基于结构化语义验证的竞赛题面自动改写与修正方法
本发明属于基于大语言模型的文本生成领域,尤其涉及一种基于结构化语义验证的竞赛题面自动改写与修正方法。
背景技术:
1、程序设计竞赛是计算机科学教育和算法研究的重要组成部分,被广泛应用于在线评测系统、程序设计教学以及算法能力训练等场景。竞赛题面(problem statement)用于描述问题背景、输入输出要求、约束条件以及求解目标,是连接问题设计者与求解者的重要媒介。
2、近年来,随着大语言模型技术的快速发展,自动生成与自动改写技术逐渐成为自然语言处理领域的重要研究方向。在程序设计竞赛领域,已有研究利用大语言模型根据现有题目自动生成新的算法题目,或者在保持部分约束条件的基础上生成具有不同算法结构的新问题,以扩充题库规模和训练数据。然而,此类研究主要关注算法逻辑层面的创新与变化,其目标通常是生成新的题目,而非对现有题面的叙述方式和背景场景进行改写。
3、对于竞赛题面改写任务而言,其目标是在保持原有算法逻辑、输入输出形式以及标准答案不变的前提下,对题目的背景场景、实体对象、叙述方式以及表达风格进行重构,从而生成新的题面描述。该类方法不仅能够用于数据增强和题库扩充,还能够避免用户通过题面背景直接联想到原始题目,提高题目改写的多样性和隐蔽性;另一方面,题面改写还能够为程序设计教育、智能出题以及算法题库建设提供技术支持,因此具有较高的研究价值和应用价值。
4、目前,针对竞赛题面改写的研究相对较少,现有方法大多采用大语言模型直接对原题面进行改写,即通过提示词引导模型生成新的背景故事和场景描述。由于缺少系统性的约束与质量控制机制,该类方法通常存在以下问题:
5、(1)改写不彻底。模型虽然修改了部分实体名称或背景故事,但仍然保留原题面中的大量表达方式和叙事结构,使得用户容易由改写后的题面联想到原始题目,降低了改写效果。
6、(2)语义逻辑不合理。在场景迁移过程中,模型可能生成不符合常识或不符合场景设定的描述。例如,将现实世界中的行为直接映射到不适合执行该行为的实体,或者生成与实体属性不匹配的操作,从而导致题面存在理解困难甚至逻辑错误。
7、(3)属性与关系表达不一致。模型在改写过程中可能引入新的实体属性、关系定义或约束条件,但未在题面中进行明确说明;或者前后文对于同一属性和关系采用不同表达方式,导致题意理解产生歧义。
8、(4)缺乏自动质量评估机制。现有方法通常依赖人工审核判断题面质量,不仅需要消耗大量时间和人力成本,而且难以应用于大规模自动化题面改写场景。
9、因此,如何在保持原有算法逻辑和标准答案不变的前提下,对改写后的题面进行自动化质量检查,发现其中存在的语义错误、逻辑冲突以及表达不一致问题,并进一步完成自动修正,成为当前竞赛题面自动改写领域亟需解决的技术问题。
技术实现思路
1、本发明所要解决的技术问题是,在保持原有算法逻辑、输入输出形式以及标准答案不变的前提下,实现竞赛题面的高质量自动改写,并自动发现和修复改写过程中产生的语义不一致问题,提高题面改写结果的逻辑一致性、场景合理性以及可理解性。为此,本发明提出一种基于结构化语义验证的竞赛题面自动改写与修正方法。
2、为了实现上述发明目的,本发明具体采用如下技术方案:
3、第一方面,本发明提供了一种基于结构化语义验证的竞赛题面自动改写与修正方法,包括如下步骤:
4、s1.获取待进行改写的原始竞赛题面,所述原始竞赛题面为待求解的计算题目对应的文本描述;基于大语言模型对原始竞赛题面进行结构化语义解析,从原始竞赛题面的背景描述中抽取关键语义信息,生成包含节点集合和边集合的原始逻辑图;
5、s2.获取预先构建好的双图数据库,所述双图数据库中存储的每个数据均包含对应相同候选竞赛题面的候选逻辑图与场景关系图,所述场景关系图用于为原始竞赛题面的改写提供背景参考;
6、s3.通过一种结构-语义联合建模的图相似度检索方法,在双图数据库中检索与原始逻辑图结构、语义均相似的多个候选逻辑图作为参考逻辑图,并将与参考逻辑图对应的场景关系图作为参考场景图;
7、s4.通过提示工程约束大语言模型在保持计算题目原有算法逻辑、输入输出形式、求解目标以及标准答案不变的前提下,先基于原始竞赛题面、原始逻辑图以及参考场景图,生成新的场景图并作为改写场景图,再基于原始竞赛题面、原始逻辑图以及改写场景图,生成与改写场景图对应的新的竞赛题面并作为改写后的竞赛题面;
8、s5.针对改写后的竞赛题面,大语言模型首先生成多个验证问题组成的结构化验证问题集合,再对每个验证问题进行回答,获得对应的回答结果,而后根据回答结果判断改写后的竞赛题面是否存在缺陷,若不存在缺陷,则直接输出改写后的竞赛题面,若存在缺陷,则由大语言模型对改写后的竞赛题面进行修正,最后输出修正后不存在缺陷的竞赛题面。
9、在上述方案基础上,各步骤可以采用如下优选的具体方式实现。
10、作为上述第一方面的优选,s1步骤中,所述节点集合包括变量节点、资源节点、约束节点和概念语义节点共四类节点,每个节点用于表示一个语义实体;所述边集合中的边用于表示节点之间的逻辑关联关系。
11、作为上述第一方面的优选,所述变量节点用于表示从原始竞赛题面中提取出的输入变量;所述资源节点用于表示原始竞赛题面中可量化的资源对象;所述约束节点用于表示算法执行过程中必须满足的规则、限制条件以及判断条件,所述算法用于求解所述计算题目;所述概念语义节点用于表示原始竞赛题面的求解目标、关键事件以及算法终止条件。
12、作为上述第一方面的优选,s2步骤中,将s1中的原始竞赛题面替换为候选竞赛题面,按s1的方法生成候选逻辑图,再将该候选竞赛题面输入大语言模型进行结构化语义解析,抽取候选竞赛题面的背景信息,生成与该候选逻辑图对应的场景关系图,该场景关系图以人物、地点、物体、事件作为节点、以节点间关联关系作为边。
13、作为上述第一方面的优选,s3步骤中,通过结构-语义联合建模的图相似度检索方法,检索候选逻辑图的过程如下:
14、s31.将原始逻辑图中的节点属性和边属性拼接成一个文本串,将候选逻辑图中节点属性和边属性拼接成另一个文本串,将一个候选逻辑图的文本串作为文档,由所有候选逻辑图的文本串作为语料库,使用tf-idf对所有候选逻辑图的文本串和原始逻辑图的文本串进行向量化表征,以计算原始逻辑图与各个候选逻辑图之间的余弦相似度,将余弦相似度计算结果作为候选逻辑图的语义相似度得分;
15、s32.将原始逻辑图对应的集合和候选逻辑图对应的集合之间的jaccard相似度计算结果作为候选逻辑图的结构相似度得分;其中,两个集合包含的内容相同,均由逻辑关联关系类型、关系强度、节点度、两跳路径、各节点类型对应的节点数量组成;
16、s33.将语义相似度得分与结构相似度得分加权求和,以计算候选逻辑图的综合相似度得分,将综合相似度得分最高的top-k个候选逻辑图作为参考逻辑图,并从双图数据库中读取与参考逻辑图对应的场景关系图;其中,k为检索出的候选逻辑图数量。
17、作为上述第一方面的优选,s5步骤的具体过程如下:
18、s51.将改写后的竞赛题面输入大语言模型,通过提示工程约束大语言模型围绕对改写后的竞赛题面中涉及的实体信息、实体属性、实体关系、约束条件以及求解目标进行自动分析,构建结构化验证问题集合;
19、s52.将改写后的竞赛题面与结构化验证问题集合共同输入大语言模型,对于每个验证问题,大语言模型依据改写后的竞赛题面中的现有描述给出对应的回答结果;
20、s53.大语言模型逐项分析回答结果,以判断改写后的竞赛题面中存在的逻辑错误缺陷、语义冲突缺陷、定义缺失缺陷、关系不一致缺陷和/或表达歧义缺陷;
21、s54.当不存在缺陷时,大语言模型直接输出改写后的竞赛题面;当存在缺陷时,大语言模型输出包含缺陷内容描述及缺陷产生原因描述的判断结果,并在保持计算题目原有算法逻辑、输入输出形式、求解目标以及标准答案不变的前提下,由大语言模型基于该判断结果,对改写后的竞赛题面中存在的缺陷进行修正,生成修正后的竞赛题面;
22、s55.使用修正后的竞赛题面代替改写后的竞赛题面,重复执行s52~s54,直至修正后的竞赛题面不存在缺陷。
23、作为上述第一方面的优选,s51步骤中,所述结构化验证问题集合中的验证问题包括:
24、实体相关验证问题,用于验证改写后的竞赛题面中的实体是否定义明确且符合改写场景图设定;
25、属性相关验证问题,用于验证改写后的竞赛题面中的实体属性是否与原始竞赛题面保持一致;
26、关系相关验证问题,用于验证改写后的竞赛题面中的实体关系是否正确表达;
27、约束相关验证问题,用于验证改写后的竞赛题面中的约束条件是否完整且无歧义;
28、目标相关验证问题,用于验证改写后的竞赛题面中的求解目标是否表达清晰。
29、第二方面,本发明提供了一种计算机程序产品,包括计算机程序/指令,该计算机程序/指令被处理器执行时,能实现如上述第一方面任一项方案所述的基于结构化语义验证的竞赛题面自动改写与修正方法。
30、第三方面,本发明提供了一种计算机可读存储介质,所述存储介质上存储有计算机程序,当所述计算机程序被处理器执行时,实现如上述第一方面任一方案所述的基于结构化语义验证的竞赛题面自动改写与修正方法。
31、第四方面,本发明提供了一种计算机电子设备,其包括存储器和处理器;
32、所述存储器,用于存储计算机程序;
33、所述处理器,用于当执行所述计算机程序时,实现如上述第一方面任一方案所述的基于结构化语义验证的竞赛题面自动改写与修正方法。
34、本发明相对于现有技术而言,具有以下有益效果:
35、本发明方法相比于传统直接利用提示词进行竞赛题面改写的方法,其通过引入逻辑图结构化建模机制,能够将竞赛题面中的核心算法逻辑、约束条件以及求解目标进行显式表示,从而有效降低改写过程中算法逻辑发生偏移的风险,提高题面题面改写结果的稳定性和一致性。
36、本发明进一步构建双图数据库,并利用检索技术获取与原题逻辑结构、语义相近的参考逻辑图,通过参考场景图引导竞赛题面改写过程,实现从原始场景向新场景的语义迁移,避免大语言模型直接进行自由场景生成,提高场景改写的丰富性和多样性。
37、此外,本发明提出基于结构化语义验证的问题驱动检查机制,能够更加稳定地发现竞赛题面中的逻辑错误、语义冲突以及表达不一致缺陷,实现缺陷的自动定位和分析。进一步结合issue驱动的定向修正机制,实现竞赛题面质量的自动优化,从而提高竞赛题面自动改写的整体质量和自动化程度。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com