中文主观题智能评阅方法研究

发布时间：2023-04-11 21:50

　　主观题作为目前考试中经常出现的一种试题类型,因为其答案形式的多样性和内容的复杂性,使得智能化的主观题评阅技术还不成熟,仍然需要阅卷人来评阅。然而,人工评阅不能确保评阅结果的客观性和公平公正性。所以进行中文主观题智能评阅方法的研究,从而实现一个性能较好且适用的评阅系统是具有一定的现实意义。本文在中文主观题智能评阅方法研究中的主要内容有:首先,搭建了一种改进的基于动态语义编码双向LSTM的中文语义相似度计算模型。模型采用编码器-解码器神经网络框架结构。编码器使用传统的双向LSTM神经网络,解码器则使用带有动态语义编码的双向LSTM神经网络。模型以句子对词向量作为输入,输出值为这对句子对的相似度值。通过在不同类型的数据集上进行验证,改进的模型在中文句子对相似性预测中表现良好。其次,研究生成句子对的策略,用于生成参考答案和学生答案的句子对。主要方法是使用自然语言处理技术对主观题试题、参考答案和学生答案进行文本预处理、提取关键词和短语。根据试题中提取的关键词确定试题考察的知识点范畴,并确定参考答案中的得分点。先对句子间的关键词和短语进行关键信息相似度计算,匹配出一种情况下的句子对,再通过搭建的神...

【文章页数】：57 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 课题背景及研究的目的和意义
    1.2 国内外研究现状
        1.2.1 主观题智能评阅技术的研究
        1.2.2 基于深度学习的自然语言处理技术的研究
    1.3 本文主要研究内容
    1.4 本文组织结构
    1.5 本章小结
第2章 中文主观题文本处理的相关技术
    2.1 文本预处理相关技术
        2.1.1 分句
        2.1.2 分词
        2.1.3 关键信息提取
    2.2 词汇表示相关技术
    2.3 相似度计算相关技术
    2.4 本章小结
第3章 基于神经网络的中文语义相似度计算方法研究
    3.1 任务定义
    3.2 基础神经网络简介
    3.3 基于动态语义编码双向LSTM的中文语义相似度计算
        3.3.1 dysBiLSTM-EncDec模型框架
        3.3.2 动态语义编码规则
        3.3.3 带有动态语义编码的LSTM基本单元
    3.4 实验评估
        3.4.1 数据集
        3.4.2 实验设置及评估标准
        3.4.3 实验结果及分析
    3.5 本章小结
第4章 中文主观题智能评阅方法
    4.1 主观题数据收集
    4.2 主观题存储方式和处理
        4.2.1 存储方式
        4.2.2 试题题目处理
        4.2.3 答案文本处理
        4.2.4 句子对生成及处理
    4.3 评分算法
    4.4 实验评估
        4.4.1 参数选择
        4.4.2 算法验证
    4.5 本章小结
第5章 中文主观题智能评阅方法的应用
    5.1 系统框架及开发环境
    5.2 数据库设计
    5.3 系统功能及模块简介
        5.3.1 学生功能模块
        5.3.2 教师功能模块
    5.4 评阅结果分析
    5.5 本章小结
第6章 结论
    6.1 结论
    6.2 论文中提出的新方法和新思路
致谢
参考文献
作者简介
攻读硕士学位期间研究成果



本文编号：3789813