买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：吉林省元启科技有限公司

摘要：本发明公开了一种基于树状解析编码的在线学习系统答案判别方法，通过树状解析编码+孪生LSTM神经网络的方法，实现了输入内容式试题答案的计算机算法判断，具有较高的准确度和即时的判断响应速度，从而帮助在线学习系统的试题形式能够更加贴近真实线下练习场景，帮助使用者获得更好的学习效果。同时本发明采用的方法具有不断迭代以逼近全覆盖的精准应对某个应用场景的优化能力，从而有力支持在线学习系统提供优质的学习辅助服务。与现有的发送答题数据给人工审核的方式相比，响应速度更及时，成本更低。与现有的将内容输入式习题改为选择形式习题，以及仅能通过简单形式判断结果的方式相比，能够适应更为广泛的习题形式。

主权项：1.一种基于树状解析编码的在线学习系统答案判别方法，其特征在于，通过树状解析编码+孪生LSTM神经网络的方法，实现输入内容式试题答案的计算机算法判断，方法包括以下步骤：步骤一：将数学科目的答案形式进行收集并形成初始数据集，将初始数据集分为训练数据集和测试数据集，训练数据和测试数据均包括比较项和被比较项，为比较项和被比较项标注是否为相同含义，相同为1，不相同为0；步骤二：将数据集所有比较项和被比较项的表达式进行树状解构及编码，所述树状解构指的是树状路径信息中包含了该比较项或被比较项位置信息，所述编码则是指将树状解构结果的末端节点的路径、节点类型、本身数值表示为一串已经拆分的编码数据，末端节点的路径为元素本身或元素经过运算所形成，从而将所需比较的数据转化为神经网络所能处理的输入数据格式；步骤三：根据步骤二中的编码结果，应用孪生LSTM神经网络进行训练数据的学习过程；步骤三中孪生LSTM神经网络的过程为：对句子进行编码后，首先定义embedding_layer作为输入层和LSTM层的映射层，将输入的句子编码映射为数据块向量列表作为LSTM层的输入；两个LSTM的输出拼接后作为全连接层的输入，经过Dropout和BatchNormalization正则化，最终输出结果进行训练；步骤四：从训练数据集中随机获取5％作为验证数据集，保存训练过程中验证集上效果最好的参数，最终对测试数据集进行预测；步骤五：在测试用户使用过程中，如果遇到有错误的判断结果，则将该判断结果对应的数据按照步骤一的标注方法补充到训练数据集及测试数据集；步骤六：利用补充后的数据集按照步骤一到步骤五进行算法模型的迭代更新。

全文数据：

权利要求：

百度查询： 吉林省元启科技有限公司 一种基于树状解析编码的在线学习系统答案判别方法