的试题组成试卷之后,自动计算该试卷的难度分并向用户显示;
所述查重模块,用于从历史命题数据中确定本次命题的试题中的同类型命题,实现对命题的查重处理;
所述用户反馈模块,用于获取用户使用命题***后的反馈信息,并设置用户满意度评分功能,且引导用户进行满意度评分;
所述交流模块,用于通过机器人与用户进行交流,获取用户的命题反馈信息;
所述意图识别模块,用于对所述用户反馈模块及所述交流模块中用户的反馈信息进行识别,获得用户的实际意图。
进一步的,所述自动或手动挑选云计算工程技术题库的试题组成试卷之后,试卷的总分为确定值,每个试题的题分为确定值,且所有试题的题分总和等于试卷的总分。
进一步的,所述从历史命题数据中确定本次命题的试题中的同类型命题之前,利用知识图谱及自然语言处理技术对历史命题数据进行处理。
进一步的,所述利用知识图谱及自然语言处理技术对历史命题数据进行处理包括以下步骤:
基于Neo4j图数据库构建历史命题数据的知识图谱;
将每一个历史命题数据表示为知识图谱上的一个图节点,同时结合元数据信息将图节点进行连接;
其中,若用户查询任一新命题的相关的历史命题时,则可以在构建的知识图谱上游走,找到与该新命题相关的若干历史命题。
进一步的,所述知识图谱上的图节点还包括历史命题相关的知识文档、URL、主题及经验教训。
进一步的,所述交流模块包括聊天机器人模块、回复合理性评价模块,多样性判断模块及情感能力评价模块:
其中,所述聊天机器人模块,用于当用户需要交流反馈时,通过聊天机器人及时的与用户进行沟通,且用户进行交流反馈时采用语音或文字的方式输入交流反馈信息;
所述回复合理性评价模块,用于当聊天机器人回复用户的交流反馈信息时,对聊天机器人的实时回复与参考回复进行比较,判断聊天机器人的实时回复是否具备合理性;
所述多样性判断模块,用于对聊天机器人的实时回复进行多样性判断;
所述情感能力评价模块,用于对聊天机器人的实时回复进行情感准确性评价。
进一步的,所述对聊天机器人的实时回复与参考回复进行比较,判断聊天机器人的实时回复是否具备合理性包括以下步骤:
通过Word2Vec词向量获取实时回复及参考回复中每个词语的词向量;
预先设定相似度基准分,并计算聊天机器人的实时回复与参考回复之间的相似度分数,若相似度分数大于等于相似度基准分则聊天机器人的实时回复为合理回复,若相似度分数小于相似度基准分则聊天机器人的实时回复为不合理回复;
其中,所述计算聊天机器人的实时回复与参考回复之间的相似度分数时,将参考回复中每个词语转换为词向量后,通过余弦函数匹配实时回复中每个词语的词向量:
对聊天机器人的实时回复与参考回复进行双向的贪婪匹配,获得聊天机器人的实时回复与参考回复之间的相似度分数:
进一步的,所述对聊天机器人的实时回复进行多样性判断时,计算聊天机器人的实时回复中单个词语及双词语的数量,并对实时回复的句子进行缩放。
进一步的,所述对聊天机器人的实时回复进行情感准确性评价时,构建具有情感标注的回复数据集,并利用Bi-LSTM分类器识别回复数据集中体现的情感,同时做相应的标注;
利用Bi-LSTM分类器对聊天机器人的实时回复进行预测,并计算参考回复与实时回复的情感类别是否一致,得到聊天机器人的情感表达一致性。
进一步的,所述对所述用户反馈模块及所述交流模块中用户的反馈信息进行识别,获得用户的实际意图时,将反馈信息输入意图识别模型中进行意图的识别,且所述意图识别模型由训练文字内容及意图识别结果组成的训练集进行训练;
所述训练文字内容在构建时,将训练文字内容中的实体词随机替换为同音词或相似词,并将替换后的结果再次加入训练文字内容内;
其中,若所述用户的反馈信息中包括语音信息,则将语音信息转化为文字信息。
本发明的有益效果为:
(1)本发明的一种面向云计算工程技术人员认证的智能化命题***,通过在命题时,利用预先构建的历史命题数据的知识图谱,进而当用户查找相关的历史命题时,能够在构建的知识图谱上游走,找到与该新命题相关的若干历史命题,相比于常规的关键词搜索,充分利用语义进行搜索,使得搜索的效率更高。
(2)本发明通过获取用户使用命题***后的反馈信息以及通过机器人与用户进行交流,获取用户的命题反馈信息,从而能够获取用户使用命题***时的问题、疑问、建议等,且对反馈信息进行意图识别,进而了解用户的反馈中的意图;且在机器人与用户聊天的过程中通过判断聊天机器人实时回复的合理性,从而能够增加与聊天机器人的聊天意愿;且对聊天机器人进行多样性训练及情感表达的评价,从而使得聊天机器人与用户聊天时更加拟人化。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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例,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是根据本发明实施例的一种面向云计算工程技术人员认证的智能化命题***的原理框图。
图中:
1、云计算工程技术题库;2、组卷模块;3、试卷难度输出模块;4、查重模块;5、用户反馈模块;6、交流模块;7、意图识别模块。
具体实施方式
为进一步说明各实施例,本发明提供有附图,这些附图为本发明揭露内容的一部分,其主要用以说明实施例,并可配合说明书的相关描述来解释实施例的运作原理,配合参考这些内容,本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点,图中的组件并未按比例绘制,而类似的组件符号通常用来表示类似的组件。
根据本发明的实施例,提供了一种面向云计算工程技术人员认证的智能化命题***。
现结合附图和具体实施方式对本发明进一步说明,如图1所示,根据本发明实施例的面向云计算工程技术人员认证的智能化命题***,该***包括云计算工程技术题库1、组卷模块2、试卷难度输出模块3、查重模块4、用户反馈模块5、交流模块6及意图识别模块7;
其中,所述云计算工程技术题库1,用于根据云计算工程技术人员国家职业技术技能标准构建考试题库,并为每一个云计算工程技术考试等级分别建立子题库,同时将试题存储在对应的子题库中,且在每个子题库中设置四个难度区域(难度值为一分难度、二分难度、三分难度及四分难度),位于相应难度区域的题目具有对应的难度分;
所述组卷模块2,用于自动或手动挑选云计算工程技术题库的试题组成试卷,且在自动挑选云计算工程技术题库的试题时,根据设定的难度总分选择一定数量的试题,即每个试题的难度分的总和等于试卷的难度总分;
在一个实施例中,所述自动或手动挑选云计算工程技术题库的试题组成试卷之后,试卷的总分为确定值,每个试题的题分为确定值,且所有试题的题分总和等于试卷的总分。
所述试卷难度输出模块3,用于在手动挑选云计算工程技术题库的试题组成试卷之后,自动计算该试卷的难度分并向用户显示;
所述查重模块4,用于从历史命题数据中确定本次命题的试题中的同类型命题,实现对命题的查重处理;
在一个实施例中,所述从历史命题数据中确定本次命题的试题中的同类型命题之前,利用知识图谱及自然语言处理技术对历史命题数据进行处理。
在一个实施例中,所述利用知识图谱及自然语言处理技术对历史命题数据进行处理包括以下步骤:
基于Neo4j图数据库构建历史命题数据的知识图谱;
将每一个历史命题数据表示为知识图谱上的一个图节点,同时结合元数据信息将图节点进行连接;
其中,若用户查询任一新命题的相关的历史命题时,则可以在构建的知识图谱上游走,找到与该新命题相关的若干历史命题。Neo4j是由Java实现的开源NoSql图数据库,其提供了完整的数据库特性,包括ACID事务的支持、集群支持、备份与故障转移等。Neo4j支持搜索最短路径和全部路径的功能,只要输入起止节点可以得到想要的结果。
在一个实施例中,所述知识图谱上的图节点还包括历史命题相关的知识文档、URL(统一资源定位符)、主题及经验教训等。
所述用户反馈模块5,用于获取用户使用命题***后的反馈信息,并设置用户满意度评分功能,且引导用户进行满意度评分;
所述交流模块6,用于通过机器人与用户进行交流,获取用户的命题反馈信息;
在一个实施例中,所述交流模块包括聊天机器人模块、回复合理性评价模块,多样性判断模块及情感能力评价模块:
其中,所述聊天机器人模块,用于当用户需要交流反馈时,通过聊天机器人及时的与用户进行沟通,且用户进行交流反馈时采用语音或文字的方式输入交流反馈信息;
所述回复合理性评价模块,用于当聊天机器人回复用户的交流反馈信息时,对聊天机器人的实时回复与参考回复进行比较,判断聊天机器人的实时回复是否具备合理性;
所述多样性判断模块,用于对聊天机器人的实时回复进行多样性判断;
所述情感能力评价模块,用于对聊天机器人的实时回复进行情感准确性评价。
在一个实施例中,所述对聊天机器人的实时回复与参考回复进行比较,判断聊天机器人的实时回复是否具备合理性包括以下步骤:
通过Word2Vec词向量获取实时回复及参考回复中每个词语的词向量;
预先设定相似度基准分,并计算聊天机器人的实时回复与参考回复之间的相似度分数,若相似度分数大于等于相似度基准分则聊天机器人的实时回复为合理回复,若相似度分数小于相似度基准分则聊天机器人的实时回复为不合理回复;
其中,所述计算聊天机器人的实时回复与参考回复之间的相似度分数时,将参考回复中每个词语转换为词向量后,通过余弦函数匹配实时回复中每个词语的词向量:
对聊天机器人的实时回复与参考回复进行双向的贪婪匹配,获得聊天机器人的实时回复与参考回复之间的相似度分数:
式中,及/>分别为参考回复及实时回复。相似度分数越高,则聊天机器人的实时回复越合理,此外,除了余弦函数匹配的方式,还可采用词语移动距离方法、句子移动相似性方法进行表示。本发明通过在机器人与用户聊天的过程中通过判断聊天机器人实时回复的合理性,从而能够增加与聊天机器人的聊天意愿。
Word2Vec是一种将词语转为向量的方法,在通过Word2Vec词向量获取实时回复及参考回复中每个词语的词向量,可采用jieba分词对实时回复及参考回复进行分词处理。
在一个实施例中,所述对聊天机器人的实时回复进行多样性判断时,计算聊天机器人的实时回复中单个词语(unigram)及双词语(big-ram)的数量,并对实时回复的句子进行缩放。
在一个实施例中,对于聊天机器人的实时回复进行多样性判断的方法还包括熵衡量法,及对聊天机器人的实时回复进行熵值计算:
在一个实施例中,所述对聊天机器人的实时回复进行情感准确性评价时,构建具有情感标注的回复数据集,并利用Bi-LSTM分类器识别回复数据集中体现的情感,同时做相应的标注;
利用Bi-LSTM分类器对聊天机器人的实时回复进行预测,并计算参考回复与实时回复的情感类别是否一致,得到聊天机器人的情感表达一致性。其中,Bi-LSTM是LSTM模型的扩展,Bi-LSTM使用双层的LSTM layer,在传统的递归神经网络模型和LSTM模型,信息只能向前传播,所以时间t的状态只取决于时间t之前的文本信息,为了使每一刻都更完整地包含上下文信息,由LSTM神经元和双向递归神经网络(BiRNN)模型组成的Bi-LSTM可以用于捕获上下文信息,即Bi-LSTM模型平等对待所有输入。
所述意图识别模块7,用于对所述用户反馈模块5及所述交流模块6中用户的反馈信息进行识别,获得用户的实际意图。
在一个实施例中,所述对所述用户反馈模块及所述交流模块中用户的反馈信息进行识别,获得用户的实际意图时,将反馈信息输入意图识别模型中进行意图的识别,且所述意图识别模型由训练文字内容及意图识别结果组成的训练集进行训练;
所述训练文字内容在构建时,将训练文字内容中的实体词随机替换为同音词或相似词,并将替换后的结果再次加入训练文字内容内;
其中,若所述用户的反馈信息中包括语音信息,则将语音信息转化为文字信息。
在将语音信息转化为文字信息时,需要对语音进行识别,语音识别技术的目标是将人类的语音中的词汇内容转换为计算机可读的输入。语音识别包括特征提取、模式匹配、参考模式库等三个基本单元;将需要识别的语音信息变换为电信号后添加至语音识别的输入端,通过预处理后,根据人的语音特点建立语音模型,并对输入的语音信息进行分析,提取所需的特征,同时建立语音识别模板;
根据语音识别模型,将输入的语音信息与语音识别模板进行比较,找到一系列最优的与输入的语音信息匹配的语音识别模板,并根据此语音识别模板的定义给出识别结果。
综上所述,本发明的一种面向云计算工程技术人员认证的智能化命题***,通过在命题时,利用预先构建的历史命题数据的知识图谱,进而当用户查找相关的历史命题时,能够在构建的知识图谱上游走,找到与该新命题相关的若干历史命题,相比于常规的关键词搜索,充分利用语义进行搜索,使得搜索的效率更高。本发明通过获取用户使用命题***后的反馈信息以及通过机器人与用户进行交流,获取用户的命题反馈信息,从而能够获取用户使用命题***时的问题、疑问、建议等,且对反馈信息进行意图识别,进而了解用户的反馈中的意图;且在机器人与用户聊天的过程中通过判断聊天机器人实时回复的合理性,从而能够增加与聊天机器人的聊天意愿;且对聊天机器人进行多样性训练及情感表达的评价,从而使得聊天机器人与用户聊天时更加拟人化。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种面向云计算工程技术人员认证的智能化命题***,其特征在于,该***包括云计算工程技术题库、组卷模块、试卷难度输出模块、查重模块、用户反馈模块、交流模块及意图识别模块;
其中,所述云计算工程技术题库,用于根据云计算工程技术人员国家职业技术技能标准构建考试题库,并为每一个云计算工程技术考试等级分别建立子题库,同时将试题存储在对应的子题库中,且在每个子题库中设置四个难度区域,位于相应难度区域的题目具有对应的难度分;
所述组卷模块,用于自动或手动挑选云计算工程技术题库的试题组成试卷,且在自动挑选云计算工程技术题库的试题时,根据设定的难度总分选择一定数量的试题,即每个试题的难度分的总和等于试卷的难度总分;
所述试卷难度输出模块,用于在手动挑选云计算工程技术题库的试题组成试卷之后,自动计算该试卷的难度分并向用户显示;
所述查重模块,用于从历史命题数据中确定本次命题的试题中的同类型命题,实现对命题的查重处理;
所述用户反馈模块,用于获取用户使用命题***后的反馈信息,并设置用户满意度评分功能,且引导用户进行满意度评分;
所述交流模块,用于通过机器人与用户进行交流,获取用户的命题反馈信息;
所述意图识别模块,用于对所述用户反馈模块及所述交流模块中用户的反馈信息进行识别,获得用户的实际意图;
所述从历史命题数据中确定本次命题的试题中的同类型命题之前,利用知识图谱及自然语言处理技术对历史命题数据进行处理;
所述利用知识图谱及自然语言处理技术对历史命题数据进行处理包括以下步骤:
基于Neo4j图数据库构建历史命题数据的知识图谱;
将每一个历史命题数据表示为知识图谱上的一个图节点,同时结合元数据信息将图节点进行连接;
其中,若用户查询任一新命题的相关的历史命题时,则可以在构建的知识图谱上游走,找到与该新命题相关的若干历史命题;
所述交流模块包括聊天机器人模块、回复合理性评价模块,多样性判断模块及情感能力评价模块:
其中,所述聊天机器人模块,用于当用户需要交流反馈时,通过聊天机器人及时的与用户进行沟通,且用户进行交流反馈时采用语音或文字的方式输入交流反馈信息;
所述回复合理性评价模块,用于当聊天机器人回复用户的交流反馈信息时,对聊天机器人的实时回复与参考回复进行比较,判断聊天机器人的实时回复是否具备合理性;
所述多样性判断模块,用于对聊天机器人的实时回复进行多样性判断;所述对聊天机器人的实时回复进行多样性判断时,计算聊天机器人的实时回复中单个词语及双词语的数量,并对实时回复的句子进行缩放;
所述情感能力评价模块,用于对聊天机器人的实时回复进行情感准确性评价;
所述对聊天机器人的实时回复与参考回复进行比较,判断聊天机器人的实时回复是否具备合理性包括以下步骤:
通过Word2Vec词向量获取实时回复及参考回复中每个词语的词向量;
预先设定相似度基准分,并计算聊天机器人的实时回复与参考回复之间的相似度分数,若相似度分数大于等于相似度基准分则聊天机器人的实时回复为合理回复,若相似度分数小于相似度基准分则聊天机器人的实时回复为不合理回复;
其中,所述计算聊天机器人的实时回复与参考回复之间的相似度分数时,将参考回复中每个词语转换为词向量后,通过余弦函数匹配实时回复中每个词语的词向量:
对聊天机器人的实时回复与参考回复进行双向的贪婪匹配,获得聊天机器人的实时回复与参考回复之间的相似度分数:
所述对聊天机器人的实时回复进行情感准确性评价时,构建具有情感标注的回复数据集,并利用Bi-LSTM分类器识别回复数据集中体现的情感,同时做相应的标注;
利用Bi-LSTM分类器对聊天机器人的实时回复进行预测,并计算参考回复与实时回复的情感类别是否一致,得到聊天机器人的情感表达一致性。
2.根据权利要求1所述的一种面向云计算工程技术人员认证的智能化命题***,其特征在于,所述自动或手动挑选云计算工程技术题库的试题组成试卷之后,试卷的总分为确定值,每个试题的题分为确定值,且所有试题的题分总和等于试卷的总分。
3.根据权利要求1所述的一种面向云计算工程技术人员认证的智能化命题***,其特征在于,所述知识图谱上的图节点还包括历史命题相关的知识文档、URL、主题及经验教训。
4.根据权利要求1所述的一种面向云计算工程技术人员认证的智能化命题***,其特征在于,所述对所述用户反馈模块及所述交流模块中用户的反馈信息进行识别,获得用户的实际意图时,将反馈信息输入意图识别模型中进行意图的识别,且所述意图识别模型由训练文字内容及意图识别结果组成的训练集进行训练;
所述训练文字内容在构建时,将训练文字内容中的实体词随机替换为同音词或相似词,并将替换后的结果再次加入训练文字内容内;
其中,若所述用户的反馈信息中包括语音信息,则将语音信息转化为文字信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310121790.8A CN115905187B (zh) | 2023-02-16 | 2023-02-16 | 一种面向云计算工程技术人员认证的智能化命题*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310121790.8A CN115905187B (zh) | 2023-02-16 | 2023-02-16 | 一种面向云计算工程技术人员认证的智能化命题*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115905187A CN115905187A (zh) | 2023-04-04 |
CN115905187B true CN115905187B (zh) | 2023-05-30 |
Family
ID=85744707
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310121790.8A Active CN115905187B (zh) | 2023-02-16 | 2023-02-16 | 一种面向云计算工程技术人员认证的智能化命题*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115905187B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117373658B (zh) * | 2023-12-08 | 2024-03-08 | 北京回龙观医院(北京心理危机研究与干预中心) | 一种基于数据处理的抑郁症辅助诊疗***及方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104574241A (zh) * | 2015-02-03 | 2015-04-29 | 陈飞鸣 | 一种在线教育测评***及测评方法 |
CN110135551B (zh) * | 2019-05-15 | 2020-07-21 | 西南交通大学 | 一种基于词向量和循环神经网络的机器人聊天方法 |
CN112131407A (zh) * | 2020-09-29 | 2020-12-25 | 四川宇德中创信息科技有限公司 | 一种基于知识图谱的智能组卷***及方法 |
-
2023
- 2023-02-16 CN CN202310121790.8A patent/CN115905187B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115905187A (zh) | 2023-04-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110377911B (zh) | 对话框架下的意图识别方法和装置 | |
CN108304372B (zh) | 实体提取方法和装置、计算机设备和存储介质 | |
CN112231447B (zh) | 一种中文文档事件抽取的方法和*** | |
CN110347787B (zh) | 一种基于ai辅助面试场景的面试方法、装置及终端设备 | |
CN110222163A (zh) | 一种融合cnn与双向lstm的智能问答方法及*** | |
CN109857846B (zh) | 用户问句与知识点的匹配方法和装置 | |
CN113505200B (zh) | 一种结合文档关键信息的句子级中文事件检测的方法 | |
CN112307164A (zh) | 信息推荐方法、装置、计算机设备和存储介质 | |
CN110175229A (zh) | 一种基于自然语言进行在线培训的方法和*** | |
CN111222330B (zh) | 一种中文事件的检测方法和*** | |
CN110717021A (zh) | 人工智能面试中获取输入文本和相关装置 | |
CN112347269A (zh) | 基于BERT和Att-BiLSTM的论点对识别方法 | |
CN115905187B (zh) | 一种面向云计算工程技术人员认证的智能化命题*** | |
Sujana et al. | Rumor detection on Twitter using multiloss hierarchical BiLSTM with an attenuation factor | |
CN114648016A (zh) | 一种基于事件要素交互与标签语义增强的事件论元抽取方法 | |
CN115577080A (zh) | 一种问题回复匹配方法、***、服务器及存储介质 | |
CN114756678B (zh) | 一种未知意图文本的识别方法及装置 | |
TWI734085B (zh) | 使用意圖偵測集成學習之對話系統及其方法 | |
CN113486174B (zh) | 模型训练、阅读理解方法、装置、电子设备及存储介质 | |
CN117828024A (zh) | 一种插件检索方法、装置、存储介质及设备 | |
CN112463944A (zh) | 一种基于多模型融合的检索式智能问答方法及装置 | |
Ye et al. | A sentiment based non-factoid question-answering framework | |
CN112989001B (zh) | 一种问答处理方法、装置、介质及电子设备 | |
CN115081445A (zh) | 一种基于多任务学习的短文本实体消歧方法 | |
CN114021658A (zh) | 一种命名实体识别模型的训练方法、应用方法及其*** |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |