(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 20221079759 9.0 (22)申请日 2022.07.08 (71)申请人 华中师范大学 地址 430079 湖北省武汉市珞喻路152号 申请人 湖北大学 (72)发明人 刘海　张昭理　石佛波　朱俊艳　 宋云霄　李家豪　刘婷婷　杨兵　 (74)专利代理 机构 武汉东喻专利代理事务所 (普通合伙) 42224 专利代理师 雷霄 (51)Int.Cl. G06F 16/36(2019.01) G06F 40/30(2020.01) G06F 40/289(2020.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G06Q 50/20(2012.01) (54)发明名称 一种跨空间语义知识注入的试题知识点标 记方法及应用 (57)摘要 本申请公开了一种跨空间语义知识注入的 试题知识点标记方法及应用。 该方法包括： 构建 知识点集； 在试题样本中标记知识点， 构建三元 组样本； 将所述三元组样本中的实体和关系转换 为词向量； 将所述三元组样本的词向量输入到知 识点自动标注器进行训练， 所述知识点自动标注 器包括语义提取模块、 特征交互模块、 特征提取 及预测模块， 所述语义提取模块用于获取三元组 样本在不同语义空间的语义特征， 所述特征交互 模块用于根据语义特征获取特征交互后的头实 体和关系间的第一交互特征、 关系和尾实体间的 第二交互特征， 所述特征提取及预测模块用于根 据第一交互特征和第二交互特征提取特征并进 行知识点标注。 本发明可以提高知识点标注的准 确性。 权利要求书2页 说明书11页 附图2页 CN 115146073 A 2022.10.04 CN 115146073 A 1.一种跨空间语义知识 注入的试题知识点标记方法， 其特 征在于， 包括： 构建知识点 集， 所述知识点 集中的每 个知识点包括了若干个属性信息； 在试题样本中标记知识点， 将试题、 知识点分别作为头尾实体， 将试题、 知识点间关系 作为头尾实体间的关系， 构建三元组样本； 利用所述知识点集中知识点的属性信 息将所述三元组样本 中的试题、 关系和知识点转 换为词向量； 将所述三元组样本的词向量输入到知识点自动标注器进行训练， 所述知识点自动标注 器包括语义提取模块、 特征 交互模块、 特征提取及预测模块， 所述语义提取模块用于获取三 元组样本在不同语义空间的语义特征， 所述特征 交互模块用于根据语义特征获取特征 交互 后的头实体和关系间的第一交互特征、 关系和尾实体间的第二交互特征， 所述特征提取及 预测模块用于根据第一交 互特征和第二交 互特征提取特征并进行知识点标注。 2.如权利要求1所述的跨空间语义知识注入的试题知识点标记方法， 其特征在于， 所述 知识点集中的每个知识点包括知识点定义描述属 性信息、 知识点所属学习阶段属 性信息、 知识点的难易程度属 性信息、 知识点的出现频率属 性信息、 知识点的类型属 性信息和知识 点的考试 频次属性信息 。 3.如权利要求1所述的跨空间语义知识注入的试题知识点标记方法， 其特征在于， 所述 构建三元组样本包括： 利用试题样本、 试题样本中标记的知识点及其对应关系构建三元组正样本， 对三元组 正样本中的头尾实体进 行随机替换， 生成三元组负样本， 去除伪三元组负样 本， 三元组正样 本和保留下来的三元组负 样本构成了三元组样本集。 4.如权利要求1所述的跨空间语义知识注入的试题知识点标记方法， 其特征在于， 所述 将所述三元组样本中的试题、 关系和知识点 转换为词向量包括： 将所述三元组样本 中的试题、 关系和知识点进行分词处理， 将每个分词转换为词向量， 转换的计算公式为 Ei＝Etoken+Esegment+Eposition 其中， Ei为第i个分词的词向量， Etoken表示该分词的初 始嵌入， Esegment表示该分词是实体 还是关系， Eposition表示该分词的位置信息 。 5.如权利要求1所述的跨空间语义知识注入的试题知识点标记方法， 其特征在于， 所述 语义提取模块包括多层堆叠的语义理解块， 每个所述语义理解块包括多语义注意力层、 标 准化层和源信息提示层， 所述多语义注意力层用于输出每个输入词向量在不同语义空间的 语义特征， 所述标准化层用于归一化所述多语义注意力层的输出数据， 所述源信息提示层 用于将所述多语义注意力层的输出与所述标准化层的输出共同作为所述源信息提示层的 输出。 6.如权利要求1所述的跨空间语义知识注入的试题知识点标记方法， 其特征在于， 所述 特征交互模块包括特征重塑模块和交互模块， 所述特征重塑模块用于对输入的不同语义空 间的语义特征进行随机化打乱处理， 获得重塑后的语义特征； 所述交互模块用于根据重塑 后的语义特 征输出第一交 互特征和第二交 互特征。 7.如权利要求6所述的跨空间语义知识注入的试题知识点标记方法， 其特征在于， 所述 根据重塑后的语义特 征输出第一交 互特征和第二交 互特征的计算公式为：权　利　要　求　书 1/2 页 2 CN 115146073 A 2分别为特征重塑后在第i个语义空间的头实体向量、 尾实体向量、 关系 向量， conv( ★)表示卷积操作， whr为头实体与关系交互的卷积核参数， wrt为尾实体与关系 交互的卷积核参数， vec( ·)表示向量化操作， Ehr为头实体和关系间的第一交互特征， Ert为 关系和尾实体间的第二交 互特征。 8.一种跨空间语义知识 注入的试题知识点标记系统， 其特 征在于， 包括： 知识点集构建模块， 用于构建知识点集， 所述知识点集中的每个知识点包括了若干个 属性信息； 三元组样本构建模块， 用于在试题样本 中标记知识点， 将试题、 知识点分别作为头尾实 体， 将试题、 知识点间关系作为头尾实体间的关系， 构建三元组样本； 词向量转换模块， 用于将所述三元组样本中的试题和关系转换为词向量， 利用 知识点 集中知识点的属性信息将所述 三元组样本中的知识点 转换为词向量； 标注模块， 用于将所述三元组样本的词向量输入到知识点自动标注器进行训练， 所述 知识点自动标注器包括语义提取模块、 特征 交互模块、 特征提取及预测模块， 所述语义提取 模块用于获取三元组样本在不同语义空间的语义特征， 所述特征 交互模块用于根据语义特 征获取特征交互后的头实体和关系间的第一交互特征、 关系和尾实体间的第二交互特征， 所述特征提取及预测模块用于根据第一交互特征和第二交互特征提取特征并进行知识点 标注。 9.一种电子设备， 其特征在于， 包括至少一个处理器、 以及至少一个存储模块， 其中， 所 述存储模块存储有计算机程序， 当所述计算机程序被所述处理器执行时， 使得所述处理器 执行权利要求1～7任一项所述方法的步骤。 10.一种存储介质， 其特征在于， 其存储有计算机程序， 当所述计算机程序在处理器上 运行时， 使得 所述处理器执行权利要求1～7任一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 115146073 A 3