[发明专利]融合概念依赖关系的相似习题检索方法及系统

权利要求书

1.一种融合概念依赖关系的相似习题检索方法，其特征在于，包括：

获取习题对应的内容、概念以及概念之间的依赖关系，并构建包含概念依赖关联图、概念习题关联图，以及习题内容关联图的多层图，多层图中的节点包括内容节点、概念节点以及习题节点；

通过初始化获得多层图中每一节点的初始向量表示；

通过多层注意力融合层更新每一节点的向量表示，第一层输入为初始向量表示，输出的更新后的向量表示作为下一层的输入，最后一层输出每一节点的最终向量表示，并提取出习题节点的最终向量表示；每一层中：当前概念节点结合概念依赖关联图与概念习题关联图中相关概念节点与习题节点的向量表示，利用注意力机制计算当前概念节点更新后的向量表示；当前内容节点，结合内容关联图中相关习题节点的向量表示，利用注意力机制计算当前内容节点更新后的向量表示；当前习题节点结合概念习题关联图与习题内容关联图中相关概念节点与内容节点的向量表示，利用注意力机制计算当前习题节点更新后的向量表示；

对于待检索的习题，分别计算其习题节点的最终向量表示与其他每一习题的习题节点的最终向量表示的相似度，根据相似度大小对其他习题做降序排列生成检索结果。

2.根据权利要求1所述的一种融合概念依赖关系的相似习题检索方法，其特征在于，所述多层图表示为：

G＝{KG∪KEG∪ECG}

其中，G表示多层图；KG表示由概念节点以及概念之间的依赖关系组成的概念依赖图；KEG表示由习题节点、概念节点及二者关联关系组成的概念习题关联图，ECG表示由习题节点、内容节点及二者关联关系组成的习题-内容关联图。

3.根据权利要求1所述的一种融合概念依赖关系的相似习题检索方法，其特征在于，所述通过初始化获得多层图中每一节点的初始向量表示包括：

对于概念节点与习题节点，利用嵌入层将相关节点的独热向量转换为具有密集值的向量，作为对应节点的初始向量表示；

对于包含文本和图像的内容节点，利用带注意力机制的长短期记忆，将文本中的不同部分与不同图像相关联，得到统一的语义表示，并作为内容节点的初始向量表示。

4.根据权利要求1所述的一种融合概念依赖关系的相似习题检索方法，其特征在于，所述每一层中：

对于当前概念节点，结合概念依赖关联图中包含的依赖关系与输入的概念节点的向量表示，利用节点级注意力机制计算依赖聚合信息；结合概念习题关联图中对应的习题节点的向量表示，计算出来自习题节点的影响；结合依赖聚合信息与来自习题节点的影响，利用层级注意力机制计算当前概念节点更新后的向量表示；

对于当前内容节点，结合内容关联图中相关习题节点的向量表示，利用层级注意力机制计算当前内容节点更新后的向量表示；

对于当前习题节点，结合概念习题关联图中相关概念节点的向量表示，利用节点级注意力机制计算聚合向量，再结合习题内容关联图中相关内容节点的向量表示，利用层级注意力机制计算当前习题节点更新后的向量表示。