[發(fā)明專利]作文評分方法、裝置、電子設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202011588731.4
• 申請日: 2020-12-29
• 公開（公告）號: CN112686020A
• 公開（公告）日: 2021-04-20
• 發(fā)明（設(shè)計）人: 鞏捷甫;付瑞吉;宋巍;王士進(jìn);胡國平;秦兵;劉挺
• 申請（專利權(quán)）人: 科大訊飛股份有限公司;中科訊飛互聯(lián)（北京）信息科技有限公司;河北省訊飛人工智能研究院
• 主分類號: G06F40/205
• 分類號: G06F40/205;G06F40/30;G06K9/62
• 代理公司: 北京路浩知識產(chǎn)權(quán)代理有限公司 11002
• 代理人: 李文清

本發(fā)明提供一種作文評分方法、裝置、電子設(shè)備及存儲介質(zhì)，由于引入分差預(yù)測模型，可以預(yù)測出待評分作文與作文參考樣本之間的分差，只需要通過該分差并結(jié)合作文參考樣本的分?jǐn)?shù)即可實現(xiàn)對待評分作文的評分結(jié)果的準(zhǔn)確確定，既可以保證同場考試的評分尺度相同，也可以使用不同場考試的大規(guī)模數(shù)據(jù)進(jìn)行訓(xùn)練。對于無定標(biāo)的小規(guī)模考試/作業(yè)評分場景的應(yīng)用，可以通過調(diào)整作文參考樣本來擬合閱卷老師的評分尺度，從而使用分差預(yù)測模型對待評分作文進(jìn)行評分。不僅可以提高大規(guī)模考試評分場景下評分結(jié)果的穩(wěn)定性，還可以避免小規(guī)模考試/作業(yè)評分場景下因評分尺度不同導(dǎo)致的評分人機(jī)一致性不高的問題出現(xiàn)，使得評分結(jié)果更準(zhǔn)確，且適用性更廣泛。

技術(shù)領(lǐng)域

本發(fā)明涉及自然語言處理技術(shù)領(lǐng)域，尤其涉及一種作文評分方法、裝置、電子設(shè)備及存儲介質(zhì)。

背景技術(shù)

目前國內(nèi)的教育，對一個學(xué)生的階段性學(xué)習(xí)評價仍然以紙筆考試形式為主，因此需要大量的人工閱卷，但人工閱卷一方面主觀性比較強(qiáng)，另一方面人力成本較高。因此，自動閱卷技術(shù)可以通過人機(jī)耦合的方式部分緩解老師的閱卷壓力，既節(jié)約了人力成本，也在一定程度上解決了評分主觀性大的問題。

作文是學(xué)生語文和英語考試的必備題型，目前考試評分場景中已經(jīng)有一些作文自動評分方法，例如在大規(guī)模考試評分場景中的定標(biāo)評分方案，以及在小規(guī)模考試/作業(yè)評分場景中的通用評分方案。

但是對于大規(guī)模考試評分場景，需要有足夠的當(dāng)次作文數(shù)據(jù)作為定標(biāo)集，訓(xùn)練獲得的評分模型為定標(biāo)評分模型，且只能應(yīng)用于當(dāng)次考試。而對于小規(guī)模考試/作業(yè)評分場景，如果沒有足夠的當(dāng)次考試或作業(yè)數(shù)據(jù)，則無法訓(xùn)練定標(biāo)評分模型，只能利用其它多次的考試數(shù)據(jù)訓(xùn)練通用評分模型，但由于不同次考試的評分尺度不同，與當(dāng)次考試/作業(yè)的要求也有差異，因此評分人機(jī)一致性通常不高，導(dǎo)致自動評分的結(jié)果不準(zhǔn)確。

發(fā)明內(nèi)容

本發(fā)明提供一種作文評分方法、裝置、電子設(shè)備及存儲介質(zhì)，用以解決現(xiàn)有技術(shù)中存在的缺陷。

本發(fā)明提供一種作文評分方法，包括：

獲取待評分作文以及作文參考樣本；

將所述待評分作文以及所述作文參考樣本輸入至分差預(yù)測模型，得到所述分差預(yù)測模型輸出的所述待評分作文與所述作文參考樣本之間的分差；

基于所述待評分作文與所述作文參考樣本之間的分差，以及所述作文參考樣本的分?jǐn)?shù)，對所述待評分作文進(jìn)行評分；

其中，所述分差預(yù)測模型基于兩兩組合的作文訓(xùn)練樣本對及其分差訓(xùn)練得到。

根據(jù)本發(fā)明提供的一種作文評分方法，所述將所述待評分作文以及所述作文參考樣本輸入至分差預(yù)測模型，得到所述分差預(yù)測模型輸出的所述待評分作文與所述作文參考樣本之間的分差，具體包括：

將所述待評分作文以及所述作文參考樣本分別輸入至所述分差預(yù)測模型的淺層特征提取層，得到所述淺層特征提取層輸出的所述待評分作文的待評分淺層特征以及所述作文參考樣本的參考淺層特征；

將所述待評分作文以及所述作文參考樣本分別輸入至所述分差預(yù)測模型的語義特征提取層，得到所述語義特征提取層輸出的所述待評分作文的待評分語義特征以及所述作文參考樣本的參考語義特征；

將所述待評分語義特征以及所述參考語義特征，或者將所述待評分淺層特征、所述參考淺層特征、所述待評分語義特征以及所述參考語義特征均輸入至所述分差預(yù)測模型的分差計算層，得到所述分差計算層輸出的所述待評分作文與所述作文參考樣本之間的分差。

根據(jù)本發(fā)明提供的一種作文評分方法，所述將所述待評分作文以及所述作文參考樣本分別輸入至所述分差預(yù)測模型的語義特征提取層，得到所述語義特征提取層輸出的所述待評分作文的待評分語義特征以及所述作文參考樣本的參考語義特征，具體包括：