[發明專利]作文偏題審批方法、終端、裝置及存儲介質

在審

• 申請號: 202010038763.0
• 申請日: 2020-01-14
• 公開（公告）號: CN111259646A
• 公開（公告）日: 2020-06-09
• 發明（設計）人: 李文斌
• 申請（專利權）人: 平安國際智慧城市科技股份有限公司
• 主分類號: G06F40/194
• 分類號: G06F40/194;G06F40/258;G06F40/30;G06F40/284
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 徐進之

本發明涉及人工智能領域，提供一種作文偏題審批方法、裝置、終端及可讀存儲介質，通過利用訓練樣本對初始偏題審閱模型進行訓練，得到目標模型，而后將待審閱作文對應的題目輸入到題干改寫模型，得到待審閱作文對應的主題列表，接下來基于主題列表以及待審閱作文生成預處理后的待審閱作文，將預處理后的待審閱作文輸入目標模型，得到審閱參數，最后基于審閱參數確定待審閱作文的偏題結果。通過對作文題目進行改寫得到主題列表，從而確定偏題審批標準，利用訓練好的機器閱讀模型獲得審閱參數，最終確定偏題結果。無需人工標準，且由于機器閱讀模型是從語義理解層面實現，進而提升作文內容細節判斷，提升了偏題審批的準確率。

技術領域

本發明涉及人工智能領域，尤其涉及一種作文偏題審批方法、終端、裝置及存儲介質。

背景技術

目前，市面上作文自動批改系統(AES)，例如ETS的E-rater、批改網、訊飛英語作文批改、粉筆申論批改，在自動的偏題檢測問題上，主要采用給定關鍵字匹配、基于龐大的主題做文庫進行相似度比較，以及基于文檔向量進行相似度判別的方案，進而判別作文內容與主題或題干貼合度。前述第一種方法在識別模式上過于簡單，主題相關性識別準確度較低，容易成為騙分攻擊漏洞；第二種方法則需要建立主題作文庫，且需要進行人工標注，實施難度較大；而最后一種主要考慮文本之間的詞意距離，對于粗略的文意相近可以判別，但對于文意的細微差別通常很難識別，例如否定語義等，且相似度閾值設定存在困難，通常需要大量的偏題和不偏題作文測試獲得。

發明內容

本發明的主要目的在于提供一種作文偏題審批方法、終端、裝置及存儲介質，旨在解決現有作文自動批改方法存在準確率低、需要人工標注的技術問題。

利用訓練樣本對初始偏題審閱模型進行訓練，得到目標模型；

將待審閱作文對應的題目輸入到題干改寫模型，得到待審閱作文對應的主題列表；

基于所述主題列表以及所述待審閱作文生成預處理后的待審閱作文，將所述預處理后的待審閱作文輸入所述目標模型，得到審閱參數；

基于所述審閱參數確定所述待審閱作文的偏題結果。

進一步地，在一實施方式中，所述利用訓練樣本對初始偏題審閱模型進行訓練，得到目標模型的步驟包括：

對所述訓練樣本進行預處理，得到滿足所述初始偏題審閱模型要求的預處理后的訓練樣本；

將所述預處理后的訓練樣本輸入到初始偏題審閱模型進行訓練，并判斷所述初始偏題審閱模型是否收斂；

在所述初始偏題審閱模型收斂時，得到所述目標模型。

進一步地，在一實施方式中，所述利用訓練樣本對初始偏題審閱模型進行訓練，得到目標模型的步驟之前，包括：

基于樣本數據庫獲取預設數量的題干改寫樣本；

將所述題干改寫樣本輸入到初始模型進行訓練，得到所述題干改寫模型。

進一步地，在一實施方式中，所述初始模型為Seq2Seq模型，所述題干改寫樣本包括題目、題目對應的支持主題文本以及題干對應的不支持主題文本，所述將所述題干改寫樣本輸入到初始模型進行訓練，得到所述題干改寫模型的步驟包括：

對所述題目、所述支持主題文本以及所述不支持主題文本進行詞嵌入，生成序列數值向量；

將所述序列數值向量輸入到初始模型進行訓練，得到所述題干改寫模型。

進一步地，在一實施方式中，所述將待審閱作文對應的題目輸入到題干改寫模型，得到待審閱作文對應的主題列表的步驟包括：

將所述待審閱作文對應的題目進行分詞及詞嵌入，生成序列數值向量；