[發明專利]一種聯合試題分類與評分學習的主觀題自動評閱深度學習方法

在審

• 申請號: 202210597773.7
• 申請日: 2022-05-30
• 公開（公告）號: CN114969260A
• 公開（公告）日: 2022-08-30
• 發明（設計）人: 羅建華;陳意山;張蘭芳;龔云
• 申請（專利權）人: 桂林旅游學院
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/35;G06F40/30;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南寧東智知識產權代理事務所(特殊普通合伙) 45117
• 代理人: 黎華艷

本發明公開了一種聯合試題分類與評分學習的主觀題自動評閱深度學習方法，涉及人工智能與智慧教育的交叉領域。本發明針對不同類型的主觀題具有不同的評閱方式的特點，通過聯合試題分類與評分學習，使得主觀題自動評閱神經網絡模型能夠掌握不同類型試題的評卷方法，以更有效的方法解決主觀題自動評閱問題。首先，通過一個積神經網絡對待評閱的主觀題進行試題分類，得到待評閱的主觀題試題類型。然后，將待評閱的主觀題的試題類型嵌入和學生答案輸入序列及標準答案輸入序列的每一個字嵌入相連接，得到試題類型感知的學生答案輸入和標準答案輸入，并通過一個由卷積與雙向長短期記憶網絡組成的雜合模型進行高精度評分。

技術領域

本發明涉及人工智能與智慧教育的交叉領域，尤其是一種聯合試題分類與評分學習的主觀題自動評閱深度學習方法，可廣泛應用于各個學科的主觀題計算機自動閱卷系統中。

背景技術

考試試卷中的試題從答案組成的形式上，被普遍分為客觀題與主觀題兩大類。答案以選項編號表示的單選題、多選題、判斷題等試題被稱為客觀題，而答案采用自然語言表示的簡答題、名詞解釋和論述題等試題被稱為主觀題。由于單選題、多選題、判斷題等客觀題目的答案都是以選項編號表示，目前計算機對于此類題型進行自動閱卷時，只需將標準答案的選項編號與學生答案的選項編號進行簡單的匹配運算，匹配成功則答案正確，該處理技術已經取得較好的成果。但對于答案采用自然語言表示的主觀題自動閱卷技術,如：對簡答題、名詞解釋和論述題等自動評卷，由于其受到自然語言理解、人工智能等理論與技術瓶頸影響,效果不是很理想。

隨著人工神經網絡技術的不斷發展，許多深度學習模型如基于LSTM的模型、基于CNNLSTM的模型和基于Transformer的模型被應用于主觀題評卷。這些深度學習模型利用不同的神經網絡從答案文本中自動提取語義特征，從而提供一種無需任何人工特征工程的端到端方法。然而，主觀題自動評卷的深度學習方法仍然具有諸多挑戰性。其中，一個重要的挑戰是：有的題型的主觀題答案具有順序性，而有的題型的主觀題答案沒有順序性，例如對于試題“請按從小到大的順序依次寫出存儲容量的單位”，答案要點“B、KB、MB、GB”具有順序性；但對于試題“簡述雙絞線的優點”，答案要點“高柔性、耐油、防水、耐磨、耐酸、耐寒、耐彎曲”卻沒有順序性，即學生答案“防水、耐寒、耐彎曲、耐油、耐磨、耐酸、高柔性”也是完全正確的。因此，如何針對不同的題型，自動學習不同的評閱方法是主觀題自動評閱深度學習方法需要解決的難題之一。

發明內容

本發明公開了一種聯合試題分類與評分學習的主觀題自動評閱深度學習方法，通過聯合試題分類與評分學習，使得主觀題自動評閱的深度學習方法能夠學習到針對不同的題型采用不同的評閱方法，從而以更有效的方法解決主觀題自動評閱問題。

為實現上述目的，本發明的技術方案為：

一種聯合試題分類與評分學習的主觀題自動評閱深度學習方法，其特征在于包括以下步驟：

S1.通過一個帶有殘差連接的CNN試題分類子模型對待評閱的主觀題進行試題分類，得到待評閱的主觀題試題類型；

S2.將待評閱的主觀題的試題類型嵌入和學生答案輸入序列及標準答案輸入序列的每一個字嵌入相連接，得到試題類型感知的學生答案感知輸入和標準答案感知輸入，然后將它們送入一個由CNN和Bi-LSTM組成的主觀題試卷評分子模型進行評分，得到學生答案的評分等級；

S3.通過聯合計算步驟S1和步驟S2的損失函數，訓練一個聯合試題分類與評分學習的主觀題自動評閱神經網絡模型；

S4.使用步驟S3訓練成型的主觀題自動評閱神經網絡模型，對任意的學生答案進行評閱；