發(fā)布時間：2021-12-29 22:36

　　選擇類型的題目是人們設(shè)計各類考試或問答節(jié)目的常見形式。人們在設(shè)計有多個選項的選擇題時,需要同時給出正確選項和若干迷惑選項。迷惑選項在確保自身錯誤性的同時,還需與問題或正確選項具備一定的語義相關(guān)性以保證其迷惑性。錯誤性和相關(guān)性的雙重要求使得迷惑選項的設(shè)計通常需要人們花費大量的時間和精力。因此,如果能夠設(shè)計一種算法針對給定的問題自動生成若干可供選擇的迷惑選項,將有效提高人們設(shè)計選擇題的效率。傳統(tǒng)的自動問答系統(tǒng)（Automatic Question Answering System,QA）能夠根據(jù)用戶提出的自然語言形式的問題返回給用戶簡潔的、自然語言形式的正確答案。但問答系統(tǒng)技術(shù)僅關(guān)注正確答案的生成,很難提供錯誤選項。本文針對單選類型的選擇題,提出了用于評價迷惑選項的迷惑度。迷惑度表示在給定問題和一個正確選項的前提下,一個錯誤選項被測試者可能判斷為正確選項的程度。在此基礎(chǔ)之上,本文進而設(shè)計了一種基于迷惑度的迷惑選項生成算法（Generation of Confusing Options based on Confusion Degree,COG）。該算法使用深度學(xué)習(xí)技術(shù),從迷惑選項與問題之間... 

【文章來源】：南京郵電大學(xué)江蘇省

【文章頁數(shù)】：57 頁

【學(xué)位級別】：碩士

【部分圖文】：

迷惑選&WordNetGloVeNER

南京郵電大學(xué)碩士研究生學(xué)位論文第三章基于迷惑度的錯誤選項自動生成21度值。用WordNet、GloVe和NER[65]計算數(shù)據(jù)庫中答案的語義相關(guān)度；最后，通過選擇機制選出迷惑度最高的選項，并與正確答案和問題相結(jié)合形成多項選擇題。圖3.1迷惑選項生成模型圖迷惑選項生成模型結(jié)構(gòu)圖如圖3.1所示。用戶輸入任意問題后，通過QA系統(tǒng)的候選答案集生成迷惑選項以及問題的數(shù)據(jù)集。對數(shù)據(jù)集里的迷惑選項采用WordNet、GloVe、NER三種方法計算語義相關(guān)度，將這三種方法所算得的三個語義相關(guān)度進行加權(quán)得出一個最終的迷惑度值。最后通過選擇機制選出迷惑度最高的前幾個迷惑選項與正確答案和問題相結(jié)合生成選擇題。3.3.2迷惑度算法考慮到3.2.2節(jié)所提到的迷惑度計算的三個因素：迷惑選項和問題之間的語義相關(guān)度、迷惑選項和正確答案之間的語義相關(guān)度以及迷惑選項的類型和正確答案的類型是否匹配，就可以進行迷惑度計算公式的設(shè)計。如果將迷惑選項和問題之間的語義相關(guān)度的值設(shè)置為),迷惑選項和正確答案之間的語義相關(guān)度的值設(shè)置為*，運用NER判斷的迷惑選項和正確答案是否屬于同一類別的值設(shè)置為N。那么可以設(shè)計出如式3.1所示迷惑度計算公式：Con=[)+(1)*]（3.1）式3.1中，參數(shù)的最合適的取值需要通過進一步的實驗來確定。&WordNetGloVeNERTopN

WN1&GV2迷惑度對比曲線圖

【參考文獻】：
期刊論文
[1]基于word2vec的網(wǎng)站主題分類研究[J]. 程元堃,蔣言,程光.  計算機與數(shù)字工程. 2019(01)
[2]基于詞向量特征擴展的中文短文本分類研究[J]. 雷朔,劉旭敏,徐維祥.  計算機應(yīng)用與軟件. 2018(08)
[3]基于Word2Vec的中文短文本分類問題研究[J]. 汪靜,羅浪,王德強.  計算機系統(tǒng)應(yīng)用. 2018(05)
[4]文本相似度計算方法研究綜述[J]. 陳二靜,姜恩波.  數(shù)據(jù)分析與知識發(fā)現(xiàn). 2017(06)
[5]基于Word2Vec的一種文檔向量表示[J]. 唐明,朱磊,鄒顯春.  計算機科學(xué). 2016(06)
[6]基于TFIDF算法的關(guān)鍵詞提取方法[J]. 章志華,陸海良,郁鋼.  信息技術(shù)與信息化. 2015(08)
[7]基于TF統(tǒng)計和語法分析的關(guān)鍵詞提取算法[J]. 戰(zhàn)學(xué)剛,吳強.  計算機應(yīng)用與軟件. 2014(01)
[8]WordNet中的綜合概念語義相似度計算方法[J]. 王桐,王磊,吳吉義,徐賀.  北京郵電大學(xué)學(xué)報. 2013(02)
[9]Web問答系統(tǒng)中問句理解的研究[J]. 蘇斐,高德利,葉晨.  測試技術(shù)學(xué)報. 2012(03)
[10]基于概念間邊權(quán)重的概念相似性計算方法[J]. 馮永,張洋.  計算機應(yīng)用. 2012(01)

碩士論文
[1]面向關(guān)聯(lián)數(shù)據(jù)的實體對齊方法研究[D]. 李琳.北京化工大學(xué) 2017
[2]基于word2vec詞向量的文本分類研究[D]. 朱磊.西南大學(xué) 2017
[3]自動問答系統(tǒng)的研究與實現(xiàn)[D]. 李清.安徽大學(xué) 2012
[4]漢語句子相似度計算及其在自動問答系統(tǒng)中的應(yīng)用[D]. 吳全娥.西南大學(xué) 2011
[5]基于課程知識的問答系統(tǒng)研究與應(yīng)用[D]. 劉祥.大連海事大學(xué) 2010
[6]相似度計算在基于本體的自動問答系統(tǒng)中的應(yīng)用[D]. 楊志國.中央民族大學(xué) 2010



本文編號：3556971