基于知识点的专业文本可解释评阅研究

发布时间：2021-04-27 04:57

　　随着无纸化考试的推广,许多国家级专业考试改为网络考试,专业主观题的自动评阅能够辅助优化评阅过程,提高评阅效率,避免因主观因素导致的评阅标准偏差,对于维护国家考试的权威性和公正性具有重要意义。专业文本智能评阅问题面临诸多挑战。从文本理解角度,现有方法主要采用基于大规模语料库的词向量和深度网络模型,解决语义歧义问题。但是专业文本不仅包含大量专业概念,还包含数字公式等不同形式,这些词汇和公式的意义只有在具体上下文环境中才有明确含义,难以在统一的语义空间预训练数字和运算符的语义向量,使得兼顾语义和逻辑推理的文本理解更加困难。从模型角度,为了保证评阅过程的公平性,需要在给出专业文本评阅结果的同时提供打分依据,对评阅模型的可解释性有高要求,这是深度学习模型的共同挑战之一。从数据角度,应用场景的特殊性使得可供模型学习的数据只有专家预评阅阶段的少量标注样本,训练数据的缺乏对于以数据为支撑的深度学习过程增加了困难。针对以上挑战,本文研究有参考答案的专业文本可解释评阅问题,主要贡献如下:（1）针对论证类专业文本,提出了基于互注意力机制的可解释评阅模型。采用双向循环神经网络和最大池化策略,建立基于词序列和句... 

【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校

【文章页数】：83 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
    1.2 问题描述
    1.3 本文贡献
    1.4 论文组织结构
第2章 相关工作
    2.1 无参考答案的主观题评阅
    2.2 有参考答案的主观题评阅
        2.2.1 基于词汇匹配度的评阅
        2.2.2 基于句法的评阅
        2.2.3 基于语义本体的评阅
        2.2.4 基于词向量及神经网络的评阅
第3章 论证类专业文本可解释评阅
    3.1 实例分析
    3.2 基于互注意力机制的论证类文本评阅模型
        3.2.1 模型框架
        3.2.2 文本预处理
        3.2.3 基于BiLSTM的句子语义特征抽取
        3.2.4 基于互注意力机制的知识点匹配
        3.2.5 基于知识点的可解释评阅
        3.2.6 多任务联合学习
    3.3 数据集与评价指标
    3.4 对比方法
    3.5 实验结果及分析
        3.5.1 模型性能比较
        3.5.2 模型结构分析
        3.5.3 评阅结果的可解释分析
        3.5.4 评阅结果实例分析
        3.5.5 模型知识迁移分析
    3.6 小结
第4章 计算分析类专业文本可解释评阅
    4.1 实例分析
    4.2 基于专业概念-计算结果匹配机制的计算分析类文本评阅模型
        4.2.1 模型框架
        4.2.2 文本预处理
        4.2.3 专业概念和计算结果的映射关系学习
        4.2.4 基于CNN的专业概念和计算结果的语义特征抽取
        4.2.5 基于专业概念-计算结果匹配机制的可解释评阅
        4.2.6 多任务联合学习
    4.3 数据集与评价指标
    4.4 对比方法
    4.5 实验结果及分析
        4.5.1 模型性能比较
        4.5.2 模型结构分析
        4.5.3 评阅结果的可解释分析
        4.5.4 模型知识迁移分析
    4.6 小结
第5章 结论与展望
    5.1 结论
    5.2 展望
参考文献
致谢
攻读学位期间发表的主要学术论文
攻读学位期间参与的科研项目
学位论文评阅及答辩情况表


【参考文献】：
期刊论文
[1]语句相似度计算在主观题自动批改技术中的初步应用[J]. 高思丹,袁春风.  计算机工程与应用. 2004(14)

硕士论文
[1]专业主观题自动评阅关键技术研究和应用[D]. 冯姝桦.山东大学 2019
[2]基于汉语依存句法分析的主观题自动评分研究[D]. 赵白玉.湖南大学 2012
[3]基于文本相似度计算的主观题自动阅卷技术研究[D]. 张添一.东北师范大学 2011



本文编号：3162812