本申請涉及數(shù)據(jù)處理領(lǐng)域，尤其涉及一種基于人工智能的教育評價目標(biāo)數(shù)據(jù)處理方法以及系統(tǒng)。

背景技術(shù)：

1、在教育領(lǐng)域，隨著教育信息化的不斷深入，教育評價數(shù)據(jù)的處理與分析變得日益重要。傳統(tǒng)的教育評價方法往往依賴于人工閱讀和匯總大量的評價文本，這一過程不僅耗時費力，而且容易受到主觀因素的影響，導(dǎo)致評價結(jié)果的準(zhǔn)確性和一致性難以保證。為了提升評價效率和質(zhì)量，近年來，越來越多的教育機(jī)構(gòu)和研究機(jī)構(gòu)開始探索利用信息技術(shù)和人工智能手段進(jìn)行自動化教育評價?，F(xiàn)有的基于人工智能的教育評價數(shù)據(jù)處理方法仍存在一些局限性。一方面，由于教育評價文本通常包含大量的信息，且這些信息在文本中的分布具有隨機(jī)性，直接對整個文本進(jìn)行識別往往難以準(zhǔn)確捕捉到所有關(guān)鍵信息點，特別是那些分散在不同段落中的細(xì)節(jié)信息。另一方面，現(xiàn)有的方法往往采用統(tǒng)一的識別策略處理整個文本，忽略了不同段落間信息的差異性和重要性，導(dǎo)致信息提取的精度和效率不高。

技術(shù)實現(xiàn)思路

1、有鑒于此，本申請?zhí)峁┮环N基于人工智能的教育評價目標(biāo)數(shù)據(jù)處理方法以及系統(tǒng)。本申請的技術(shù)方案是這樣實現(xiàn)的：

2、一方面，本申請?zhí)峁┮环N基于人工智能的教育評價目標(biāo)數(shù)據(jù)處理方法，所述方法包括：對教育評價文本進(jìn)行感興趣分布密度序列預(yù)估，得到所述教育評價文本的感興趣分布密度序列，其中，所述感興趣分布密度序列表征所述教育評價文本中的感興趣信息的散布情況，所述感興趣分布密度序列預(yù)估包括多次程度不同的濾波采樣；對所述感興趣分布密度序列進(jìn)行信息分箱，得到所述感興趣分布密度序列中的多個分箱信息段落；根據(jù)所述多個分箱信息段落對所述教育評價文本進(jìn)行截取，得到各自對應(yīng)的多個教育評價子文本，其中，每個所述教育評價子文本包括多個所述感興趣信息；

3、對每個所述教育評價子文本和所述教育評價文本逐一進(jìn)行感興趣信息識別，得到與每個所述教育評價子文本和所述教育評價文本各自對應(yīng)的第一感興趣信息識別結(jié)果；將每個所述第一感興趣信息識別結(jié)果進(jìn)行合并，得到與所述教育評價文本對應(yīng)的第二感興趣信息識別結(jié)果。

4、另一方面，本申請?zhí)峁┮环N計算機(jī)系統(tǒng)，包括存儲器和處理器，所述存儲器存儲有可在處理器上運行的計算機(jī)程序，所述處理器執(zhí)行所述程序時實現(xiàn)以上方法中的步驟。

5、本申請的有益效果至少包括：本申請?zhí)峁┑幕谌斯ぶ悄艿慕逃u價目標(biāo)數(shù)據(jù)處理方法及系統(tǒng)，采用對感興趣分布密度序列分箱得到的分箱信息段落，在教育評價文本中截取得到教育評價子文本進(jìn)行識別，這樣一來，相較于識別未處理的教育評價文本的不同段落分別進(jìn)行識別，可以更準(zhǔn)確識別教育評價文本中的細(xì)節(jié)信息，將第一感興趣信息識別結(jié)果作為教育評價文本的第二感興趣信息識別結(jié)果的補(bǔ)充，克服了因為感興趣信息在教育評價文本中的分布隨機(jī)性導(dǎo)致信息提取不準(zhǔn)確的問題，換言之，本申請的方案中，針對感興趣信息的提取更加精準(zhǔn)，防止信息遺漏。

技術(shù)特征：

1.一種基于人工智能的教育評價目標(biāo)數(shù)據(jù)處理方法，其特征在于，所述方法包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對所述教育評價文本進(jìn)行感興趣分布密度序列預(yù)估，得到所述教育評價文本的感興趣分布密度序列，包括：

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)所述教育評價文本使用優(yōu)化好的感興趣分布密度序列預(yù)估算法進(jìn)行感興趣分布密度序列預(yù)估，得到所述教育評價文本的感興趣分布密度序列，包括：

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對所述感興趣分布密度序列進(jìn)行信息分箱，得到所述感興趣分布密度序列中的多個分箱信息段落，包括：

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述不同粒度的隱式表示通過共享算子執(zhí)行獲得，所述共享算子包括特征提煉模塊、組成方式相同的不少于一個第一共享分支算子和不少于一個第二共享分支算子；所述第一共享分支算子和所述第二共享分支算子均具有多個按序連接的階段模塊；

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述根據(jù)所述特征提煉結(jié)果使用所述第一共享分支算子中的多個按序連接的階段模塊進(jìn)行階段處理，得到所述第一共享分支算子中每個階段模塊的階段處理結(jié)果，包括：

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述階段模塊包括基準(zhǔn)階段模塊和移動階段模塊；所述根據(jù)所述第一共享分支算子的第s階段處理結(jié)果使用所述第一共享分支算子中的第s+1階段模塊進(jìn)行階段處理，得到所述第一共享分支算子的第s+1階段處理結(jié)果，包括：

8.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述基準(zhǔn)階段模塊包括基準(zhǔn)框、規(guī)范化單元和前向神經(jīng)單元；所述根據(jù)所述第一共享分支算子的第s階段處理結(jié)果使用所述第一共享分支算子中的第s+1基準(zhǔn)階段模塊進(jìn)行階段處理，得到所述第一共享分支算子的第s+1基準(zhǔn)階段處理結(jié)果，包括：

9.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述初階感興趣信息識別是采用相同架構(gòu)的不少于一個第一多粒度特征表示算法和不少于一個第二多粒度特征表示算法執(zhí)行得到，所述第一多粒度特征表示算法的數(shù)量等于所述第一共享分支算子的數(shù)量，所述第二多粒度特征表示算法的數(shù)量等于所述第二共享分支算子的數(shù)量；所述對所述多個粒度不同的隱式表示進(jìn)行初階感興趣信息識別，得到與每個所述粒度的隱式表示對應(yīng)的初階感興趣信息識別結(jié)果，包括：

10.一種計算機(jī)系統(tǒng)，包括存儲器和處理器，所述存儲器存儲有可在處理器上運行的計算機(jī)程序，其特征在于，所述處理器執(zhí)行所述程序時實現(xiàn)權(quán)利要求1至9任一項所述方法中的步驟。

技術(shù)總結(jié)
本申請?zhí)峁┮环N基于人工智能的教育評價目標(biāo)數(shù)據(jù)處理方法以及系統(tǒng)，采用對感興趣分布密度序列分箱得到的分箱信息段落，在教育評價文本中截取得到教育評價子文本進(jìn)行識別，這樣一來，相較于識別未處理的教育評價文本的不同段落分別進(jìn)行識別，可以更準(zhǔn)確識別教育評價文本中的細(xì)節(jié)信息，將第一感興趣信息識別結(jié)果作為教育評價文本的第二感興趣信息識別結(jié)果的補(bǔ)充，克服了因為感興趣信息在教育評價文本中的分布隨機(jī)性導(dǎo)致信息提取不準(zhǔn)確的問題，換言之，本申請的方案中，針對感興趣信息的提取更加精準(zhǔn)，防止信息遺漏。

技術(shù)研發(fā)人員：胡文清,李靜宜,李必飛,陳文芯,呂佳利,楊圣云,鄒啟新
受保護(hù)的技術(shù)使用者：深圳云卷科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6