【技術實現步驟摘要】
本申請涉及智能生成模型，尤其是涉及一種基于aigc的考核考試出題模型的構建方法、出題方法以及出題系統。
技術介紹
1、在學校教學過程中，需要老師針對學生的能力和教學進度，定期進行考試考核，而考試所用的題目往往由老師親自編撰，或者可以采用往年試題對學生進行考核。
2、然而，重新出題極大程度的增加了老師的教學負擔，導致老師精力浪費在對學生的測試過程，而非對學生的實際教學；同時，不同老師的出題水平存在較大的差異，考核測試的質量往往難以達到最佳的測試目的。而采用往年試題進行測試，則存在試題數量有限，不利于對學生的多次考核，且學生也可以提前預習或者練習往年試題，從而事先了解考核測試的答案，從而無法真實評估學生對知識點的掌握程度。
3、現有技術中，為了減輕老師的出題負擔，采用了構建題庫，并可以智能組合題庫中的題目，完成對學生考核的測試題，同時，避免了測試題完全與往年題目完全相同，具有一定的隨機性。
4、然而，上述技術一方面，題目的隨機性非常依賴題庫構建豐富程度，需要長期和不斷更新題庫，以保證系統出題的有效性和多樣性。另一方面，出題過程還依賴老師對知識點的布局，題型搭配進行預設。
5、隨著chat-gpt大語言模型的發展，基于海量數據構建的chat-gpt大語言模型也能夠根據特定的需求自動生成測試題目。然而，大語言模型的泛用性和擬合度，需要海量的數據作為支持，而目前大語言模型的數據集來源十分廣泛和多樣，導致大語言模型自動生成的題目具有高度的泛用性，即可以自動生成全新的題目和題型；導致教師難以針對
技術實現思路
1、本申請的目的在于解決現有技術中傳統大語言模型用于考試考核出題針對性差，對算力和原始數據需求量大的問題，因此，本申請提供了一種基于aigc的考核考試出題模型的構建方法、出題方法以及出題系統；可以基于有限的數據訓練出能夠針對性出題的考核考試出題模型，一方面考核考試出題模型中的題干生成模型可以針對現有題目形成準確且邏輯合理的題目題干，并豐富題干的多樣性和變化性，另一方面，題目生成模型可以根據同一題干生成不同且豐富的題型，保證題型的多樣性和新穎性。從而在現有題庫有限的數據量下，結合教材庫的數據構建成考核考試出題模型，能夠針對特定的群體或者特定考核需求自動生成相關性極高的測試題目。
2、本申請實施例提供了一種基于aigc的考核考試出題模型的構建方法，包括：
3、s1、構建初始訓練庫；所述初始訓練庫包括現有題庫和教材庫
4、獲取現有題目內容存入所述現有題庫，其中題目內容包括選擇題型以及解答題型；
5、獲取教學內容，并對教學內容進行知識分類并存入所述教材庫；
6、s2、對初始訓練庫進行預處理，構建題干訓練庫，所述題干訓練庫包括題干數據庫和知識詞條庫；
7、對初始訓練庫中現有題庫的數據進行題干提取，構建第一題干詞條；將所述第一題干詞條存入所述題干數據庫；其中，所述第一題干詞條包括已知條件和求解結果；
8、對初始訓練庫中現有題庫的數據進行實體提取，獲得第一知識詞條，并對所述第一知識詞條標記對應的題型標簽；
9、對初始訓練庫中教材庫的數據進行實體提取，獲得第二知識詞條，并對所述第二知識詞條標記對應的知識分類標簽；
10、將所述第一知識詞條和所述第二知識詞條存入所述知識詞條庫；
11、s3、訓練題干生成模型；
12、基于所述題干訓練庫中的數據，通過訓練得到知識詞條與題干詞條聯系的題干生成模型，并通過所述題干生成模型生成第二題干詞條；其中，所述第二題干詞條包括已知條件和求解結果；
13、s4、訓練題目生成模型；
14、基于所述題干數據庫和所述初始訓練庫中的現有題庫中的數據，通過訓練得到題目生成模型；使得所述題目生成模型能夠根據所述第二題干詞條生成考核題目，且所述題目生成模型生成的考核題目題型與所述題目內容內容中的題型相同；
15、s5、組合所述題干生成模型和所述題目生成模型，構成所述考核考試出題模型。
16、采用上述技術方案，題干生成模型能夠基于題干數據庫中的第一題干詞條以及知識詞條庫中的知識詞條生成新的第二題干詞條；通過這一步能夠基于已有的現有題庫的數據，結合初始訓練庫中的教材庫內容，生成與教材庫中內容相對應的新的第二題干詞條；一方面，保證第二題干詞條的內容能夠與教材庫中的內容相匹配，保證最終生成題目符合教材庫內的范圍；另一方面，克服了現有題庫中第一題干詞條的數量限制，可以不斷生產新的第二題干詞條，避免相同題干的題目重復出現，保證最終生成題目能夠達到最佳的考核效果。
17、進一步的，單獨訓練題目生成模型，使得題目生成模型可以根據輸入的第二題干詞條生成不同題型的題目；從而極大程度豐富了考核考試出題模型出題題型的豐富性和靈活性。從而使得所述考核考試出題模型生成的考核題目能夠保持長期的新鮮感。
18、在一些實施例中，步驟s1中現有題目內容的獲取方式包括從歷年題目數據庫中獲取，以及由所述題目生成模型生成的被驗證后的題目；
19、所述選擇題型包括題目、答案、解題步驟以及干擾項；所述解答題型包括題目、答案以及解題步驟。
20、在一些實施例中，所述步驟s2中所述第一題干詞條的提取步驟如下：
21、基于自然語言處理技術，分別設置所述選擇題型的提取規則，以及所述解答題型的提取規則；對僅對所述題目和答案進行提取，獲得所述第一題干詞條；
22、以及，通過人工方式提取現有題目內容中的所述第一題干詞條；
23、并且，所述人工方式提取的所述第一題干詞條在所述題干數據庫中的占比大于20％。
24、采用上述技術方案，基于自然語言處理技術可以快速地從現有題庫中獲取大量的第一題干詞條，從而獲得豐富的第一題干詞條的數據，以便于題干生成模型能夠從豐富的數據中掌握題干詞條的生成規律；同時，利用人工的方式從現有題庫中獲取準確的第一題干詞條提取，從而使得題干生成模型可以基于準確的第一題干詞條，進行優化，提高題干生成模型的擬合程度。
25、在一些實施例中，所述步驟s2中所述知識詞條庫的構建步驟如下：
26、基于自然語言處理的句法分析技術，提取所述解題步驟中的實體詞匯，并組成所述第一知識詞條；
27、構建教材的知識圖譜，基于知識圖譜的關系和規則識別出所述教材庫中的知識點，并提取出所述第二知識詞條；
28、將所述第二知識詞條存入所述知識詞條庫；
29、存入所述第一知識詞條時，先匹配所述知識詞條庫中是否存在實體相似的第二知識詞條；若存在，則將所述第一詞條對應的題型標簽標記于對應相似的所述第二知識詞條；若不存在，則將所述第一知識詞條存入本文檔來自技高網...
【技術保護點】
1.一種基于AIGC的考核考試出題模型的構建方法，其特征在于，包括：
2.如權利要求1所述的基于AIGC的考核考試出題模型的構建方法，其特征在于：
3.如權利要求2所述的基于AIGC的考核考試出題模型的構建方法，其特征在于：
4.如權利要求2所述的基于AIGC的考核考試出題模型的構建方法，其特征在于：
5.如權利要求3所述的基于AIGC的考核考試出題模型的構建方法，其特征在于，所述步驟S3的步驟包括：
6.如權利要求5所述的基于AIGC的考核考試出題模型的構建方法，其特征在于，所述步驟S4的步驟包括：
7.如權利要求5所述的基于AIGC的考核考試出題模型的構建方法，其特征在于，所述步驟S4的步驟包括：
8.如權利要求2所述的基于AIGC的考核考試出題模型的構建方法，其特征在于，所述題目生成模型生成的題目的驗證過程包括：
9.一種采用基于AIGC的考核考試出題模型的出題方法，其特征在于，包括：
10.一種采用基于AIGC考核考試出題模型的出題系統，其特征在于，包括輸入模塊、生
...【技術特征摘要】
1.一種基于aigc的考核考試出題模型的構建方法，其特征在于，包括：
2.如權利要求1所述的基于aigc的考核考試出題模型的構建方法，其特征在于：
3.如權利要求2所述的基于aigc的考核考試出題模型的構建方法，其特征在于：
4.如權利要求2所述的基于aigc的考核考試出題模型的構建方法，其特征在于：
5.如權利要求3所述的基于aigc的考核考試出題模型的構建方法，其特征在于，所述步驟s3的步驟包括：
6.如權利要求5所述的基于aigc的考核...
【專利技術屬性】
技術研發人員：趙晨伊，伍翀，
申請(專利權)人：晶程甲宇科技上海有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。