[发明专利]基于神经网络解答语法填空题的方法、装置和终端设备

权利要求书

1.基于神经网络解答语法填空题的方法，其特征在于，包括：

获取包含语法填空题的英文文本；

判断所述包含语法填空题的英文文本的解题类型；

若判断出待解答的填空题是带有第一类提示词的填空题，则按照预设的英文单词的词形变化规则，确定与第一类提示词相对应的至少一组候选答案，其中，所述第一类提示词是指能够通过使用预设的语法规则生成对应的候选答案的提示词；

或者，若判断出待解答的填空题是带有第二类提示词的填空题，则将第二类提示词，与预先获取的辞典中的词表相比对，根据比对结果，确定与第二类提示词相对应的至少一组候选答案，其中，所述第二类提示词是指无法通过预设的语法规则直接变形的单词；

基于所述神经网络，获得所述候选答案中每个候选答案是正确答案的概率，筛选出概率大于预设阈值的候选答案，作为正确答案。

2.根据权利要求1所述的方法，其特征在于，所述获取包含语法填空题的英文文本，包括：

获取带有提示词的填空题，和/或

获取不带有提示词的填空题。

3.根据权利要求2所述的方法，其特征在于，所述判断所述包含语法填空题的英文文本的解题类型的步骤之后，还包括：

若判断出待解答的填空题是不带有提示词的填空题，则将预先统计出的至少一组高频词汇，作为与所述不带有提示词的填空题相对应的候选答案。

4.根据权利要求1或3所述的方法，其特征在于，所述神经网络模型通过如下步骤进行训练：

输入多组英文单词样本、符号样本以及答案样本；

生成表征英文单词样本、符号样本及答案样本的特征向量；

输入所述特征向量，利用预设的算法，计算并输出表征英文单词样本、符号样本之间的对应关系集合；

基于所述答案样本与所述对应关系集合训练所述神经网络模型，所述神经网络模型输出所述对应关系集合与所述答案样本之间的相关度。

5.根据权利要求4所述的方法，其特征在于，所述生成表征英文单词样本、符号样本及答案样本的特征向量，包括：

通过查询预先获得的词向量表，建立所述英文单词样本、答案样本与所述词向量表之间的映射关系，所述词向量表是指用于表征英文单词样本、答案样本与实数的向量之间的映射关系的表；

根据所述映射关系，确定每个所述英文单词样本、答案样本的单词向量；确定出符号样本中可表征空格的空格向量。

6.根据权利要求5所述的方法，其特征在于，所述输入所述特征向量，利用预设的算法，计算并输出表征英文单词样本、符号样本之间的对应关系集合，包括：

根据所述单词向量，利用预设的算法，将多个所述单词向量相融合，获得融合后的可表征所述填空题的多维特征向量；

建立所述多维特征向量与空格特征向量之间的对应关系集合。

7.根据权利要求1所述的方法，其特征在于，

在所述获取包含语法填空题的英文文本之后，还包括，展示所述英文文本；

在从所述候选答案中筛选出正确答案之后，还包括，展示所述正确答案。

8.基于神经网络解答语法填空题的装置，其特征在于，包括：

文本获取模块，用于获取包含语法填空题的英文文本；

解题类型判断模块，用于判断所述包含语法填空题的英文文本的解题类型；

第一生成子模块，用于若判断出待解答的填空题是带有第一类提示词的填空题，则按照预设的英文单词的词形变化规则，确定与第一类提示词相对应的至少一组候选答案，其中，所述第一类提示词是指能够通过使用预设的语法规则生成对应的候选答案的提示词；

第二生成子模块，用于若判断出待解答的填空题是带有第二类提示词的填空题，则将第二类提示词，与预先获取的辞典中的词表相比对，根据比对结果，确定与第二类提示词相对应的至少一组候选答案，其中，所述第二类提示词是指无法通过预设的语法规则直接变形的单词；

正确答案筛选模块，用于基于所述神经网络，获得所述候选答案中每个候选答案是正确答案的概率，筛选出概率大于预设阈值的候选答案，作为正确答案。