發(fā)布時間：2024-04-13 06:14

　　隨著人工智能及大數據技術的快速發(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)展的主流和學術界的研究熱點。自動評分是智慧教育領域的一項重要內容,針對此研究已經有學者提出很多解決方法,但這些方法普遍不能較好適應于面向主觀題的短答案自動評分。同時,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,如果能用計算機自動完成這一項工作,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,十九大報告中也明確指出:“建設教育強國是中華民族偉大復興的基礎工程,必須把教育事業(yè)放在優(yōu)先位置,加快教育現代化,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有的自動評分系統(tǒng),還能豐富智慧教育的應用場景,并能促進教育現代化的快速發(fā)展。本文對國內外自動評分研究發(fā)展進行回顧,分析了短答案數據的特點和現有方法的不足;針對數據中學生答案文本長度短、重復句多、噪聲大、容易出現分詞錯誤等特點提出基于字符級RCNN模型的自動評分框架,針對現有方法普遍忽略了語料庫中的詞共現信息和樣本間全局交互信息的現狀提出基于GCN模型的短答案自動評分方法;最后分...

【文章頁數】：59 頁

【學位級別】：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機器學習模型，最后以分值或評語作為類別標簽進行分類，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，設計一個短答案自動評分模型應該包括以下步驟。（1）首先需要尋找適當的題目并組織適齡學生參加考試。（2）收集問題，將老師給出的參考答案以及學生....

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模型描述在對學生答案進行分類時，首先要對數據進行預處理，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，而基于分詞結果構建的特征經常出錯，容易導致模型學習錯誤，大大降低其準確率。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，輸出類別標簽，模型具體結構如圖3.2所示，各層詳細介紹如下。圖3.2字符級RCNN模型圖（1）LSTM不僅能保存當前的信息，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。它由一系列重復的時間....

圖4.1圖結構示例

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圖結構示例4.1.2度矩陣對于一個圖G，其度矩陣D是一個n*n的對角矩陣。它表示的是每個節(jié)點相鄰節(jié)點的個數，因此度矩陣的計算如公式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