BioIntro - 生物信息学导论题库

基于 Transformer 语义检索与知识驱动的智能题库生成系统

项目概述

BioIntro 是一个针对《生物信息学导论》课程的知识驱动题库系统，结合以下核心算法：

• Transformer 语义嵌入：使用 Sentence-Transformers 模型进行深层语义检索
• 多路混合检索：BM25 (24%) + TF-IDF (18%) + RapidFuzz (12%) + Semantic (38%) + Type Bonus (8%)
• 图像近邻文字摘取：从 PPTX 幻灯片中提取图像关联的标题、正文与备注文字
• 风格驱动生成：基于旧题风格匹配，利用相似度打分机制生成新题

五大知识板块

板块	知识条目	来源
引言及基因组信息学	411	6 个 PPTX
转录组信息学	213	4 个 PPTX
蛋白组信息学	186	4 个 PPTX
生物分子网络	77	1 个 PPTX
计算机辅助药物发现	75	2 个 PPTX

项目结构

BioIntro/
├── functions/synquest/          # 核心 Python 模块
│   ├── knowledge_loader.py      # 多格式知识源加载与归一化
│   ├── question_engine.py       # 混合检索 + 风格驱动题目生成
│   ├── figure_track.py          # 图像题独立流水线
│   └── cli.py                   # 命令行接口
├── scripts/
│   ├── build_question_bank.py   # 从 previous.docx 构建题库
│   ├── build_knowledge_base.py  # 从 PPTX 幻灯片提取知识库
│   └── sync_generated_to_biointro.py  # 归一化与合并生成题
├── example/                     # GitHub Pages 静态站点
│   ├── index.html               # 首页
│   ├── practice.html            # 答题与生成页
│   ├── reader.html              # 知识阅读页
│   ├── assets/                  # CSS + JS
│   └── data/                    # 题库与知识库 JSON
├── setup.py                     # Python 包配置
└── requirements.txt             # 依赖

快速开始

# 安装依赖
pip install -r requirements.txt

# 从幻灯片构建知识库
python scripts/build_knowledge_base.py

# 从旧题文档构建题库
python scripts/build_question_bank.py

# 使用 CLI 生成新题
python -m synquest synthesize \
  --kb example/data/knowledge-base/biointro-core.json \
  --style-bank example/data/question-bank.json \
  --count 20 --seed 42

核心算法

知识抽取

• OOXML ZIP 解析：直接解析 PPTX/DOCX 的 XML 结构
• 标题占位符检测：识别幻灯片标题 vs 正文
• 重复指纹去重：消除重复幻灯片
• 关键词加权提取：标题 ×3、摘要 ×2、正文 ×1

题目生成

• BM25 检索：Jieba 分词后的词汇级检索
• TF-IDF 相似度：n-gram 向量化 + 余弦相似度
• RapidFuzz 模糊匹配：token_set_ratio 提示去重
• Semantic Embedding：Sentence-Transformer 语义嵌入检索
• 答案签名匹配：数值/命令/缩写/短语分类，确保选项一致性

质量过滤

• 提示长度检查
• OCR 噪声检测
• 焦点主题有效性验证
• 选项签名兼容性过滤

环境要求

• Python >= 3.9（开发环境 3.12.2）

Python 依赖

包名	最低版本	用途
jieba	>= 0.42.1	中文分词，用于 BM25 索引构建与关键词提取
rank-bm25	>= 0.2.2	BM25Okapi 词汇级检索
rapidfuzz	>= 3.0.0	模糊字符串匹配，用于提示去重与相似度评分
scikit-learn	>= 1.4	TF-IDF 向量化 + 余弦相似度计算
sentence-transformers	>= 5.1.2	（可选）Transformer 语义嵌入检索
markitdown	>= 0.1.5	多格式文档转 Markdown（DOCX / PDF / PPTX 等）

安装全部依赖：

pip install -r requirements.txt

GitHub Pages

访问 https://starry-49.github.io/BioIntro/ 体验在线题库。

License

MIT License - Copyright (c) 2026 Starry-49