tujintao/physics_repeat_check @ b739ee875f06e46de7f7bd404091554d2b2c4892

Aucune description

tujintao b739ee875f 知识点映射配置修改		il y a 10 mois
__pycache__	f7370b266f README完善	il y a 10 mois
logs	2dbd23b419 revise	il y a 1 an
main_clear	b3dd34355a revise	il y a 10 mois
model_data	b739ee875f 知识点映射配置修改	il y a 10 mois
README.md	9077d165b4 revise	il y a 10 mois
comparison.py	b739ee875f 知识点映射配置修改	il y a 10 mois
comprehensive_score.py	b739ee875f 知识点映射配置修改	il y a 10 mois
config.py	b739ee875f 知识点映射配置修改	il y a 10 mois
data_preprocessing.py	13a1d22664 新增多维度分类	il y a 10 mois
db_train_app.py	f7370b266f README完善	il y a 10 mois
dim_classify.py	f7370b266f README完善	il y a 10 mois
dim_classify_app.py	9464a79ecd revise	il y a 10 mois
formula_process.py	6d60a081d1 revise	il y a 1 an
guc_conf.py	dca9c3b06b revise	il y a 1 an
hm_ir_train_app.py	b715bceb22 公式搜索	il y a 1 an
hnsw_app.py	13a1d22664 新增多维度分类	il y a 10 mois
hnsw_model.py	780b7f61f8 revise	il y a 1 an
hnsw_model_train.py	6d60a081d1 revise	il y a 1 an
hnsw_retrieval.py	f7370b266f README完善	il y a 10 mois
info_retrieval.py	6d60a081d1 revise	il y a 1 an
ir_db_establish.py	17e398a7ce revise	il y a 1 an
log_config.py	dca9c3b06b revise	il y a 1 an
physical_quantity_extract.py	13a1d22664 新增多维度分类	il y a 10 mois
restart_server.py	13a1d22664 新增多维度分类	il y a 10 mois
retrieval_app.py	13a1d22664 新增多维度分类	il y a 10 mois
retrieval_monitor.py	13a1d22664 新增多维度分类	il y a 10 mois
server_start.sh	17e398a7ce revise	il y a 1 an
setup.py	6d60a081d1 revise	il y a 1 an
word_segment.py	6d60a081d1 revise	il y a 1 an

考试院查重文档说明:

初始化方式：

注：若keyword_mapping.json不存在，则首先运行 python comparison.py # 计算知识点/物理量映射ID

python db_train_app.py # mongodb数据清洗与向量化/计算物理量/知识点转ID/计算求解类型

python hm_ir_train_app.py # hnsw模型/关键词检索/公式查重模型初始化

启动方式：

1、全部功能重启命令

conda activate dup_search
python restart_server.py

2、部分功能重启命令

conda activate dup_search
python restart_server.py 0/1/2/3

其中：

0表示重启考试院题库查重功能

1表示重启考试院题库HNSW模型检索功能

2表示重启多维度(求解类型/难度)分类模型功能

3表示重启服务监控功能

查重功能主要分三个部分（公式查重、关键词检索、文本查重、语义查重）：

〇、数据初始化

config.py: 基础配置信息，包含数据库地址、调用接口地址、日志初始化配置、相似度阈值等
main_clear/sci_clear.py: 数据清洗模块
data_preprocessing.py: 数据预处理代码，包含数据清洗、字段数据拼接、数据向量化等
hnsw_model_train.py: 初始化训练HNSW模型

一、公式查重

formula_process: 公式规则抽取、训练词袋模型和计算题库所有公式向量

二、关键词检索

word_segment.py: 文档分词功能
ir_db_establish.py: 构建倒排索引并将结果存入sqlite数据库
info_retrieval.py: 使用BM25算法进行关键词检索打分排序

三、文本查重

hnsw_retrieval.py: HNSW召回、文本相似查重、语义相似查重
hnsw_model.py: HNSW模型加载保存以及查操作
hnsw_app: 全学科题库查重接口服务

四、语义查重

dim_classify.py: 求解类型分类/难度分类
dim_classify_app.py: 求解类型分类/难度分类服务
physical_quantity_extract: 物理量规则提取
comprehensive_score.py: 题型/求解类型/难度/物理量/知识点打分规则

README.md