本发明涉及人工神经网络技术领域，具体提供一种基于人工神经网络的智能出题方法及系统。
背景技术：
自然语言处理(nlp)是信息时代最重要的技术之一，理解复杂的语言是人工智能的重要组成部分。自然语言处理的应用无处不在，人们用语言进行大部分沟通：网络搜索，广告，电子邮件，客户服务，语言翻译，发布学报告等等。大部分自然语言处理问题可以归入四类任务：即序列标注、分类任务、句子关系判断和生成式任务等。
对于给定的段落文字，若要生成一些题目对阅读者进行考察测验，一般经人工阅读解析后，根据人的理解得到若干选择、填空、简答等题目，若能通过智能生成的方法，将有效提高出题效率，且保证题目相关性和覆盖率，具有较好的前景。
技术实现要素：
本发明的技术任务是针对上述存在的问题，提供一种能够提升题目生成效率，保证题目相关性和覆盖率，解放人力，可用于对信息学习者的快速考察及深入理解，并可省去人工校准机制，提高信息掌握与巩固过程的效率的基于人工神经网络的智能出题方法。
本发明进一步的技术任务是提供一种基于人工神经网络的智能出题系统。
为实现上述目的，本发明提供了如下技术方案：
一种基于人工神经网络的智能出题方法，包括填空题目、选择题目、简答题目的生成及题目的生成对抗优化，利用人工神经网络进行自然语言语义提取，抽取文字特征，生成与段落内容密切相关的多形式题目。
该基于人工神经网络的智能出题方法能够提升题目生成效率，保证题目相关性和覆盖率，解放人力，可用于对信息学习者的快速考察及深入理解。通过生成对抗方式完善出题质量，可省去人工校准机制，同时可对简单题目的作答进行正误判断，进一步提高信息掌握与巩固过程的效率。
作为优选，该方法具体包括以下步骤：
s1、填空题目生成：使能人工神经网络a，训练输入为一段文字及基于该段文字的填空题目，经过训练得到人工神经网络a，对新输入的一段文字，生成填空题目；
s2、选择题目生成：使能人工神经网络b，训练输入为一段文字及基于该段文字的选择题目，经过训练得到人工神经网络b，对新输入的一段文字，生成选择题目；
s3、简单题目生成：使能人工神经网络c，训练输入为一段文字及基于该段文字的简答题目，经过训练得到人工神经网络c，对新输入的一段文字，生成简单题目；
s4、采用生成对抗优化填空题目和选择题目。
所述人工神经网络a、人工神经网络b和人工神经网络c，训练输入为一段文字，即一维线性不定长序列，采用膨胀卷积方法捕获同一卷积层长距离特征，采用残差网络加深模型深度，采用不同位置不同权重卷积代替池化操作，以减少语义影响较小的副词介词等对完整语句的影响，同时避免语义关键信息被神经网络滤除，采用多层反卷积方式得到最终语句生成。
作为优选，步骤s1中，生成填空题目为提取段落文字的重点语句，识别句子中各语义词性及对整段文字语义影响的重要程度，表示出关键字，使句子变成空缺语句，得出填空题目及标准答案。
作为优选，步骤s2中，生成选择题目为提取段落文字的重点语句，识别句子中各部分不同语义，划分词性，标识出关键字，并生成三组词性相关、语义相近的新关键词，一同作为选择题目选项，得出选择题目及标准答案。
作为优选，步骤s3中，生成简答题目为对全文进行语义提取，标记整段文字主旨语义，按照训练集中题目方式进行语言组合，得出针对该段文字的简单题目。
作为优选，步骤s4中，使能人工神经网络d和人工神经网络e，输入为上述人工神经网络a和人工神经网络b的输出，针对一段文字生成的填空题目和选择题目，经过模型迭代计算，由所述人工神经网络d和人工神经网络e推理出填空题目和选择题目的答案，并将答案送入人工神经网络a和人工神经网络b，经判断后微调所述人工神经网络a和人工神经网络b的模型参数，优化填空题目和选择题目语义表达。
一种基于人工神经网络的智能出题系统，该系统包括填空题目生成模块、选择题目生成模块、简答题目生成模块及填空题目和选择题目优化模块；
填空题目生成模块使能人工神经网络a，训练输入为一段文字及基于该段文字的填空题目，经过训练得到人工神经网络a，对新输入的一段文字，生成填空题目；
选择题目生成模块使能人工神经网络b，训练输入为一段文字及基于该段文字的选择题目，经过训练得到人工神经网络b，对新输入的一段文字，生成选择题目；
简答题目生成模块使能人工神经网络c，训练输入为一段文字及基于该段文字的简答题目，经过训练得到人工神经网络c，对新输入的一段文字，生成简单题目；
填空题目和选择题目优化模块采用生成对抗优化填空题目和选择题目。
填空题目生成模块中，生成填空题目为提取段落文字的重点语句，识别句子中各语义词性及对整段文字语义影响的重要程度，表示出关键字，使句子变成空缺语句，得出填空题目及标准答案。
选择题目生成模块中，生成选择题目为提取段落文字的重点语句，识别句子中各部分不同语义，划分词性，标识出关键字，并生成三组词性相关、语义相近的新关键词，一同作为选择题目选项，得出选择题目及标准答案。
简答题目生成模块中，生成简答题目为对全文进行语义提取，标记整段文字主旨语义，按照训练集中题目方式进行语言组合，得出针对该段文字的简单题目。
作为优选，填空题目和选择题目优化模块使能人工神经网络d和人工神经网络e，输入为上述人工神经网络a和人工神经网络b的输出，针对一段文字生成的填空题目和选择题目，经过模型迭代计算，由所述人工神经网络d和人工神经网络e推理出填空题目和选择题目的答案，并将答案送入人工神经网络a和人工神经网络b，经判断后微调所述人工神经网络a和人工神经网络b的模型参数，优化填空题目和选择题目语义表达。
与现有技术相比，本发明的基于人工神经网络的智能出题方法具有以下突出的有益效果：该基于人工神经网络的智能出题方法，利用人工神经网络进行自然语言语义提取，能够快速有效抽取文字特征，生成与段落内容密切相关的多形式题目，提升题目生成效率，保证题目相关性和覆盖率，解放人力，可用于对信息学习者的快速考察及深入理解。通过生成对抗方式完善出题质量，可省去人工校准机制，同时可对简单题目的作答进行正误判断，进一步提高信息掌握与巩固过程的效率，具有良好的推广应用价值。
具体实施方式
下面将结合实施例，对本发明的基于人工神经网络的智能出题方法及系统作进一步详细说明。
实施例
本发明的基于人工神经网络的智能出题方法，包括填空题目、选择题目、简答题目的生成及题目的生成对抗优化，利用人工神经网络进行自然语言语义提取，抽取文字特征，生成与段落内容密切相关的多形式题目。
具体包括以下步骤：
s1、填空题目生成：使能人工神经网络a，训练输入为一段文字及基于该段文字的填空题目，经过训练得到人工神经网络a，对新输入的一段文字，生成填空题目。
生成填空题目为提取段落文字的重点语句，识别句子中各语义词性及对整段文字语义影响的重要程度，表示出关键字，使句子变成空缺语句，得出填空题目及标准答案。
s2、选择题目生成：使能人工神经网络b，训练输入为一段文字及基于该段文字的选择题目，经过训练得到人工神经网络b，对新输入的一段文字，生成选择题目。
生成选择题目为提取段落文字的重点语句，识别句子中各部分不同语义，划分词性，标识出关键字，并生成三组词性相关、语义相近的新关键词，一同作为选择题目选项，得出选择题目及标准答案。
s3、简单题目生成：使能人工神经网络c，训练输入为一段文字及基于该段文字的简答题目，经过训练得到人工神经网络c，对新输入的一段文字，生成简单题目。
生成简答题目为对全文进行语义提取，标记整段文字主旨语义，按照训练集中题目方式进行语言组合，得出针对该段文字的简单题目。
人工神经网络a、人工神经网络b和人工神经网络c，训练输入为一段文字，即一维线性不定长序列，采用膨胀卷积方法捕获同一卷积层长距离特征，采用残差网络加深模型深度，采用不同位置不同权重卷积代替池化操作，以减少语义影响较小的副词介词等对完整语句的影响，同时避免语义关键信息被神经网络滤除，采用多层反卷积方式得到最终语句生成。
s4、采用生成对抗优化填空题目和选择题目。
使能人工神经网络d和人工神经网络e，输入为上述人工神经网络a和人工神经网络b的输出，针对一段文字生成的填空题目和选择题目，经过模型迭代计算，由所述人工神经网络d和人工神经网络e推理出填空题目和选择题目的答案，并将答案送入人工神经网络a和人工神经网络b，经判断后微调所述人工神经网络a和人工神经网络b的模型参数，优化填空题目和选择题目语义表达。
本发明的基于人工神经网络的智能出题系统，该系统包括填空题目生成模块、选择题目生成模块、简答题目生成模块及填空题目和选择题目优化模块；
填空题目生成模块使能人工神经网络a，训练输入为一段文字及基于该段文字的填空题目，经过训练得到人工神经网络a，对新输入的一段文字，生成填空题目。
选择题目生成模块使能人工神经网络b，训练输入为一段文字及基于该段文字的选择题目，经过训练得到人工神经网络b，对新输入的一段文字，生成选择题目。
简答题目生成模块使能人工神经网络c，训练输入为一段文字及基于该段文字的简答题目，经过训练得到人工神经网络c，对新输入的一段文字，生成简单题目。
填空题目和选择题目优化模块采用生成对抗优化填空题目和选择题目。
填空题目生成模块中，生成填空题目为提取段落文字的重点语句，识别句子中各语义词性及对整段文字语义影响的重要程度，表示出关键字，使句子变成空缺语句，得出填空题目及标准答案。
选择题目生成模块中，生成选择题目为提取段落文字的重点语句，识别句子中各部分不同语义，划分词性，标识出关键字，并生成三组词性相关、语义相近的新关键词，一同作为选择题目选项，得出选择题目及标准答案。
简答题目生成模块中，生成简答题目为对全文进行语义提取，标记整段文字主旨语义，按照训练集中题目方式进行语言组合，得出针对该段文字的简单题目。
填空题目和选择题目优化模块使能人工神经网络d和人工神经网络e，输入为上述人工神经网络a和人工神经网络b的输出，针对一段文字生成的填空题目和选择题目，经过模型迭代计算，由所述人工神经网络d和人工神经网络e推理出填空题目和选择题目的答案，并将答案送入人工神经网络a和人工神经网络b，经判断后微调所述人工神经网络a和人工神经网络b的模型参数，优化填空题目和选择题目语义表达。
以上所述的实施例，只是本发明较优选的具体实施方式，本领域的技术人员在本发明技术方案范围内进行的通常变化和替换都应包含在本发明的保护范围内。