發(fā)布時(shí)間：2021-04-06 13:27

　　自動(dòng)評(píng)分任務(wù)是給定學(xué)生答案,要求計(jì)算機(jī)依據(jù)參考答案預(yù)測(cè)對(duì)應(yīng)分值。自動(dòng)評(píng)分是智慧教育的一個(gè)研究熱點(diǎn),可以有效增加評(píng)分一致性。本文以中文簡(jiǎn)答題自動(dòng)評(píng)分作為研究對(duì)象,對(duì)其進(jìn)行分析與研究,主要工作如下:（1）基于注意力機(jī)制的自動(dòng)評(píng)分策略。本文使用注意力機(jī)制刻畫學(xué)生答案與參考答案的語義匹配情況,實(shí)現(xiàn)了自動(dòng)評(píng)分模型Att-Grader。該模型首先通過長(zhǎng)短期記憶網(wǎng)絡(luò)對(duì)學(xué)生答案與參考答案進(jìn)行序列編碼;然后,利用互注意力機(jī)制進(jìn)一步捕獲二者的語義信息,最后通過卷積神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)分值。中文數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果表明:引入注意力機(jī)制的評(píng)分模型相較于基線模型在準(zhǔn)確率評(píng)價(jià)指標(biāo)上提高了1.9%-14.7%。（2）基于參考答案集構(gòu)建的自動(dòng)評(píng)分策略。針對(duì)參考答案不能完全覆蓋多樣性的學(xué)生答案的問題,本文提出構(gòu)建參考答案集擴(kuò)充原有參考答案的思想。具體為:首先對(duì)滿分學(xué)生答案進(jìn)行聚類;其次通過相似度計(jì)算得出每一簇的代表性答案;最后將代表性答案組合為參考答案集。將參考答案集與Att-Grader評(píng)分模型相結(jié)合,對(duì)學(xué)生答案進(jìn)行分值預(yù)測(cè),在中文數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn),結(jié)果顯示:融入?yún)⒖即鸢讣腁tt-Grader評(píng)分模型在準(zhǔn)確率評(píng)價(jià)指標(biāo)上最大提升... 

【文章來源】：山西大學(xué)山西省

【文章頁數(shù)】：58 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

注意力機(jī)制可視化

第四章基于數(shù)據(jù)增強(qiáng)的自動(dòng)評(píng)分策略25一個(gè)綜合的層次聚類算法，采用聚類特征和聚類特征樹進(jìn)行聚類描述。我們?cè)诰垲惔財(cái)?shù)K分別為[3,6,9,12,15,18,21,24,27]的情況下比較了這兩種方法在語文數(shù)據(jù)集上的聚類效果，采用輪廓系數(shù)的平均值為評(píng)價(jià)指標(biāo)。具體如圖3所示。由圖4.3可知，k-means聚類算法在語文數(shù)據(jù)集上（CRCC1-CRCC3）的輪廓系數(shù)均值遠(yuǎn)遠(yuǎn)高于Birch算法，因此本文選擇k-means作為聚類算法對(duì)學(xué)生答案進(jìn)行聚類。圖4.3聚類方法的比較2)聚類簇?cái)?shù)的選擇由圖4.4可知，k-means算法在數(shù)據(jù)集CRCC1、CRCC2、CRCC3上的聚類簇?cái)?shù)K分別為6、12、3時(shí)，輪廓系數(shù)值較高，表明聚類效果較好。圖4.4不同聚類簇?cái)?shù)下的聚類效果4.4.2自動(dòng)評(píng)分實(shí)驗(yàn)聚類之后，對(duì)每個(gè)簇進(jìn)行代表性答案選擇，構(gòu)建參考答案集。表4.2為CRCC1數(shù)據(jù)集對(duì)應(yīng)的參考答案集。學(xué)生答案①從歷史背景角度介紹，②從人物性格方面介

第四章基于數(shù)據(jù)增強(qiáng)的自動(dòng)評(píng)分策略25一個(gè)綜合的層次聚類算法，采用聚類特征和聚類特征樹進(jìn)行聚類描述。我們?cè)诰垲惔財(cái)?shù)K分別為[3,6,9,12,15,18,21,24,27]的情況下比較了這兩種方法在語文數(shù)據(jù)集上的聚類效果，采用輪廓系數(shù)的平均值為評(píng)價(jià)指標(biāo)。具體如圖3所示。由圖4.3可知，k-means聚類算法在語文數(shù)據(jù)集上（CRCC1-CRCC3）的輪廓系數(shù)均值遠(yuǎn)遠(yuǎn)高于Birch算法，因此本文選擇k-means作為聚類算法對(duì)學(xué)生答案進(jìn)行聚類。圖4.3聚類方法的比較2)聚類簇?cái)?shù)的選擇由圖4.4可知，k-means算法在數(shù)據(jù)集CRCC1、CRCC2、CRCC3上的聚類簇?cái)?shù)K分別為6、12、3時(shí)，輪廓系數(shù)值較高，表明聚類效果較好。圖4.4不同聚類簇?cái)?shù)下的聚類效果4.4.2自動(dòng)評(píng)分實(shí)驗(yàn)聚類之后，對(duì)每個(gè)簇進(jìn)行代表性答案選擇，構(gòu)建參考答案集。表4.2為CRCC1數(shù)據(jù)集對(duì)應(yīng)的參考答案集。學(xué)生答案①從歷史背景角度介紹，②從人物性格方面介

【參考文獻(xiàn)】：
期刊論文
[1]基于帶注意力機(jī)制CNN的聯(lián)合知識(shí)表示模型[J]. 彭敏,姚亞蘭,謝倩倩,高望.  中文信息學(xué)報(bào). 2019(02)
[2]智慧教育研究現(xiàn)狀與發(fā)展趨勢(shì)[J]. 鄭慶華,董博,錢步月,田鋒,魏筆凡,張未展,劉均.  計(jì)算機(jī)研究與發(fā)展. 2019(01)
[3]幾個(gè)英語作文自動(dòng)評(píng)分系統(tǒng)的原理與評(píng)述[J]. 韓寧.  中國考試(研究版). 2009(03)

碩士論文
[1]高考?xì)v史簡(jiǎn)答題自動(dòng)評(píng)價(jià)方法研究[D]. 楊靖云.哈爾濱工業(yè)大學(xué) 2016



本文編號(hào)：3121517