申请/专利权人：中央民族大学

申请日：2021-03-02

公开（公告）日：2024-06-28

公开（公告）号：CN113033180B

主分类号：G06F40/211

分类号：G06F40/211;G06F16/35;G06F18/2415;G06N3/047;G06N3/048;G06N3/045;G06N3/09;G06N20/00

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2021.07.13#实质审查的生效;2021.06.25#公开

摘要：本发明涉及一种面向小学藏语文阅读问题自动生成的服务系统，该系统包括藏语阅读语料库构建模型和藏文阅读文本问题生成模型；其中，藏语阅读语料库构建模型，通过提取小学藏语文章特征数据，并设计混合的多策略文本筛选模型，得到藏语阅读语料库；藏文阅读文本问题生成模型包括编码端和解码端，其中，编码端使用双向RNN网络和注意力机制；解码端使用单向RNN网络、注意力机制和复制机制。本发明通过设计的混合的多策略文本筛选模型，可以在大规模百科藏文文本中筛选出适合小学阅读的藏语文文章。并且设计了端到端的自动问题生成模型，它解决了小学藏语文阅读教学材料体裁少、更新速度慢，人工出题量少等问题，从而推动民族地区藏语教学的发展。

主权项：1.一种面向小学藏语文阅读问题自动生成的服务系统，其特征在于，包括藏语阅读语料库构建模型和藏文阅读文本问题生成模型；其中，藏语阅读语料库构建模型，通过提取小学藏语文章特征数据，并设计混合的多策略文本筛选模型，构建藏语阅读语料库；藏文阅读文本问题生成模型，包括编码端和解码端，其中，编码端使用双向RNN网络和注意力机制；解码端使用单向RNN网络、注意力机制和复制机制；所述藏语阅读语料库构建模型具体用于，以小学1-6年级藏语文教材为训练语料，以文章长度、文章体裁、句子数量、平均句长、文章词汇量、词汇覆盖度、冗余度为特征，设计混合的多策略文本筛选模型，并从大规模百科藏文文本中得到适合小学藏语文阅读的材料；所述筛选模型中集成了逻辑回归、KNN算法模型以及随机森林模型，设定7个类别，分别代表适合1-6年级阅读和不适合小学阅读，采用绝对多数投票法作为输出策略；所述逻辑回归的公式为： 其中，i代表藏语文章特征的索引，n是藏语文章特征的总数，xi表示小学藏语文章的第i个特征，wi表示藏语文章第i个特征所具有的权重，b表示偏置，σ为对率函数，使用对率函数得到输出fw，bx；所述KNN算法模型中，使用欧氏距离公式作为不同类别距离的度量公式；公式如下： 其中，和为特征的空间坐标，Lxi，xj得到的是两个特征的距离大小；在KNN算法中，先将文章特征归一化到共同的特征空间中，然后设置参数k，根据距离计算结果Lxi，xj，取距离最近的k个特征点，其中哪个类别出现的最多，这个文章就属于这个类别；所述随机森林模型，通过对训练集的抽样获得分布不同的训练子集；通过不同的训练子集来训练不同的决策树，随机森林包含训练得到的所有决策树；在做分类任务时遵循少数服从多数原则，将决策树分类结果最多的类别作为文章的最终分类结果；其中，决策树使用的是ID3算法，每个决策树用信息增益来获得最优划分属性a，其公式为： a为类别的属性，v表示类别的划分；D表示所有的训练集，Dv表示第v个类别的数据集；EntDv表示第v个类别的数据集的信息熵；GainD，a为信息增益，如果值越大，说明使用属性a来划分的效果越好。

全文数据：

权利要求：

百度查询： 中央民族大学 一种面向小学藏语文阅读问题自动生成的服务系统

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