|
|
1.
基于多层次语义特征的英文作文自动评分方法
周险兵, 樊小超, 任鸽, 杨勇
计算机应用
2021, 41 (8):
2205-2211.
DOI: 10.11772/j.issn.1001-9081.2020101572
作文自动评分（AES）技术能够自动地对作文进行分析和评分，其已成为自然语言处理技术在教育领域应用的热点研究问题之一。针对目前AES方法割裂了深层和浅层语义特征，忽视了多层次语义融合对作文评分影响的问题，提出了一种基于多层次语义特征的神经网络（MLSF）模型进行AES。首先，采用卷积神经网络（CNN）捕获局部语义特征，并采用混合神经网络捕获全局语义特征，以从深层次获取作文的语义特征；其次，利用篇章级的作文主题向量来获取主题层特征，同时针对深度学习模型难以挖掘的语法错误和语言丰富程度特征，构造了少量人工特征以从浅层获取作文的语言学特征；最后，通过特征融合对作文进行自动评分。实验结果表明，所提出模型在Kaggle ASAP竞赛公开数据集的所有子集上性能均有显著提升，该模型的平均二次加权的卡帕值（QWK）达到79.17%，验证了该模型在AES任务中的有效性。
参考文献 |
相关文章 |
多维度评价
|
|
