短答案自动评分方法研究

发布时间：2024-04-13 06:14

　　随着人工智能及大数据技术的快速发展,以其为支撑的智慧教育模式逐渐成为教育信息化发展的主流和学术界的研究热点。自动评分是智慧教育领域的一项重要内容,针对此研究已经有学者提出很多解决方法,但这些方法普遍不能较好适应于面向主观题的短答案自动评分。同时,随着各类在线考试越来越多,其中针对短答案的人工评分工作也越来越繁重,如果能用计算机自动完成这一项工作,不仅可以大大节省教师的阅卷工作量,还能解决不同批阅人的主观性引起的评分不一致问题。此外,十九大报告中也明确指出:“建设教育强国是中华民族伟大复兴的基础工程,必须把教育事业放在优先位置,加快教育现代化,办好人民满意的教育。”因此,本文围绕短答案自动评分开展研究不仅可以完善现有的自动评分系统,还能丰富智慧教育的应用场景,并能促进教育现代化的快速发展。本文对国内外自动评分研究发展进行回顾,分析了短答案数据的特点和现有方法的不足;针对数据中学生答案文本长度短、重复句多、噪声大、容易出现分词错误等特点提出基于字符级RCNN模型的自动评分框架,针对现有方法普遍忽略了语料库中的词共现信息和样本间全局交互信息的现状提出基于GCN模型的短答案自动评分方法;最后分...

【文章页数】：59 页

【学位级别】：硕士

【部分图文】：

图2.1短答案自动评分流程图

短答案自动评分方法研究6机器学习模型，最后以分值或评语作为类别标签进行分类，其具体流程如图2.1所示。图2.1短答案自动评分流程图具体来说，设计一个短答案自动评分模型应该包括以下步骤。（1）首先需要寻找适当的题目并组织适龄学生参加考试。（2）收集问题，将老师给出的参考答案以及学生....

图3.1短答案自动评分框架图

短答案自动评分方法研究12图3.1短答案自动评分框架图3.1.2模型描述在对学生答案进行分类时，首先要对数据进行预处理，包括字词切分、停用词去除等步骤。传统的分类模型通常选择文本分词后的词特征，而基于分词结果构建的特征经常出错，容易导致模型学习错误，大大降低其准确率。例如使用ji....

图3.2字符级RCNN模型图

第三章基于字符级RCNN模型的短答案自动评分13层汇集到较小的维度，输出类别标签，模型具体结构如图3.2所示，各层详细介绍如下。图3.2字符级RCNN模型图（1）LSTM不仅能保存当前的信息，还可以存储任何以前的信息，所以LSTM层可以为原始输入生成新的编码。它由一系列重复的时间....

图4.1图结构示例

短答案自动评分方法研究20例如图4.1中所示的无向图，邻接矩阵记作=。图4.1图结构示例4.1.2度矩阵对于一个图G，其度矩阵D是一个n*n的对角矩阵。它表示的是每个节点相邻节点的个数，因此度矩阵的计算如公式4.2所示。==（4.2）例如图4.1中的所示的无向图，度矩阵记作=(2....

本文编号：3952603