CN119537591A 一种文本批改方法、电子设备及存储介质 (华为技术有限公司)_第1页
CN119537591A 一种文本批改方法、电子设备及存储介质 (华为技术有限公司)_第2页
CN119537591A 一种文本批改方法、电子设备及存储介质 (华为技术有限公司)_第3页
CN119537591A 一种文本批改方法、电子设备及存储介质 (华为技术有限公司)_第4页
CN119537591A 一种文本批改方法、电子设备及存储介质 (华为技术有限公司)_第5页
已阅读5页,还剩46页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

后的多标签分类模型预测出作业或者试卷中各卷中各待批改元素中答题人作答的答案的最终2确定所述待批改文本中各待批改元素对应的基于所述第一批改标签集合确定所述各待批改元素的获取将所述待批改文本输入第一模型后,所述第一模型预测出获取将所述待批改文本输入第二模型后,所述第二模型输出获取将所述各批改元素输入第一模型后,所述第一模型预测出获取所述待批改文本中各待批改元素的第一特征信息,所述第一特征信息包括类型、获取将所述各待批改元素的第一特征信息输入第一模型后,所基于所述各待批改元素的类型信息,从题目库中检索所述各待批计算所述各待批改元素对应的第一批改标签集合中每个批改所述待批改文本中各待批改元素对应的第二批改基于用户发送的批改严格度参数,对所述待批改文本中各待批改3其中,所述批改严格度参数大于批改严格度阈值时,所述基于所述批改严格度参数和所述第一批改标签集合中各批基于所述批改严格度参数,对所述第一批改标签集合中的批改标签进行随机增删处计算所述各待批改元素对应的第二批改标签集合中每个批改所述计算所述各待批改元素对应的第一批改标签集合中每个批改标签对应的子得分,在所述待批改元素与所述第一批改标签的匹配度大于匹配度将所述第一样本文本作为第一神经网络模型的输入,获取所述第基于所述第一标注标签集合和所述第一预测标签集合,调整所将所述第二样本文本作为第二神经网络模型的输入,获取所述第基于所述第一标注待批改元素集合和所述第一预测待批改元素集合,4求1_14任一项所述的文本批改方法,或者执行权利要求15所述的标签预测模型的训练方5型,标签预测模型可以是基于大量标注好每道题的每个空的多个批改标签的样本批改文6以预测出该道题的第一个空(即碧绿对应的空)、第二个空(即朱红对应的空)和第三个空型和多个参考类型中各参考类型对应的参考批[0025]可以理解,题目库中可以包括各类型的批改元素对应的已经标好的多个批改标7[0026]在上述第一方面的一种可能实现中,待批改元素包括但不限于每道题的每个空、[0032]可以理解,批改严格度参数也8[0050]图5根据本申请的一些实例,示出了一种从端侧和云侧的交互实现智能批改方法[0052]图7根据本申请的一些实例,示出了一种从端侧和云侧的交互实现文本批改方法9送待批改文本111,以便第二电子设备120可以基于第一神经网络模型121和第二神经网络[0064]如图1b所示,在一些具体的实现中,第二电子设备120可以将第一神经网络模型神经网络模型121和第二神经网络模型12备。第一神经网络模型111可以为将待批改文本中的每道题划分为一个部分的任意可实施络模型111可以输出将待批改文本中的每道题划分为一[0069]图2示出了一种智能批改系统的结构示意图,该智能批改系统可以用于基于事先[0074]图3示出了另一种智能批改系统的结构示意图,该智能批改系统可以通过基于特[0077]批改模型训练模块320,可以用于选择适合样本数据集中数据特点的神经网络模[0078]批改与反馈模块330,可以用于使用训练后的批改模型对作业或者试卷中的作文[0079]在上述两种智能批改系统中,通过事先设定的规则仅可以对结构化问答进行批签,以供用户自由选择对作业或者试卷中部分或者全部题的部分或者全部空的批改标签,可以实现对作业或者试卷中部分或者全部题的部分或者全部空的多个批改通过训练后的多标签分类模型预测出作业或者试卷中每道题的每个空的多个批改标签后中部分或者全部题的部分或者全部空的多个批改标签[0092]下面对本申请实施例提及的智能批改方法的进行介绍。图4示出了一种智能批改集设备拍照上传的图片和/或云端服务器存储的文本(如测评练习)录入执行智能批改方法[0095]在一些可选的实例中,可以采用光学字符识别(opticalcharacter批改文本输入多标签分类模型,利用多标签分类模型对待批改文本进行(多)批改标签预删减)部分或者全部题的部分或者全部空的多个批改标签,得到待批改文本中每道题的每[0101]在一些可选的实例中,批改算子集合可以是基于历史批从端侧和云侧的交互实现智能批改方法的流[0103]端侧的答题人(如学生)或者阅卷人(如教师)可以通过图像采集设备对试卷进行[0109]端侧的阅卷人(如教师)可以将每道题中每个空的多个批改标签作为人工批改的[0111]端侧上文阅卷人(如教师)可以对部分或者全部题的部分或者全部空的得分明细[0112]下面对本申请实施例提及的智能批改方法进行详细介绍。图6示出了一种文本批得到的能够用于预测批改文本中每道题的每个空的多个批改标签空的多个批改标签前,可以对待批改文本中每道[0122]在一些可选的实例中,可以基于待批改文本中每道题中然后可以将多个批改算子的批改结果进行汇总得到每道题中每个空的总分以及每道题的如图8所示的第一显示界面800,并可以在第一显示界面800显示该道题中每个空的多个批改标签组件(如810_1至810_3)以及第一批改组子设备上可以切换至如图9所示的第二显示界面900,并可以在第二显示界面900显示该道空的多个批改标签,从批改算子集合中调用多个批改标签中各批改标签对应的批改算子,括每道题中每个空中答题人作答的答案的扣显示界面1200,并可以在第四显示界面1200显示上文中列举的填空题的批改严格度组件教师)可以通过点击部分或者全部题中部分或者全部空的多个批改标签,实现对部分或者全部题的部分或者全部空的多个批改标签进行增感器1580D,加速度传感器1580E,距离传感器1580F,接近光传感器1580G,指纹传感器器(applicationprocessor,AP),调制解调处理器,图形处理器(graphicsprocessing信号处理器(digitalsignalprocessor,DSP),基带处理器,和/或神经网络处理器例中,触摸传感器1580K也可以设置于电子设备1500的表面,与显示屏1594所处的位置不[0175]需要说明的是,本申请各设备实施例中提到的各单元/模式并不是最重要的,这些逻辑单元/模块所实现的功能的组合才是解决本申请所提出的技决本申请所提出的技术问题关系不太密切的单元/模块引入,这并不表明上述设备实施例

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论