發(fā)布時(shí)間：2024-04-13 06:14

　　隨著人工智能及大數(shù)據(jù)技術(shù)的快速發(fā)展,以其為支撐的智慧教育模式逐漸成為教育信息化發(fā)展的主流和學(xué)術(shù)界的研究熱點(diǎn)。自動評分是智慧教育領(lǐng)域的一項(xiàng)重要內(nèi)容,針對此研究已經(jīng)有學(xué)者提出很多解決方法,但這些方法普遍不能較好適應(yīng)于面向主觀題的短答案自動評分。同時(shí),隨著各類在線考試越來越多,其中針對短答案的人工評分工作也越來越繁重,如果能用計(jì)算機(jī)自動完成這一項(xiàng)工作,不僅可以大大節(jié)省教師的閱卷工作量,還能解決不同批閱人的主觀性引起的評分不一致問題。此外,十九大報(bào)告中也明確指出:“建設(shè)教育強(qiáng)國是中華民族偉大復(fù)興的基礎(chǔ)工程,必須把教育事業(yè)放在優(yōu)先位置,加快教育現(xiàn)代化,辦好人民滿意的教育。”因此,本文圍繞短答案自動評分開展研究不僅可以完善現(xiàn)有的自動評分系統(tǒng),還能豐富智慧教育的應(yīng)用場景,并能促進(jìn)教育現(xiàn)代化的快速發(fā)展。本文對國內(nèi)外自動評分研究發(fā)展進(jìn)行回顧,分析了短答案數(shù)據(jù)的特點(diǎn)和現(xiàn)有方法的不足;針對數(shù)據(jù)中學(xué)生答案文本長度短、重復(fù)句多、噪聲大、容易出現(xiàn)分詞錯(cuò)誤等特點(diǎn)提出基于字符級RCNN模型的自動評分框架,針對現(xiàn)有方法普遍忽略了語料庫中的詞共現(xiàn)信息和樣本間全局交互信息的現(xiàn)狀提出基于GCN模型的短答案自動評分方法;最后分...

【文章頁數(shù)】：59 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2.1短答案自動評分流程圖

短答案自動評分方法研究6機(jī)器學(xué)習(xí)模型，最后以分值或評語作為類別標(biāo)簽進(jìn)行分類，其具體流程如圖2.1所示。圖2.1短答案自動評分流程圖具體來說，設(shè)計(jì)一個(gè)短答案自動評分模型應(yīng)該包括以下步驟。（1）首先需要尋找適當(dāng)?shù)念}目并組織適齡學(xué)生參加考試。（2）收集問題，將老師給出的參考答案以及學(xué)生....

圖3.1短答案自動評分框架圖

短答案自動評分方法研究12圖3.1短答案自動評分框架圖3.1.2模型描述在對學(xué)生答案進(jìn)行分類時(shí)，首先要對數(shù)據(jù)進(jìn)行預(yù)處理，包括字詞切分、停用詞去除等步驟。傳統(tǒng)的分類模型通常選擇文本分詞后的詞特征，而基于分詞結(jié)果構(gòu)建的特征經(jīng)常出錯(cuò)，容易導(dǎo)致模型學(xué)習(xí)錯(cuò)誤，大大降低其準(zhǔn)確率。例如使用ji....

圖3.2字符級RCNN模型圖

第三章基于字符級RCNN模型的短答案自動評分13層匯集到較小的維度，輸出類別標(biāo)簽，模型具體結(jié)構(gòu)如圖3.2所示，各層詳細(xì)介紹如下。圖3.2字符級RCNN模型圖（1）LSTM不僅能保存當(dāng)前的信息，還可以存儲任何以前的信息，所以LSTM層可以為原始輸入生成新的編碼。它由一系列重復(fù)的時(shí)間....

圖4.1圖結(jié)構(gòu)示例

短答案自動評分方法研究20例如圖4.1中所示的無向圖，鄰接矩陣記作=。圖4.1圖結(jié)構(gòu)示例4.1.2度矩陣對于一個(gè)圖G，其度矩陣D是一個(gè)n*n的對角矩陣。它表示的是每個(gè)節(jié)點(diǎn)相鄰節(jié)點(diǎn)的個(gè)數(shù)，因此度矩陣的計(jì)算如公式4.2所示。==（4.2）例如圖4.1中的所示的無向圖，度矩陣記作=(2....

本文編號：3952603