(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210307703.3 (22)申请日 2022.03.25 (71)申请人 科大讯飞股份有限公司 地址 230088 安徽省合肥市高新 开发区望 江西路666号 (72)发明人 沙晶　王士进　魏思　刘聪　 (74)专利代理 机构 深圳市威世博知识产权代理 事务所(普通 合伙) 44280 专利代理师 刘希 (51)Int.Cl. G06F 40/30(2020.01) G06F 40/216(2020.01) G06F 16/35(2019.01) G06N 3/04(2006.01) G06Q 10/04(2012.01) (54)发明名称 试题讲解生成方法及相关装置、 电子设备、 存储介质 (57)摘要 本申请公开了一种试题讲解生成方法及相 关装置、 电子设备、 存储介质， 其中， 试题讲解生 成方法包括： 获取待处理试题文本， 且待处理试 题文本包括题干文本和若干答案文本， 再基于题 干文本和若干答案文本进行预测， 得到待处理试 题文本所涉及的目标考察点和各目标考察点的 重要度。 在此基础上， 基于目标考察点的重要度 和讲解数据， 生成待处理试题文本的讲解数据。 上述方案， 能够生成更为详细、 针对性更强的讲 解数据。 权利要求书2页 说明书14页 附图3页 CN 114662501 A 2022.06.24 CN 114662501 A 1.一种试题讲解 生成方法， 其特 征在于， 包括： 获取待处 理试题文本； 其中， 所述待处 理试题文本包括题干文本和若干答案文本； 基于所述题干文本和所述若干答案文本进行预测， 得到所述待处理试题文本所涉及的 目标考察点和各所述目标考 察点的重要度； 基于所述目标考 察点的重要度和讲解数据， 生成所述待处 理试题文本的讲解数据。 2.根据权利要求1所述的方法， 其特 征在于， 所述重要度的获取步骤 包括： 基于所述题干文本的第一特征表示和各所述答案文本的第二特征表示进行相关度计 算， 得到各 所述答案文本分别关于 重要度预测的第一相关度； 基于各所述答案文本的第 二特征表示和第 一相关度进行加权， 得到各所述答案文本的 第一加权表示； 基于各所述答案文本的第 一加权表示进行预测， 得到所述答案文本所涉及的目标考察 点的重要度。 3.根据权利要求1或2所述的方法， 其特征在于， 所述重要度基于重要度预测模型预测 得到， 所述重要度预测模型基于第一样本试题文本进行训练， 所述第一样本试题文本包括 第一样本题干文本和若干第一样本答案文本， 且所述第一样本答案文本标注有样本重要 度， 所述样本 重要度表示所述第一样本答案文本所 涉及的样本考 察点的关键程度。 4.根据权利要求3所述的方法， 其特 征在于， 所述样本 重要度的获取步骤 包括： 将涉及所述样本考察点的第 一样本答案文本分别作为当前样本答案文本， 并将所述当 前答案文本涉及的样本考 察点作为当前考 察点； 基于所述当前样本答案文本分别与 各所述受试者的作答文本之间的语义相似度， 得到 所述若干受试者在所述当前考 察点上的未命中率； 基于所述第一样本试题文本中所述第一样本答案文本涉及的样本考察点对应的未命 中率， 得到各 所述第一样本答案文本的样本 重要度。 5.根据权利要求3所述的方法， 其特 征在于， 所述重要度预测模型包括： 第一注意力网络， 用于基于所述题干文本的第 一特征表示和各所述答案文本的第 二特 征表示进行相关度计算， 得到各所述答案文本分别 关于重要度预测的第一相关度， 并基于 各所述答案文本的第二特征表示和 第一相关度进 行加权， 得到各所述答案文本的第一加权 表示； 第一语义提取网络， 用于对各所述答案文本的第一加权表示进行语义提取， 得到各所 述答案文本的第一语义表示； 第一预测网络， 用于基于各 所述答案文本的第一语义表示预测得到所述重要度。 6.根据权利要求3所述的方法， 其特 征在于， 所述重要度预测模型的训练步骤 包括： 基于所述重要度预测模型对所述第一样本题干文本和所述若干第一样本答案文本进 行预测， 得到各 所述第一样本答案文本的预测重要度； 基于涉及所述样本考察点的第一样本答案文本的样本重要度和预测重要度之间的差 异， 调整所述重要度预测模型的网络参数。 7.根据权利要求1所述的方法， 其特 征在于， 所述目标考 察点的获取步骤 包括： 基于所述题干文本的第一特征表示和各所述答案文本的第二特征表示进行相关度计 算， 得到各 所述答案文本分别关于考 察点预测的第二相关度；权　利　要　求　书 1/2 页 2 CN 114662501 A 2基于各所述答案文本的第 二特征表示和第 二相关度进行加权， 得到各所述答案文本的 第二加权表示； 基于各所述答案文本的第 二加权表示进行预测， 得到所述答案文本所涉及的目标考察 点。 8.根据权利要求7所述的方法， 其特征在于， 所述基于各所述答案文本的第 二加权表示 进行预测， 得到所述 答案文本所 涉及的目标考 察点， 包括： 基于各所述答案文本的第 二加权表示进行二分类预测， 得到各所述答案文本的第 一预 测结果， 并基于各所述答案文本的第二加权表示进行多分类预测， 得到各所述答案文本的 第二预测结果； 其中， 所述第一预测结果包括所述答案文本涉及考察点的可能性， 所述第二 预测结果包括所述 答案文本所 涉及的候选考 察点； 响应于所述答案文本的第 一预测结果满足预设条件， 基于所述答案文本所涉及的候选 考察点， 得到所述 答案文本所 涉及的目标考 察点。 9.根据权利要求1或7所述的方法， 其特征在于， 所述目标考察点基于考察点预测模型 预测得到， 所述考察点预测模型基于第二样本试题文本进行训练， 所述第二样本试题文本 包括第二样本题干文本和若干第二样本答案文本， 且所述第二样本答案文本标注有样本标 记， 所述样本标记表 示所述第二样本答案文本实际是否涉及样本考察点和所述第二样本答 案文本实际所 涉及的样本考 察点。 10.根据权利要求1所述的方法， 其特征在于， 所述基于所述目标考察点的重要度和讲 解数据， 生成所述待处 理试题文本的讲解数据， 包括： 按照所述重要度由高到低的顺序， 将各 所述目标考 察点进行排序； 选取排在前预设序位的目标考察点， 并基于选取的目标考察点的讲解数据， 生成得到 所述待处 理试题文本的讲解数据。 11.一种试题讲解 生成装置， 其特 征在于， 包括： 获取模块， 用于获取待处理试题文本； 其中， 所述待处理试题文本包括题干文本和若干 答案文本； 预测模块， 用于基于所述题干文本和所述若干答案文本进行预测， 得到所述待处理试 题文本所 涉及的目标考 察点和各所述目标考 察点的重要度； 生成模块， 用于基于所述目标考察点的重要度和讲解数据， 生成所述待处理试题文本 的讲解数据。 12.一种电子设备， 其特征在于， 包括相互耦接的存储器和 处理器， 所述存储器中存储 有程序指令， 所述处理器用于执行所述程序指令以实现权利要求1至10任一项所述的试题 讲解生成方法。 13.一种计算机可读存储介质， 其特征在于， 存储有能够被处理器运行的程序指令， 所 述程序指令用于实现权利要求1至10任一项所述的试题讲解 生成方法。权　利　要　求　书 2/2 页 3 CN 114662501 A 3