试题文本的知识点确定方法、电子设备及存储介质与流程

本申请涉及人工智能领域，具体而言，涉及一种试题文本的知识点确定方法、电子设备及存储介质。

背景技术：

题库数据是重要的教学资源，而题库中题目的知识点数据项则有着十分重要的作用，它是题库分类检索的重要字段，也是各种延伸应用的基础。在实际的中考和高考中，学生试卷的打分，也是在遵循一个“踏点得分”的原则，即只要考察的知识点按步骤写出来了，即使题没有解出来，也能得到相应部分的分数。

然而知识点的生成是一项非常费人工事情，通常需要教学经验丰富的老师根据题意列出知识点，经过审核、录入和校对等环节后再入库，这样每个题目的知识点生产要花2至3元的成本。在题库数量动辄以几百万乃至上千万规模的今天，这无疑是一笔耗资巨大的投入；同时，真正操作时需要的人员组织、管理以及工期耗时都是令人头疼的事。

专利文献cn106570109a公开了一种通过文本分析自动生成题库知识点的方法。但是，采用该方法仍然可能会存在建模比较困难、算法复杂、准确度不够高的问题。

技术实现要素：

本申请提供了一种试题文本的知识点确定方法、电子设备及存储介质，以至少部分地解决题文本分析中建模困难、算法复杂、准确度不高的问题。

一种试题文本的知识点确定方法，其特征在于，所述方法包括：

读取预设的知识点列表；

对所述试题文本进行分词处理以获得多个分词；

根据所述知识点列表确定第一类分词集合和第二类分词集合，其中，所述第一类分词集合为所述多个分词中包含在所述预设的知识点列表中的分词集合，所述第二类分词集合为所述多个分词中不包含在所述预设的知识点列表中的分词集合；

若所述第一类分词集合不为空集合，根据预设规则确定所述第一类分词集合中的一分词作为所述试题文本的知识点；

若所述第一类分词集合为空集合，确定所述第二类分词集合中频次最高且包含在预设的关键词列表中的分词作为所述试题文本的知识点，其中，所述关键词列表大于所述知识点列表。

可选的，所述知识点列表中包含与所述试题文本的科目对应的多个第一类知识点。

可选的，所述关键词列表中包含与所述试题文本的科目对应的多个第二类知识点，其中，所述第一类知识点在所述科目中出现的频次大于所述第二类知识点在所述科目中出现的频次。

可选的，所述对所述试题文本进行分词处理以获得多个分词，包括：

基于统计机器学习对所述试题文本进行分词处理以获得多个分词。

可选的，所述据预设规则确定所述第一类分词集合中的一分词作为所述试题文本的知识点，包括：

确定所述第一类分词集合中出现频次最高的分词作为所述试题文本的知识点。

可选的，所述据预设规则确定所述第一类分词集合中的一分词作为所述试题文本的知识点，包括：

确定所述第一类分词集合中出现频次达到预设值的至少一个分词作为所述试题文本的知识点。

可选的，所述方法包括：

存储所述知识点与所述试题文本的对应关系。

可选的，所述方法包括：

获取考生的身份信息；

根据所述身份获取对应的考核知识点；

根据所述考核知识点获取对应的试题文本。

本申请还提供了一种电子设备，包括：处理器；以及存储器，用于存储处理器的可执行指令；其中，处理器配置为经由执行可执行指令来执行以上任一项的信息处理方法。

本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以上任一项的信息处理方法。

通过采用本申请所述的试题文本的知识点确定方法，可以至少部分地解决试题文本分析中建模困难、算法复杂、准确度不高的问题。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请其中一实施例的方法步骤流程示意图；

图2是根据本申请其中一实施例的确定知识点的示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，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，所描述的实施例仅仅是本申请一部分的实施例，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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

根据本申请其中一实施例，提供了一种试题文本的知识点确定方法，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

根据本申请其中一实施例的试题文本的知识点确定方法，如图1和图2所示，该方法可以包括如下步骤：

步骤s110，读取预设的知识点列表；

步骤s130，对所述试题文本进行分词处理以获得多个分词；

步骤s150，根据所述知识点列表确定第一类分词集合和第二类分词集合，其中，所述第一类分词集合为所述多个分词中包含在所述预设的知识点列表中的分词集合，所述第二类分词集合为所述多个分词中不包含在所述预设的知识点列表中的分词集合；

步骤s170，从第一类分词集合和第二类集合中确定知识点，具体的，若所述第一类分词集合不为空集合，根据预设规则确定所述第一类分词集合中的一分词作为所述试题文本的知识点；若所述第一类分词集合为空集合，确定所述第二类分词集合中频次最高且包含在预设的关键词列表中的分词作为所述试题文本的知识点，其中，所述关键词列表大于所述知识点列表。

通过本示例性实施例中的试题文本的知识点确定方法，读取预设的知识点列表；对试题文本进行分词处理以获得多个分词；根据知识点列表确定第一类分词集合和第二类分词集合，其中，第一类分词集合为多个分词中包含在预设的知识点列表中的分词集合，第二类分词集合为多个分词中不包含在预设的知识点列表中的分词集合；若第一类分词集合不为空集合，根据预设规则确定第一类分词集合中的一分词作为试题文本的知识点；若第一类分词集合为空集合，确定第二类分词集合中频次最高且包含在预设的关键词列表中的分词作为试题文本的知识点，其中，关键词列表大于知识点列表。提供了一种新的试题文本的知识点确定方法，以至少部分地解决试题文本分析中建模困难、算法复杂、准确度不高的问题。

下面，将对本示例性实施例中信息处理方法作进一步地说明。

在步骤s110中，读取预设的知识点列表。

预设的知识点列表是预设的多个知识点的描述词的集合，例如，一个具体的知识点列表可以包含“数列、二次函数”等个知识点的描述词的集合。

在可选的实施例中，所述知识点列表中包含与所述试题文本的科目对应的多个第一类知识点。比如，可以针对不同科目预设设置知识点列表，更具体的，还可以针对不同年级且不同科目预先设置不同的知识点列表。知识点列表可以由教师根据科目的具体情况而设置。优选的，上述知识点列表可以仅包含该科目常见的知识点，比如，上述知识点列表可以包含该科目常用的80％覆盖的知识点。

在步骤s130中，对所述试题文本进行分词处理以获得多个分词。

由于中文的特殊性，相较于英文，中文没有以空格作为天然的分隔符，词语之间没有分隔。并且，在中文里，“词”和“词组”边界模糊，现代汉语的基本表达单元虽然为“词”，且以双字或者多字词居多，但由于人们认识水平的不同，对词和短语的边界很难去区分。

中文分词是文本挖掘的基础，对于输入的一段中文，成功的进行中文分词，可以达到电脑自动识别语句含义的效果。

现有的分词算法可分为三大类：基于字符串匹配的分词方法、基于理解的分词方法和基于统计的分词方法。按照是否与词性标注过程相结合，又可以分为单纯分词方法和分词与标注相结合的一体化方法。

字符匹配

这种方法又叫做机械分词方法，它是按照一定的策略将待分析的汉字串与一个“充分大的”机器词典中的词条进行配，若在词典中找到某个字符串，则匹配成功(识别出一个词)。按照扫描方向的不同，串匹配分词方法可以分为正向匹配和逆向匹配；按照不同长度优先匹配的情况，可以分为最大(最长)匹配和最小(最短)匹配；常用的几种机械分词方法如下：

1)正向最大匹配法(由左到右的方向)；

2)逆向最大匹配法(由右到左的方向)；

3)最少切分(使每一句中切出的词数最小)；

4)双向最大匹配法(进行由左到右、由右到左两次扫描)

还可以将上述各种方法相互组合，例如，可以将正向最大匹配方法和逆向最大匹配方法结合起来构成双向匹配法。由于汉语单字成词的特点，正向最小匹配和逆向最小匹配一般很少使用。一般说来，逆向匹配的切分精度略高于正向匹配，遇到的歧义现象也较少。统计结果表明，单纯使用正向最大匹配的错误率为1/169，单纯使用逆向最大匹配的错误率为1/245。但这种精度还远远不能满足实际的需要。实际使用的分词系统，都是把机械分词作为一种初分手段，还需通过利用各种其它的语言信息来进一步提高切分的准确率。

一种方法是改进扫描方式，称为特征扫描或标志切分，优先在待分析字符串中识别和切分出一些带有明显特征的词，以这些词作为断点，可将原字符串分为较小的串再来进机械分词，从而减少匹配的错误率。另一种方法是将分词和词类标注结合起来，利用丰富的词类信息对分词决策提供帮助，并且在标注过程中又反过来对分词结果进行检验、调整，从而极大地提高切分的准确率。

对于机械分词方法，可以建立一个一般的模型，在这方面有专业的学术论文，这里不做详细论述。

理解法

这种分词方法是通过让计算机模拟人对句子的理解，达到识别词的效果。其基本思想就是在分词的同时进行句法、语义分析，利用句法信息和语义信息来处理歧义现象。它通常包括三个部分：分词子系统、句法语义子系统、总控部分。在总控部分的协调下，分词子系统可以获得有关词、句子等的句法和语义信息来对分词歧义进行判断，即它模拟了人对句子的理解过程。这种分词方法需要使用大量的语言知识和信息。由于汉语语言知识的笼统、复杂性，难以将各种语言信息组织成机器可直接读取的形式，因此目前基于理解的分词系统还处在试验阶段。

统计法

从形式上看，词是稳定的字的组合，因此在上下文中，相邻的字同时出现的次数越多，就越有可能构成一个词。因此字与字相邻共现的频率或概率能够较好的反映成词的可信度。可以对语料中相邻共现的各个字的组合的频度进行统计，计算它们的互现信息。定义两个字的互现信息，计算两个汉字x、y的相邻共现概率。互现信息体现了汉字之间结合关系的紧密程度。当紧密程度高于某一个阈值时，便可认为此字组可能构成了一个词。这种方法只需对语料中的字组频度进行统计，不需要切分词典，因而又叫做无词典分词法或统计取词方法。但这种方法也有一定的局限性，会经常抽出一些共现频度高、但并不是词的常用字组，例如“这一”、“之一”、“有的”、“我的”、“许多的”等，并且对常用词的识别精度差，时空开销大。实际应用的统计分词系统都要使用一部基本的分词词典(常用词词典)进行串匹配分词，同时使用统计方法识别一些新的词，即将串频统计和串匹配结合起来，既发挥匹配分词切分速度快、效率高的特点，又利用了无词典分词结合上下文识别生词、自动消除歧义的优点。

在本实施例中，基于统计机器学习对所述试题文本进行分词处理以获得多个分词。首先给出大量已经分词的文本，利用统计机器学习模型学习词语切分的规律(称为训练)，从而实现对未知文本的切分。汉语中各个字单独作词语的能力是不同的，此外有的字常常作为前缀出现，有的字却常常作为后缀，结合两个字相临时是否成词的信息，这样就得到了许多与分词有关的知识。这种方法训练的方式充分利用汉语组词的规律来分词，虽然在训练过程中耗时，但是在具体应用到分词过程能够提高分词的准确性。

在步骤s150中，根据所述知识点列表确定第一类分词集合和第二类分词集合，其中，所述第一类分词集合为所述多个分词中包含在所述预设的知识点列表中的分词集合，所述第二类分词集合为所述多个分词中不包含在所述预设的知识点列表中的分词集合。

对试题文本进行分词处理之后，将其中包含在所述预设的知识点列表中的多个分词作为第一类分词集合，将其中未包含在所述预设的知识点列表中的多个分词作为第二类分词集合。

在步骤s170中，从第一类分词集合和第二类集合中确定知识点，具体的，若所述第一类分词集合不为空集合，根据预设规则确定所述第一类分词集合中的一分词作为所述试题文本的知识点；若所述第一类分词集合为空集合，确定所述第二类分词集合中频次最高且包含在预设的关键词列表中的分词作为所述试题文本的知识点，其中，所述关键词列表大于所述知识点列表。

所述关键词列表的具体形式可以与上述知识点列表相同，关键词列表中包含与所述试题文本的科目对应的多个第二类知识点，其中，所述第一类知识点在所述科目中出现的频次大于所述第二类知识点在所述科目中出现的频次。关键词列表可以是覆盖该科目的不常见的知识点的描述词的集合。

若所述第一类分词集合不为空集合，则表明试题文本中包含了一些预设知识点列表中的描述词(分词)。由于预设知识点列表是该科目常见的知识点，这样，可以从中确定一个或多个分词作为该试题文本的知识点。

在可选的实施中，所述据预设规则确定所述第一类分词集合中的一分词作为所述试题文本的知识点，包括：确定所述第一类分词集合中出现频次最高的分词作为所述试题文本的知识点。这样，可以从第一类分词集合确定出现频次最高的分词作为该试题文本的知识点。

在可选的实施中，所述据预设规则确定所述第一类分词集合中的一分词作为所述试题文本的知识点，包括：确定所述第一类分词集合中出现频次达到预设值的至少一个分词作为所述试题文本的知识点。这样，预设值可以是预设频次值，比如，两次、三次等，具体的，可以将第一类分词集合中出现了三次以上的多个分词作为该试题文本知识点。

这样，可以预设两个知识点列表，一个是常见的知识点的集合(上述知识点列表)，另一个是不常见的知识点的集合(上述关键词列表)。通过对试题文本进行分词获得第一类分词集合和第二分词集合，并进一步判断第一类分词集合是否为空集合以相应的方式确定知识点，如图2所示。该方法可以至少解决试题文本分析中建模困难、算法复杂、准确度不高的问题。

在可选的实施例中，所述方法包括：存储所述知识点与所述试题文本的对应关系。在上述步骤中，确定了试题文本对应的知识点，存储所述知识点与所述试题文本的对应关系，可以便于后续对试题文本的后处理。

在可选的实施列中，，所述方法包括：获取考生的身份信息；根据所述身份获取对应的考核知识点；根据所述考核知识点获取对应的试题文本。这样，可根据用户身份推送不同的知识点；通过弹窗等交互模式跟踪用户的学习行为，包括学习时长、学习内容等，便于根据考生的不同身份，获取其对应的考核知识点，以便进行个性化的出题考试。

在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。

所属技术领域的技术人员能够理解，本申请的各个方面可以实现为系统、方法或程序产品。因此，本申请的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

本申请的这种实施方式的电子设备，以通用计算设备的形式表现。电子设备的组件可以包括但不限于：上述至少一个处理单元、上述至少一个存储单元、连接不同系统组件(包括存储单元和处理单元)的总线、显示单元。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元执行，使得所述处理单元执行本说明书上述描述的根据本申请各种示例性实施方式的步骤。存储单元可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(ram)和/或高速缓存存储单元，还可以进一步包括只读存储单元(rom)。

存储单元还可以包括具有一组(至少一个)程序模块的程序/实用工具，这样的程序模块包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备也可以与一个或多个外部设备(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备交互的设备通信，和/或与使得该电子设备能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口进行。并且，电子设备还可以通过网络适配器与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器通过总线与电子设备的其它模块通信。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。

在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本申请的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述描述的根据本申请各种示例性实施方式的步骤。

本申请的实施方式的用于实现上述方法的程序产品，其可以采用便携式紧凑盘只读存储器(cd-rom)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本申请的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。

计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本申请操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、c++等，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

此外，上述附图仅是根据本申请示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。