主觀題作為目前考試中經(jīng)常出現(xiàn)的一種試題類型,因為其答案形式的多樣性和內(nèi)容的復(fù)雜性,使得智能化的主觀題評閱技術(shù)還不成熟,仍然需要閱卷人來評閱。然而,人工評閱不能確保評閱結(jié)果的客觀性和公平公正性。所以進行中文主觀題智能評閱方法的研究,從而實現(xiàn)一個性能較好且適用的評閱系統(tǒng)是具有一定的現(xiàn)實意義。本文在中文主觀題智能評閱方法研究中的主要內(nèi)容有:首先,搭建了一種改進的基于動態(tài)語義編碼雙向LSTM的中文語義相似度計算模型。模型采用編碼器-解碼器神經(jīng)網(wǎng)絡(luò)框架結(jié)構(gòu)。編碼器使用傳統(tǒng)的雙向LSTM神經(jīng)網(wǎng)絡(luò),解碼器則使用帶有動態(tài)語義編碼的雙向LSTM神經(jīng)網(wǎng)絡(luò)。模型以句子對詞向量作為輸入,輸出值為這對句子對的相似度值。通過在不同類型的數(shù)據(jù)集上進行驗證,改進的模型在中文句子對相似性預(yù)測中表現(xiàn)良好。其次,研究生成句子對的策略,用于生成參考答案和學(xué)生答案的句子對。主要方法是使用自然語言處理技術(shù)對主觀題試題、參考答案和學(xué)生答案進行文本預(yù)處理、提取關(guān)鍵詞和短語。根據(jù)試題中提取的關(guān)鍵詞確定試題考察的知識點范疇,并確定參考答案中的得分點。先對句子間的關(guān)鍵詞和短語進行關(guān)鍵信息相似度計算,匹配出一種情況下的句子對,再通過搭建的神...

【文章頁數(shù)】：57 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題背景及研究的目的和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 主觀題智能評閱技術(shù)的研究
        1.2.2 基于深度學(xué)習(xí)的自然語言處理技術(shù)的研究
    1.3 本文主要研究內(nèi)容
    1.4 本文組織結(jié)構(gòu)
    1.5 本章小結(jié)
第2章 中文主觀題文本處理的相關(guān)技術(shù)
    2.1 文本預(yù)處理相關(guān)技術(shù)
        2.1.1 分句
        2.1.2 分詞
        2.1.3 關(guān)鍵信息提取
    2.2 詞匯表示相關(guān)技術(shù)
    2.3 相似度計算相關(guān)技術(shù)
    2.4 本章小結(jié)
第3章 基于神經(jīng)網(wǎng)絡(luò)的中文語義相似度計算方法研究
    3.1 任務(wù)定義
    3.2 基礎(chǔ)神經(jīng)網(wǎng)絡(luò)簡介
    3.3 基于動態(tài)語義編碼雙向LSTM的中文語義相似度計算
        3.3.1 dysBiLSTM-EncDec模型框架
        3.3.2 動態(tài)語義編碼規(guī)則
        3.3.3 帶有動態(tài)語義編碼的LSTM基本單元
    3.4 實驗評估
        3.4.1 數(shù)據(jù)集
        3.4.2 實驗設(shè)置及評估標準
        3.4.3 實驗結(jié)果及分析
    3.5 本章小結(jié)
第4章 中文主觀題智能評閱方法
    4.1 主觀題數(shù)據(jù)收集
    4.2 主觀題存儲方式和處理
        4.2.1 存儲方式
        4.2.2 試題題目處理
        4.2.3 答案文本處理
        4.2.4 句子對生成及處理
    4.3 評分算法
    4.4 實驗評估
        4.4.1 參數(shù)選擇
        4.4.2 算法驗證
    4.5 本章小結(jié)
第5章 中文主觀題智能評閱方法的應(yīng)用
    5.1 系統(tǒng)框架及開發(fā)環(huán)境
    5.2 數(shù)據(jù)庫設(shè)計
    5.3 系統(tǒng)功能及模塊簡介
        5.3.1 學(xué)生功能模塊
        5.3.2 教師功能模塊
    5.4 評閱結(jié)果分析
    5.5 本章小結(jié)
第6章 結(jié)論
    6.1 結(jié)論
    6.2 論文中提出的新方法和新思路
致謝
參考文獻
作者簡介
攻讀碩士學(xué)位期間研究成果



本文編號：3789813