基于认知过程的问答库生成系统及方法与流程

本发明涉及人工智能技术领域，具体涉及一种基于认知过程的问答库生成系统及方法。

背景技术：

目前老师对学生的教学知识点提问，或者学生对老师教学内容的提问，都是根据自身的理解提问，没有一种系统的方法，老师的思维也是有局限性，对知识点或者学习内容的提问不仅不能穷尽，而且容易产生偏重点，而针对目标问题，教学标准中的表现性目标通常是针对具体学科的学习目标或指标设置的，也是为衡量学生在完成某一特定等级水平学习后证明或展现他们已经能认识、理解和应用所学而制定的标准。这些标准通常不会为学生预设他们交流或阐述的期望价值或告诉他们需要达到的学习的深度和广度，除非学生被引导去定义、描述、解释、陈述或写作。

我们研究发现，这些目标完全可以被开发成开放式的、发人深省的关键问题，用以挑战学生展示和交流他们的所学与所思。

仅通过简单的课程学习并不能使学生发展更深层次的思维，获得知识迁移的能力。只有学会主动和有效提问，才能充分调动学生的自主性去进行以下深入的探究：

为建立背景知识而阅读并研究各种相关的文本和主题；

检测、试验并解释在不同情境中怎样使用某些观点和程序以及为什么可以使用它们；

调查研究其他需要知道的、可以做的或应该考虑的事情；

通过设计展示你能运用你所学到的，来记忆、理解、应用，分析，评价和创造教学标准所要求的学习目标设定的知识领域和情境。

技术实现要素：

为解决上述问题，本发明提供了一种依据义务教育课程标准的总体目标和各学段的教学目标，参照布鲁姆教育目标分类学理论以及ubd(understandingbydesing，设计理解)的逆向设计方法的基于认知过程的问答库生成系统。

本发明还提供了一种基于认知过程的问答库生成方法。

为实现本发明的目的，本发明提供了一种基于认知过程的问答库生成系统，该系统包括：

教学目标输入模块，用于输入所属学科的教学目标；

问答库生成模块，其与教学目标输入模块连接，用于根据教学目标建立问答库生成模型；

数据处理模块，其与问答库生成模块连接，用于对问答库生成模块生成的问题及答案进行优化、筛选及匹配，得出并存储若干个教学目标的问题与答案；

问答库输出模块，其与数据处理模块连接，用于输出数据处理模块筛选的问题与答案，供用户进行调取输出。

所述问答库生成模块建立问答库生成模型的原理为基于布鲁姆教育目标分类学理论及ubd的逆向设计方法。

所述问答库生成模块根据教学目标内容进行多维度分析及特征提取，并对教学目标内容进行有效的语句描述。

所述问答库生成模块根据教学目标内容对知识维度和认知过程维度进行数据采集并建立相应的数据库，其中，知识维度形成文本库[a]，认知过程维度形成文本库[b]。

所述问答库生成模块对知识维度文本库[a]，认知过程维度形成文本库[b]及情感维度[f1]的数据进行分类，再根据具体的教学目标进行分类计算模型的描述，生成描述集合[m]，将描述集合[m]转化为问题库集合[n],同时将描述集合[m]的每个语句进行结构拆分提取并解析，得到对应的答案集合[δm]。

所述分类计算模型包含以事实性、概念性、程序性、元认知四个维度组成的知识维度，以记忆、理解、应用、分析、评价、创造六个维度组成的认知过程维度及情感维度，通过分类计算模型得到教学目标的描述集合[m]。

对所述描述集合[m]的每个语句进行“5w+2h”中的疑问词、词组或短句按照以下公式：{描述+常用疑问词、词组或短句+教学目标中设定的知识领域和情境}转化成问题库集合[n]，同时对描述集合[m]中的语句进行结构拆分提取，按照“主语、谓语、宾语、定语、状语、补语”结构对描述集合[m]进行解析，得到对应问答描述集合[m]的答案库集合[δm]。

所述数据处理模块对问题库集合[n]中所有的问题进行语意判断归类，一个问题多种问法进行筛选，再优化出关键问题[δn]，对上述优化出的关键问题集合[δn]与在上述拆分和筛选的答案库集合[δm]中进行对应的答案匹配，并将匹配关系和数据存储在系统数据库中，形成教学目标的问答库[t]。

本发明还提供了上述基于认知过程的问答库生成系统的生成方法，该方法包括如下步骤：

a、通过教学目标输入模块输入所属学科的教学目标；

b、通过问答库生成模块根据教学目标建立问答库生成模型；

c、通过数据处理模块对问答库生成模块生成的问题及答案进行优化、筛选及匹配，得出并存储若干个教学目标的问题与答案；

d、用户通过问答库输出模块调取教学目标的问题及答案。

步骤b中，所述问答库生成模块建立问答库生成模型的原理为基于布鲁姆教育目标分类学理论及ubd的逆向设计方法。本发明的有益效果为：本发明针对现有的目标内容提问不全的痛点，本问答库生成系统发明的目的在于帮助学生例如如何在语文学习中提出关键问题，从而解决以下目标：促进学生对目标内容的深度思考；深化学生的理解、体验和感悟；扩大学生的知识面、拓展学生的思维；激发学生的好奇心、想象力、兴趣和潜能；有效的生成语句，并从中提取问题和答案语句的库，供设备终端进行调取输出。

附图说明

图1是本发明的系统结构框图。

图2是本发明的方法流程图。

图3是本发明的实施例的流程图。

具体实施方式

如图1所示，本发明的基于认知过程的问答库生成系统包括教学目标输入模块10、问答库生成模块20、数据处理模块30及问答库输出模块40。其中，教学目标输入模块10用于输入所属学科的教学目标；问答库生成模块20用于根据教学目标建立问答库生成模型；数据处理模块30用于对问答库生成模型生成的问题及答案进行优化、筛选及匹配，得出并存储若干个教学目标的问题与答案；问答库输出模块40用于输出数据处理模块30筛选的问题与答案，供用户进行调取输出。下面以语文教学目标为例对本发明进行说明。

如图3所示，本发明的基于认知过程的问答库生成系统的核心特征为通过问答库生成模块20对目标内容进行多维度的分析和特征提取，对该目标内容进行有效的角度语句描述的生成。

其中，问答库生成模块20建立问答库生成模型的原理为参照布鲁姆教育目标分类学理论以及ubd的逆向设计方法，其方法具体描述如下：

问答库生成模块20将应用目标分类学原理进行定义目标属性，语文教学所涉及的知识可分为事实性/概念性/程序性/元认知四个知识维度，各知识维度的定义和类别如表1所示：

表1知识维度的主要类别与亚类

进一步地，对上述这四个知识维度的认知过程又可分为六大维度和十七个亚维度，其各维度和亚维度的定义和类别如表2所示：

表2基于认知过程维度的层次与目标框架

进一步地，上述语文教学目标内容还涉及情感领域的分类，本发明系统方法对情感类的数据进行细化的5个亚维度的类处理，各个亚维度的定义和类别如表3所示：

表3基于情感领域的目标维度

如图2所示，本发明一种基于认知过程的问答库生成系统的生成方法包括如下步骤：

s10、通过教学目标输入模块10输入所属学科的教学目标。本实施例为语文学科。

s20、通过问答库生成模块20根据教学目标建立问答库生成模块。

本发明的问答库生成模块20针对教学目标内容进行两个大类进行数据解析，分别为知识维度和认知过程维度，两个维度分别进行数据采集和数据库，知识维度形成文本库[a]，认知过程维度形成文本库[b]。

进一步的，上述问答库生成模块20通过采集上述知识维度形成文本库[a]，认知过程维度形成文本库[b]中的数据集合，进行上述表1、表2、表3的模型分类，如表4所示，综合知识维度分为文本库[k1]-[k4],认知过程维度为文本库[c1]-[c6],外加情感维度[f1]。

表4描述集合[m]生成表

进一步的，上述认知过程维度为文本库[c1]-[c6]中，[c1]大类分为[c11]-[c12]两个亚维度，[c2]大类分为[c21]-[c27]七个亚维度，[c3]大类分为[c31]-[c32]两个亚维度，[c4]大类分为[c41]-[c43]三个亚维度，[c5]大类分为[c51]-[c52]两个亚维度，[c6]大类分为[c61]一个亚维度，情感维度[f1]大类分为[f11]-[f15]五个亚维度。

描述具体的教学目标：根据上述知识维度形成文本库[a]，认知过程维度形成文本库[b]进行分类，知识维度为文本库[k1]-[k4],认知过程维度为文本库[c1]-[c6],外加情感维度[f1]的大类亚维度对教学目标进行相应模型的描述，生成如表4所示的描述集合m＝{[d111]，[d112]，…，[d674]，[p111]，[p112]，…，[p154]}。

对上述教学目标描述集合m＝{[d111]，[d112]，…，[d674]，[p111]，[p112]，…，[p154]}中，对其每个语句进行用“5w+2h”中的疑问词、词组或短句按照以下公式：{描述+常用疑问词、词组或短句+教学目标中设定的知识领域和情境}转化成问题库集合n，同时对集合m中的语句进行结构拆分提取，按照“主语、谓语、宾语、定语、状语、补语”结构对集合m进行解析，得到对应问答集合m的答案库集合[δm]。

详细地，对上述目标描述集合m中按照记忆、理解、应用、分析、评价、创造角度进行问题描述和转换，六个角度的具体定义和方式如下：

记忆：是谁？是什么？何时？何地？

理解：为什么？怎么样？

应用：是怎样工作的？如何使用？

分析：为什么能起作用？为什么能使用它？能推断出什么？这意味着什么？┈┄建议是什么？起因是什么？有什么关联？有什么作用？原因是什么？是什么关系？

评价：有什么效果？有什么影响？有什么成果？结果是什么？如果┈┄会怎么样？可能发生了什么？关于┈┄你相信什么？关于┈┄你觉得怎样？关于┈┄你怎么想？关于┈┄你的建议是什么？

创造：你能创建什么？你能设计什么？你将如何创新？你能发展什么？你能制定出哪一类的计划？你能建立什么？你将会如何创新？你会发明什么？你怎样做？你能怎样？你将怎样？你怎样才能开发和使用一个模型？你能创作哪一类的原创文本？你能提出哪一类的问题？

进一步地，经过上述六个角度的描述和问题转化、拓展，转化成问题库集合[n]，优选的，对问题库集合[n]中所有的问题进行语意判断归类，一个问题多种问法进行筛选，再优化出关键问题[δn]。

进一步地，系统对上述优化出的关键问题集合[δn]与在上述拆分和筛选的答案库集合[δm]中进行对应的答案匹配，并将匹配关系和数据存储在系统数据库中，形成教学目标的问答库[t]。

s30、通过数据处理模块30对问答库生成模型生成的问题及答案进行优化、筛选及匹配，得出并存储若干个教学目标的问题与答案。具体地，通过数据处理模块30对问答库生成模型生成的问题及答案进行优化和筛选、匹配等方式的处理，可以得出若干个教学内容的问题与答案，并将得出的教学内容的问题与答案进行存储，供任意设备终端系统进行该问答库的调取输出。

s40、用户通过问答库输出模块40调取教学目标的问题及答案。

具体地，用户通过任意设备终端系统在问答库输出模块40调取教学目标的问题及答案。

为了使上述的技术方案中发明的目的及优点更加清楚明白，以下结合附图和实施例对本发明技术方案作进行进一步详细说明，应当理解，以下所描述的具体实施例仅仅是部分实施例用以解释本发明的技术方案，并不是所有的实施例。

针对上述问答库生成模型数据处理中心的维度分类对教学目标进行的描述模型，本发明进行相应实施例的具体说明，说明举例：小学二年级语文课李白的《望庐山瀑布》有关“李白”这一知识点问答库生成设计。

第一步：应用目标分类学原理定义目标属性——李白为“事实性知识”。

第二步：描述具体的教学目标，如表5所示，按照上述知识维度为文本库[k1]-[k4],认知过程维度为文本库[c1]-[c6],外加情感维度[f1]的大类亚维度对教学目标进行相应模型的描述，生成相应的语句集合m。

第三步：将具体的教学目标用“5w+2h：what+why+when+where+who+how+howmuch”中的疑问词、词组或短句按照以下公式：{描述+常用疑问词、词组或短句+教学目标中设定的知识领域和情境}转化成问题，如描述句d111:李白是《望庐山瀑布》的作者，运用“5w+2h”转化为问题集合[n]：李白是什么？为什么是李白？李白是哪年生人？李白是哪里人？李白是谁？李白是怎么写《望庐山瀑布的》？李白写了多少首《望庐山瀑布》？

进一步地，对问题库集合n中所有的问题进行语意判断归类，一个问题多种问法进行筛选，再优化出关键问题[δn]—最后优化的关键问题为：李白是谁？同理对问题库集合[n]中d271:说明李白成为唐代最杰出的诗人的主要原因，同样采取“5w+2h”转化为问题：李白成为唐代最杰出的诗人的主要原因是什么？李白为什么成为唐代最杰出的诗人的主要原因？李白是是哪年成为最杰出的唐代诗人的原因？李白在哪里成为唐代最杰出的诗人的原因？李白是怎么成为唐代最杰出的诗人的主要原因？李白多少次成为唐代最杰出的诗人的主要原因？

进一步地，最后优化的关键问题集合[δn]为：李白成为唐代最杰出的诗人的主要原因是什么？

另外一方面，对如描述句d111:李白是《望庐山瀑布》的作者，进行语句结构的拆分可以得到{李白-望庐山瀑布-作者}的关系，其实该种关系已经反应了由此描述语句产生的上述问题“李白是谁？”的答案。

表5《望庐山瀑布》有关“李白”描述集合[m]生成表

进一步地，系统在问题配对中对问题“李白是谁？”和{李白-望庐山瀑布-作者}的关系进行答案匹配，形成问答库[t]＝{“李白是谁？”-李白-望庐山瀑布-作者}等关系，其他的问答角度分析和答案生成以此类推。

尽管通过以上实施例对本发明进行了揭示，但本发明的保护范围并不局限于此，在不偏离本发明构思的条件下，对以上各构件所做的变形、替换等均将落入本发明的权利要求范围内。