以检索方式寻找相似习题

当学生在习题上出错时，他们可以通过具有相同的概念、目的和方法的“相似习题”来巩固。通常，对于某一学科和学习阶段，习题库规模在数百万甚至数千万量级，如何为给定习题找到相似习题成为一个关键的技术问题。一般而言，我们可以为习题标注多种显式标签，然后通过标签查询，但标签标注耗时、费力且成本高昂，精度与粒度有限，因此不可行。在实践中，我们将“相似习题”定义为基于召回、排序与重排序流程寻找一组相似习题的检索过程，称为 FSE 问题（Finding similar exercises，寻找相似习题）。此外，通过表示学习获得了习题语义信息的综合表示。除合理的架构外，我们还从预训练与监督学习角度探究了何种任务更有助于习题语义信息的学习。相似习题标注困难且专家间标注一致性低。因此本文也提供了解决低质量标注数据问题的方案。与其他方法相比，本文在架构合理性与算法精度上均具有明显优势，现已服务于数百所学校的日常教学。