技术摘要：
本申请涉及一种实体标记方法、装置、计算机设备和存储介质。其中，该方法包括：响应于被测试者终端触发的自然拼读测试请求，将包含自然拼读试题的第一测试数据发送至被测试者终端；接收被测试者终端发送的音频数据和拼写信息并保存；将音频数据和拼写信息，以及包含自  全部
背景技术：
早在2012年谷歌公司就推出了基于人工智能的知识图谱技术，随着计算机处理能 力的增强和数据资源的增长，知识图谱作为一种数据分析和决策支持的手段，被越来越多 地广泛应用，如搜索引擎、商品推荐、自动问答等。 知识图谱技术在教育领域，也引起了各界的广泛关注。我国《新一代人工智能发展 规划》特别强调，“要研究知识图谱构建与学习、知识演化与推理等关键技术，要构建覆盖数 亿级知识实体的多元、多学科、多数据源的知识图谱”。 目前教育领域中一个尝试性的应用，就是学科知识图谱。简单来说学科知识图谱 中是由计算机可以理解并存储的知识点实体以及它们之间关系而组成的知识库。知识点实 体之间的关系具有明确的顺序、包含和指向关系，依据此语义关系建立的知识体系能够为 教师、学生等在教学、学习、评价等方面提供支持。 近年来，教育领域越来越强调“以学生为中心”的教学理念，而如何评测学生对于 知识的真实掌握状况，仍是学校、教师及学生和家长面临的难题。如果能够基于学科知识图 谱，借助于设备的教育数据采集，记录学生在作业、练习、考试等各个环节的数据，同时结合 机器学习分析技术，不仅能以知识图谱的形式可视化展示学生知识点的掌握程度，也可以 为教师的进一步教学提供了帮助和指导。 在目前英语学科中，自然拼读作为英语阅读的基础能力，被越来越多的家庭和学 校所重视。作为一种有效奠定英语阅读能力的学习方法，自然拼读让英语学习者通过学习 音素与字母或字母组合一一对应关系，进而能够做到看到单词拼写后随即主动判断单词发 音，大大提高阅读的准确性和效率。 如何精准判断学生在学习过程中自然拼读能力的掌握情况？传统的方式是通过被 测试者在规定时间内完成纸质试卷上的测试题目，进而由测试者为其打分的方式来实现自 然拼读的能力测试。这种形式的缺点，不仅仅在于纸笔考试为教师在组卷、评分、分析上过 度依赖于教材资源或主观经验，而且单一的分数维度也不能为学生和老师展示具体知识点 的掌握程度，及与之相关的先序知识点的情况，更不能让测试为将来的精准化教学、个性化 学习等提供数据上的参考，导致测试的准确度较低，并且基于传统方式测试效率也难以得 到有效提升。
技术实现要素：
基于此，有必要针对上述技术问题，提供一种能够提高测试准确度以精准判断学 生在学习过程中自然拼读能力情况的实体标记方法、装置、计算机设备和存储介质。 一种实体标记方法，所述方法包括： 6 CN 111597305 A 说　明　书 2/19 页 响应于被测试者通过被测试者终端触发的自然拼读测试请求，将包含自然拼读试 题的第一测试数据发送至所述被测试者终端，以使所述测试者终端展示所述自然拼读试 题；其中，所述自然拼读试题包括发音试题和拼写试题； 接收所述被测试者终端发送的音频数据并保存，其中，所述音频数据为所述被测 试者根据所述发音试题进行发音测试时通过录音获得； 接收所述被测试者终端发送的拼写信息并保存，其中，所述拼写信息为所述被测 试者根据所述拼写试题进行拼写测试时在所述被测试者终端中所输入的信息； 将所述音频数据和所述拼写信息，以及包含自然拼读试题和答案的第二测试数据 发送至测试者终端，并接收所述测试者终端上传的所述自然拼读试题中每道试题的测试结 果；所述测试结果包括结果正确和结果错误； 根据所述自然拼读试题关联的标签，在预设的自然拼读知识图谱中选择与所述标 签匹配的自然拼读知识实体；其中，所述自然拼读知识实体包括知识块实体、级别实体、测 试类型实体和试题类型实体，所述知识块实体包含至少一个知识点实体； 根据所述每道试题的测试结果，对匹配的自然拼读知识实体添加颜色标识，将包 含所述颜色标识的自然拼读知识图谱确定为所述被测试者的用户画像，并通过所述被测试 者终端展示所述用户画像。 一种实体标记方法，所述方法包括： 响应于被测试者通过被测试者终端触发的自然拼读测试请求，将包含自然拼读试 题的第一测试数据发送至所述被测试者终端，以使所述测试者终端展示所述自然拼读试 题； 接收所述被测试者终端发送的音频数据和拼写信息并保存，其中，所述音频数据 和拼写信息为所述被测试者根据所述自然拼读试题进行自然拼读测试时获得； 将所述音频数据和所述拼写信息，以及包含自然拼读试题和答案的第二测试数据 发送至测试者终端，并接收所述测试者终端上传的所述自然拼读试题中每道试题的测试结 果； 根据所述自然拼读试题关联的标签，在预设的自然拼读知识图谱中选择与所述标 签匹配的自然拼读知识实体； 根据所述每道试题的测试结果，对匹配的自然拼读知识实体添加颜色标识，将包 含所述颜色标识的自然拼读知识图谱确定为所述被测试者的用户画像，并通过所述被测试 者终端展示所述用户画像。 一种自然拼读的测试装置，所述装置包括： 测试数据发送模块，用于响应于被测试者通过被测试者终端触发的自然拼读测试 请求，将包含自然拼读试题的第一测试数据发送至所述被测试者终端，以使所述测试者终 端展示所述自然拼读试题；其中，所述自然拼读试题包括发音试题和拼写试题； 音频数据接收模块，用于接收所述被测试者终端发送的音频数据并保存，其中，所 述音频数据为所述被测试者根据所述发音试题进行发音测试时通过录音获得； 拼写信息接收模块，用于接收所述被测试者终端发送的拼写信息并保存，其中，所 述拼写信息为所述被测试者根据所述拼写试题进行拼写测试时在所述被测试者终端中所 输入的信息； 7 CN 111597305 A 说　明　书 3/19 页 测试结果确定模块，用于将所述音频数据和所述拼写信息，以及包含自然拼读试 题和答案的第二测试数据发送至测试者终端，并接收所述测试者终端上传的所述自然拼读 试题中每道试题的测试结果；所述测试结果包括结果正确和结果错误； 匹配模块，用于根据所述自然拼读试题关联的标签，在预设的自然拼读知识图谱 中选择与所述标签匹配的自然拼读知识实体；其中，所述自然拼读知识实体包括知识块实 体、级别实体、测试类型实体和试题类型实体，所述知识块实体包含至少一个知识点实体； 标识添加模块，用于根据所述每道试题的测试结果，对匹配的自然拼读知识实体 添加颜色标识，将包含所述颜色标识的自然拼读知识图谱确定为所述被测试者的用户画 像，并通过所述被测试者终端展示所述用户画像。 在其中一个实施例中，所述装置还包括： 图谱校正模块，用于获取预设时段内被测试者的历史测试数据；将所述历史测试 数据输入所述训练好后的图谱校正神经网络模型，得到校正后的自然拼读知识图谱；利用 所述校正后的自然拼读知识图谱替换所述自然拼读知识图谱。 一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理 器执行所述计算机程序时实现以下步骤： 响应于被测试者通过被测试者终端触发的自然拼读测试请求，将包含自然拼读试 题的第一测试数据发送至所述被测试者终端，以使所述测试者终端展示所述自然拼读试 题；其中，所述自然拼读试题包括发音试题和拼写试题； 接收所述被测试者终端发送的音频数据并保存，其中，所述音频数据为所述被测 试者根据所述发音试题进行发音测试时通过录音获得； 接收所述被测试者终端发送的拼写信息并保存，其中，所述拼写信息为所述被测 试者根据所述拼写试题进行拼写测试时在所述被测试者终端中所输入的信息； 将所述音频数据和所述拼写信息，以及包含自然拼读试题和答案的第二测试数据 发送至测试者终端，并接收所述测试者终端上传的所述自然拼读试题中每道试题的测试结 果；所述测试结果包括结果正确和结果错误； 根据所述自然拼读试题关联的标签，在预设的自然拼读知识图谱中选择与所述标 签匹配的自然拼读知识实体；其中，所述自然拼读知识实体包括知识块实体、级别实体、测 试类型实体和试题类型实体，所述知识块实体包含至少一个知识点实体； 根据所述每道试题的测试结果，对匹配的自然拼读知识实体添加颜色标识，将包 含所述颜色标识的自然拼读知识图谱确定为所述被测试者的用户画像，并通过所述被测试 者终端展示所述用户画像。 一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执 行时实现以下步骤： 响应于被测试者通过被测试者终端触发的自然拼读测试请求，将包含自然拼读试 题的第一测试数据发送至所述被测试者终端，以使所述测试者终端展示所述自然拼读试 题；其中，所述自然拼读试题包括发音试题和拼写试题； 接收所述被测试者终端发送的音频数据并保存，其中，所述音频数据为所述被测 试者根据所述发音试题进行发音测试时通过录音获得； 接收所述被测试者终端发送的拼写信息并保存，其中，所述拼写信息为所述被测 8 CN 111597305 A 说　明　书 4/19 页 试者根据所述拼写试题进行拼写测试时在所述被测试者终端中所输入的信息； 将所述音频数据和所述拼写信息，以及包含自然拼读试题和答案的第二测试数据 发送至测试者终端，并接收所述测试者终端上传的所述自然拼读试题中每道试题的测试结 果；所述测试结果包括结果正确和结果错误； 根据所述自然拼读试题关联的标签，在预设的自然拼读知识图谱中选择与所述标 签匹配的自然拼读知识实体；其中，所述自然拼读知识实体包括知识块实体、级别实体、测 试类型实体和试题类型实体，所述知识块实体包含至少一个知识点实体； 根据所述每道试题的测试结果，对匹配的自然拼读知识实体添加颜色标识，将包 含所述颜色标识的自然拼读知识图谱确定为所述被测试者的用户画像，并通过所述被测试 者终端展示所述用户画像。 上述实体标记方法、装置、计算机设备和存储介质，通过测试者终端、被测试者终 端以及服务器的交互完成整个测试流程并给出反映测试结果的基于自然拼读知识图谱的 用户画像，达到线上测试的目的，有利于提高测试准确度，进而精准判断出学生拼读和拼写 能力，同时可以在测试规模较大时，有效提升测试效率。其次测试过程中采用录音、拼写等 易于被测试者操作的方式，可操作性强，不会额外增加被测试者的测试负担，并且可实现远 程、延时、不限人次的测试。再者采用发音测试和拼写测试等多个维度的测试类型，能够更 全面地对被测试者的自然拼读能力水平进行测试，提高测试的准确性。又者通过为自然拼 读知识图谱添加颜色标识，使得所得到的用户画像能够更直观地反映出被测试者的自然拼 读能力水平，可视化效果更直观且准确，有利于用户快速分辨自然拼读知识点是否已掌握。 另外采用为试题打标签的方式，可保证每一知识点对应试题统计的准确性，进而提高测试 的可信性。 附图说明 图1为一个实施例中实体标记方法的应用环境图； 图2为一个实施例中实体标记方法的流程示意图； 图3为一个实施例中根据每道试题的测试结果，对匹配的自然拼读知识实体添加 颜色标识的补充方案的流程示意图； 图4为一个实施例中通过大数据自动修正评分阈值的流程示意图； 图5为一个实施例中根据每道试题的测试结果以及每道试题关联的知识点标签生 成测试报告并展示的流程示意图； 图6为一个实施例中使用人工智能技术的深度强化学习模型自动完善知识图谱结 构的流程示意图； 图7为另一个实施例中实体标记方法的流程示意图； 图8为一个实施例中实体标记装置的结构框图； 图9为一个实施例中计算机设备的内部结构图。