[發明專利]試題文本評分方法、裝置、電子設備及存儲介質

在審

• 申請號: 202211699288.7
• 申請日: 2022-12-28
• 公開（公告）號: CN115827828A
• 公開（公告）日: 2023-03-21
• 發明（設計）人: 詹文超;沙晶;王士進;魏思
• 申請（專利權）人: 科大訊飛股份有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06N5/04
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 聶俊偉

本發明提供一種試題文本評分方法、裝置、電子設備及存儲介質，該方法包括：獲取目標試題文本；根據目標試題文本，獲取目標試題文本中作答文本對應的作答特征，以及目標試題文本中答案文本的各解題思路對應的答案特征；根據作答特征和各解題思路對應的答案特征，獲取作答文本對應的評分結果；其中，作答特征包括關鍵作答步驟、關鍵作答步驟對應的定理特征、關鍵作答步驟對應的推理特征；答案特征包括關鍵答案步驟、關鍵答案步驟對應的定理特征和關鍵答案步驟對應的推理特征。本發明實現綜合考慮作答文本以及答案文本中的推導步驟以及推導邏輯等多維特征，據此進行作答文本評分，實現提高試題文本評分的可靠性和合理性。

技術領域

本發明涉及自然語言處理技術領域，尤其涉及一種試題文本評分方法、裝置、電子設備及存儲介質。

背景技術

在日常教學活動中，數學學科中的試題文本的評分和批改尤為重要，這類題型可以考察學生的綜合能力。在數學解答題里面有一類特殊的試題，其為數學證明題，該題型重點考察學生的邏輯推理能力，每個步驟之間存在嚴格的推導邏輯，可能是某個定理或推論，如何利用人工智能算法實現數學試題文本的智能評分和批改，是當前教育和人工智能領域的一個重要研究課題。

現有的數學解答題評分方案一般是訓練一個回歸模型，輸入試題的題干文本標準答案和作答文本，最終得到一個得分預測模型；該方案的核心思想在于訓練一個可以表征學生作答文本的向量，通常利用大量的作答數據訓練一個語言模型，然后基于模型表示，利用評分結果作為監督信號訓練一個得分預測模型。

這類得分預測模型一般用于對常規的解答題進行評分，對于證明題這種帶有顯示推理邏輯的試題文本，當前方案的建模粒度較粗，評分原則基本依賴相似度。而對于證明題，學生一般也可寫出一定的推導，而作答文本中里面存在很多無效或者不符合推理邏輯但作答步驟充實的推理，此類推理對于評分會存在較大干擾，容易出現預測得分偏高情況，導致評分結果可靠性差。

發明內容

本發明提供一種試題文本評分方法、裝置、電子設備及存儲介質，用以解決現有技術中建模粒度較粗，評分原則基本依賴相似度，導致評分結果可靠性差的缺陷。

本發明提供一種試題文本評分方法，包括：

獲取目標試題文本；

根據所述目標試題文本，獲取所述目標試題文本中作答文本對應的作答特征，以及所述目標試題文本中答案文本的各解題思路對應的答案特征；

根據所述作答特征和各解題思路對應的答案特征，獲取所述作答文本對應的評分結果；

其中，所述作答特征包括關鍵作答步驟、所述關鍵作答步驟對應的定理特征、所述關鍵作答步驟對應的推理特征；所述答案特征包括關鍵答案步驟、所述關鍵答案步驟對應的定理特征和所述關鍵答案步驟對應的推理特征。

根據本發明提供的一種試題文本評分方法，所述根據所述目標試題文本，獲取所述目標試題文本中作答文本對應的作答特征，以及所述目標試題文本中答案文本的各解題思路對應的答案特征，包括：

根據所述目標試題文本，確定輸入信息；

將所述輸入信息輸入至文本特征預測模型的共享特征層，得到所述目標試題文本的共享特征；

將所述共享特征輸入至所述文本特征預測模型的定理預測分支模型，得到所述作答文本的關鍵作答步驟、所述關鍵作答步驟對應的定理特征，以及各解題思路的關鍵答案步驟、所述關鍵答案步驟對應的定理特征；

將所述共享特征、所述關鍵作答步驟和所述關鍵答案步驟輸入至所述文本特征預測模型的推理預測分支模型，得到所述作答文本的關鍵作答步驟對應的推理特征以及各解題思路的關鍵答案步驟對應的推理特征。