申请/专利权人：山东山大鸥玛软件股份有限公司

申请日：2023-11-21

公开（公告）日：2024-03-12

公开（公告）号：CN117274006B

主分类号：G06F17/00

分类号：G06F17/00;G06Q50/20;G09B3/00

优先权：

专利状态码：有效-授权

法律状态：2024.03.12#授权;2024.01.09#实质审查的生效;2023.12.22#公开

摘要：本发明实施例提供一种命题方法、系统、设备及存储介质，属于教育与评测领域。该方法包括：获取基于课外知识文件预先构建的课外知识库、基于专业教材预先构建的专业知识图谱、命题知识点及提示词；基于课外知识库确定的背景知识；将背景知识、命题知识点及提示词输入至命题模型生成初始试题；将初始试题输入至预先构建的评价模型以确定初始试题的置信度，若初始试题的置信度不符合预设要求，则利用专业知识图谱进行优化获得目标试题。通过利用专业知识图谱的可解释性、可信赖性和可溯源性优势，将其与模型进行融合不仅实现了基于知识点的多类型试题的快速生成，而且还提高了试题的可信度和质量，进而解决了考试前领域专家命题时的费时、费力问题。

主权项：1.一种命题方法，其特征在于，所述命题方法包括：获取基于课外知识文件预先构建的课外知识库、基于专业教材预先构建的专业知识图谱、命题知识点以及提示词；基于所述课外知识库确定与所述命题知识点匹配的背景知识；将所述背景知识、所述命题知识点以及所述提示词输入至预先构建的命题模型，生成初始试题；将所述初始试题输入至预先构建的评价模型以确定所述初始试题的置信度，若所述初始试题的置信度不符合预设要求，则利用所述专业知识图谱对所述初始试题进行优化，获得目标试题；其中，基于课外知识文件预先构建课外知识库的过程包括：提取所述课外知识文件的文本信息，其中，所述文本信息包括所述课外知识文件中图片转化的文本；对所述文本信息进行内容切分，并利用语言模型对切分后的所述文本信息进行向量化表示，获得文本向量；创建所述文本向量的索引，并基于所述索引将所述文本向量存入课外知识库；所述基于所述课外知识库确定与所述命题知识点匹配的背景知识，包括：对所述命题知识点进行向量化处理，并从所述课外知识库中提取出与所述命题知识点相关的初始文本向量；根据相关程度对所述初始文本向量进行排序，筛选出目标文本向量；根据所述目标文本向量对应的文本信息，确定与所述命题知识点匹配的背景知识；将所述背景知识、所述命题知识点以及所述提示词输入至预先构建的命题模型，生成初始试题，包括：对所述背景知识、所述命题知识点以及所述提示词进行拼接，获得命题提示词；将所述命题提示词输入至所述预先构建的命题模型，使得所述预先构建的命题模型提取所述命题提示词的语义特征，并对该语义特征进行解码处理，生成所述初始试题；其中，提示词为：假如你是一名命题专家，请基于知识点进行试题的命制，试题需要包含标答和答案解析，试题类型包括单选、多选、判断、填空和简答题。

全文数据：

权利要求：

百度查询： 山东山大鸥玛软件股份有限公司 一种命题方法、系统、设备及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD