本发明涉及教育数字化，具体是指一种基于抽象语法树的试卷题目拆分方法及装置。
背景技术：
：：1、随着教育信息化的深入发展，将纸质试卷、word文档、pdf文件等形式的考试内容快速、准确地转换为结构化数据，成为教育数字化进程中的重要环节。传统的方法如人工录入、扫描后ocr识别等，存在工作量大、效率低、易出错等问题，难以满足大规模、高效率的试卷处理需求。因此，开发一种自动化、智能化的试卷题目拆分方法显得尤为重要。技术实现思路1、本发明针对现有技术中试卷内容数字化处理存在的效率低、易出错等问题，提出了一种基于抽象语法树(ast)的试卷题目拆分方法及装置。该方法通过自动化解析试卷内容，将其转换为结构化的数据格式，有效提高了试卷处理的效率和准确性。2、具体的，本发明提供的技术方案为：一种基于抽象语法树的试卷题目拆分方法及装置，包括以下步骤：3、s1、读取、解析原始素材，并转换为html片段；4、s1.1、word文档以段落为单位转换为p标签；5、s1.2、加粗转换为b标签，斜体转换为i标签，下划线转为u标签，表格转为table标签；字体、字号要素存入span标签的style属性；6、s1.3、“编号”按照word格式规则，转化在对应的文字序号；7、s1.4、内嵌图片转为并保持为图片文件，在hmtl片段中用img标签加以引用；8、s1.5、内嵌ole对象，提取ole对象的图片并保存为图片文件，并在html片段中用img标签加以引用；9、s1.6、内嵌公式转化在latex格式，并作为span标签的data-latex自定义属性值；10、s1.7、pdf文档先转化在word文档，按照word文档规则转换；11、s1.8、纸质资料使用ocr技术转换为文字版，并以行为单位组织内容，将行转化在p标签；12、s2、逐个解析上述转换中生成的p标签，并提取纯文本内容并剔除前后空格后，转换为方法所需token；13、s2.1、前n行且内容包含“期末测验”，“期中测验”，“质量检测”，“月考”关键信息的内容，标记为titletoken；14、s2.2、能够匹配正则表达式“^[一二三四五六七八九十]+、”，标记为sectiontoken；15、s2.3、能够匹配正则表达式“^(？p<no>\d+)[{dot_space}]+.*”，标记为questiontoken；16、s2.4、能够匹配正则表达式“([a-z][..])+”，标记为optiontoken；17、s2.5、能够匹配正则表达式“([【]？答案[:|\s|】])(.*)”，标记为answertoken；18、s2.6、能够匹配正则表达式“^([【]？解析|详解[:|\s|】])(.*)”，标记为analysistoken；19、s2.7、能够匹配正则表达式20、“^(？p<start>[{left_parenthesis}]？)(？p<no>\d+)(？p<end>[{right_parenthesis}]+)(？p<conten t>.*)”，标记为subquestion token；21、s2.8、前n行且内容包含“阅卷”，“得分”，“绝密★启用前”，“考号:”，“考试范围”，“考试时间”，“注意事项”信息，标注为，ignore token；22、s2.9、以上均不匹配，则标记为普通文本texttoken；23、s3、将上述步骤生成的tokens，采用逐个转化在抽象语法树；24、s3.1、读取到sectiontoken节点，则执行分节转换算法：25、s3.1.1、读取下一个节点，直到下一个节点不是texttoken；26、s3.1.2、将读取到的所有text节点，按顺序存入secitontoken.children中；27、s3.1.3、读取下一个节点，直到下一个节点不是questiontoken；28、s3.1.4、将读取到的questiontoken节点，按顺序存入sectiontoken.cildren中；29、s3.1.5、将sectiontoken子节点children中的text节点，插入第一个quesitontoken.chidlren的位置0处；此步骤称为文本下推，可将附加材料转入题目题干；30、s3.2、读取到questiontoken标记，则执行题目转换为算法：31、s3.2.1、读取下一个节点，直到下一个节点不是texttoken；32、s3.2.2、将读取到的所有text节点，按顺序存入question.chidlren；33、s3.2.3、读取下一个节点，直到下一个节点不是optiontoken；34、s3.2.4、将读取到所有的optiontoken节点中，一行多个选项分别拆解出来，按顺序存入question.children；35、s3.2.5、下一个节点是answertoken或analysistoken，存入quesiton.children；36、s3.2.6、下一个节点是subquestiontoken，则检查当前quesiton.children中小题标记符号，符合相同时按照按照questiontoken在类似算法解析小题，并存入quesion.chilren；小题符号不同，则转换为texttoken后，存入当前token.children中；37、s3.3、读取第ignoretoken标记，则跳过该token；38、s4、采用前序遍历遍历上述语法树，生成结构化题目信息；39、s4.1、sectiontoken节点，直接遍历其children节点；40、s4.2、questiontoken节点处理方法：41、s4.2.1、筛选children中所有texttoken，组织为题干；42、s4.2.2、筛选children中所有optiontoken，组织为选项；43、s4.2.3、筛选children中所有subquestiontoken，作为当前题目的小题；按照quesitontoken处理方法，处理小题的题干、选项、答案；44、s4.2.4、筛选children中answertoken作为题目参考答案；45、s4.2.5、筛选children中analysistoken作为题目解析；46、s4.2.6、将生成的结构化数据，存入结果列表。47、本发明与现有技术相比的优点在于：1)高效性：通过自动化解析和转换，大大减少了人工干预，提高了试卷内容处理的效率；48、2)准确性：采用正则表达式等精确匹配技术，确保了对试卷内容的准确分类和标记，减少了错误率49、3)灵活性：支持多种格式的原始素材输入(如word文档、pdf文档、纸质资料等)，具有较强的适应性和灵活性；50、4)结构清晰：通过构建抽象语法树，实现了对试卷内容的层次化、结构化表示，便于后续的处理和分析；51、5)易于维护：本发明的方法和装置结构清晰、逻辑简单，易于维护和扩展。当前第1页12当前第1页12
技术特征：1.一种基于抽象语法树的试卷题目拆分方法及装置，其特征在于包括以下步骤：
技术总结本发明公开了一种基于抽象语法树的试卷题目拆分方法及装置，包括以下步骤：S1、读取、解析原始素材，并转换为HTML片段；S2、逐个解析上述转换中生成的p标签，并提取纯文本内容并剔除前后空格后，转换为方法所需Token；S3、将上述步骤生成的Tokens，采用逐个转化在抽象语法树；S4、采用前序遍历遍历上述语法树，生成结构化题目信息。本发明与现有技术相比的优点在于：高效性、准确性、灵活性、结构清晰、易于维护。
技术研发人员：苑旭,张珈鸣,赵铭瑾,陆志向
受保护的技术使用者：河北习知软件科技有限公司
技术研发日：技术公布日：2024/12/17
