1.一种基于文本的自动出题方法,其特征在于,包括:
将UniLM模型中的解码器结构进行修改,添加潜在属性解码器,以基于UniLM模型以及潜在属性解码器构建问题生成模型;
生成对应问题选项的样本文本对应的特征向量;
基于所述特征向量确定所述样本文本中各个字符的目标属性,并基于所述目标属性训练生成预设问题,以利用标注预设问题和对应问题选项的样本文本训练所述问题生成模型,以使所述问题生成模型的训练结果符合预设训练标准;
基于目标文本提取出第一答案选项以及与所述第一答案选项关联的第二答案选项;
根据所述第一答案选项划分目标文本段;
将目标文本对应的目标文本段、第一答案选项以及第二答案选项输入至所述问题生成模型中,获取与所述第一答案选项匹配的目标问题;
输出所述目标问题,以及与所述目标问题对应的所述第一答案选项以及所述第二答案选项;
所述基于目标文本提取出第一答案选项以及与所述第一答案选项关联的第二答案选项,包括:提取所述目标文本中的各个命名实体,并利用各个所述命名实体构建答案候选集;
将所述答案候选集中各个所述命名实体分别确定为所述第一答案选项;
基于余弦相似度从所述答案候选集中筛选出预设数量个与所述第一答案选项关联的第二答案选项。
2.根据权利要求1所述的方法,其特征在于,所述确定所述样本文本中各个字符的目标属性,并基于所述目标属性训练生成预设问题,以利用标注预设问题和对应问题选项的样本文本训练所述问题生成模型,以使所述问题生成模型的训练结果符合预设训练标准,包括:利用所述问题生成模型中的编码器和解码器对所述特征向量进行学习,确定所述样本文本中各个字符的目标属性,并基于所述目标属性训练生成预设问题;
利用负对数似然对应的损失函数对所述问题生成模型的训练结果进行验证,当判定所述损失函数的计算结果小于预设阈值时,则判定所述问题生成模型的训练结果符合预设训练标准。
3.根据权利要求1所述的方法,其特征在于,所述基于余弦相似度从所述答案候选集中筛选出预设数量个与所述第一答案选项关联的第二答案选项,包括:利用词向量矩阵确定所述第一答案选项对应的第一词向量,以及所述答案候选集中其他各个命名实体对应的第二词向量;
利用余弦相似度算法计算所述第一词向量和所述第二词向量之间的相似度得分;
按照所述相似度得分大小从所述答案候选集中筛选出第一预设数量个第二答案选项。
4.根据权利要求1所述的方法,其特征在于,所述根据所述第一答案选项划分目标文本段,包括:对所述目标文本进行预处理,确定所述目标文本对应的句子集合;
在所述句子集合中筛选出包含所述第一答案选项的第一目标句子;
计算所述第一目标句子与所述句子集合中其他句子之间关于相同词语的召回分数;
基于所述召回分数大小从所述句子集合中筛选出第二预设数量个第二目标句子;
按照所述目标文本中的句子排列顺序,将所述第一目标句子和所述第二目标句子拼接为目标文本段。
5.根据权利要求4所述的方法,其特征在于,所述输出所述目标问题,以及与所述目标问题对应的所述第一答案选项以及所述第二答案选项,包括:将所述目标问题以及与所述目标问题对应的所述第一答案选项、所述第二答案选项,以选择题形式输出。
6.一种基于文本的自动出题装置,其特征在于,包括:
构建模块,用于将UniLM模型中的解码器结构进行修改,添加潜在属性解码器,以基于UniLM模型以及潜在属性解码器构建问题生成模型;
训练模块,用于生成对应问题选项的样本文本对应的特征向量;基于所述特征向量确定所述样本文本中各个字符的目标属性,并基于所述目标属性训练生成预设问题,以利用标注预设问题和对应问题选项的样本文本训练所述问题生成模型,以使所述问题生成模型的训练结果符合预设训练标准;
提取模块,用于基于目标文本提取出第一答案选项以及与所述第一答案选项关联的第二答案选项;
划分模块,用于根据所述第一答案选项划分目标文本段;
输入模块,用于将目标文本对应的目标文本段、第一答案选项以及第二答案选项输入至所述问题生成模型中,获取与所述第一答案选项匹配的目标问题;
输出模块,用于输出所述目标问题,以及与所述目标问题对应的所述第一答案选项以及所述第二答案选项;
所述提取模块具体用于:提取所述目标文本中的各个命名实体,并利用各个所述命名实体构建答案候选集;
将所述答案候选集中各个所述命名实体分别确定为所述第一答案选项;
基于余弦相似度从所述答案候选集中筛选出预设数量个与所述第一答案选项关联的第二答案选项。
7.一种非易失性可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现权利要求1至5中任一项所述的基于文本的自动出题方法。
8.一种计算机设备,包括非易失性可读存储介质、处理器及存储在非易失性可读存储介质上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1至5中任一项所述的基于文本的自动出题方法。