[发明专利]汉语作文自动测试方法及系统

权利要求书

1.一种汉语作文自动测试方法，其特征在于，包括：

步骤A：输入作文文本待评语料，对所述作文文本待评语料进行预处理；

步骤B：通过所述主题内容模型、条理结构模型和语言表达特征模型对预处理后的作文文本待评语料提取主题内容特征、条理结构特征、语言表达特征；

步骤C：对所提取的主题内容特征、条理结构特征、语言表达特征用所述评分方程进行计算，获得所述汉语作文的自动评分结果。

2.根据权利要求1所述的汉语作文自动测试方法，其特征在于，所述步骤A之前还包括：

步骤A′：输入作文文本训练语料，对所述作文文本训练语料进行预处理，所述预处理的步骤与所述步骤A中预处理的步骤相同

步骤B′：建立主题内容模型、条理结构模型、语言表达特征模型；并通过三个所述模型对所述预处理后的作文文本训练语料进行主题内容特征、条理结构特征、语言表达特征的提取，所述特征提取的步骤与步骤B中特征提取的步骤相同；

步骤C′：依据对作文文本训练语料所提取的特征和其人工评分进行评分的线性拟合，得到评分方程，

其中，所述作文文本待评语料和所述作文文本训练语料统称为作文文本语料。

3.根据权利要求2所述的汉语作文自动测试方法，其特征在于，所述步骤A和步骤A′中对作文文本语料进行预处理包括：

步骤A1：对作文文本语料进行非标准字符集的修改和去除；

步骤A2：对作文文本语料中无意义的符号进行去除；

步骤A3：对作文文本语料中无意义的汉字乱码进行去除；

步骤A4：对作文文本语料进行汉字分词处理。

4.根据权利要求2所述的汉语作文自动测试方法，其特征在于，所述步骤B和步骤B′中通过所述主题内容模型对预处理后的作文文本语料提取主题内容特征包括：

步骤B1a：用预处理后作文文本语料进行潜在语义分析空间训练；

步骤B1b：将潜在语义分析空间训练后的作文文本语料映射到潜在语义空间中，映射的方式为以下方式其中之一：1、潜在语义分析中以全文为文档单元的方式；或2、基于序列潜在语义分析的以小于全文为文档单元的方式；

步骤B1c：对同主题作文文本语料映射得到的潜在语义向量与对应的人工文本打分进行支持向量回归分析，得到主题内容模型；

步骤B1d：用此主题内容模型对作文文本语料进行主题内容模型特征的提取，得到主题内容特征。

5.根据权利要求4所述的汉语作文自动测试方法，其特征在于，所述步骤B1b中采用映射方式2将同主题作文文本语料映射到潜在语义空间包括：

B1b1：将单篇的作文文本语料文本切分为n份，每一份分别映射到潜在语义空间中；

B1b2：将得到的映射向量进行原顺序的重组合，得到此篇作文文本保留序列信息的潜在语义向量。

6.根据权利要求4所述的汉语作文自动测试方法，其特征在于，所述步骤B1c中对得到的潜在语义向量与对应的作文文本语料的人工评分进行支持向量回归分析，得到主题内容模型，包括：

B1c1：支持向量回归分析的核函数选用径向基核函数，对训练语料进行交叉验证实验，得到最优的支持向量回归分析参数；

B1c2：将所得参数用于主题内容模型中。

7.根据权利要求2所述的汉语作文自动测试方法，其特征在于，所述步骤B和步骤B′中通过所述条理结构模型提取预处理后的作文文本语料的条理结构特征包括：

步骤B2a：提取预处理后的作文文本语料的长度；

步骤B2b：提取预处理后的作文文本语料的句子数；

步骤B2c：提取预处理后的作文文本语料的段落数；

步骤B2d：提取预处理后的作文文本语料的平均句长；

步骤B2e：提取预处理后的作文文本语料的句长变化度；

步骤B2f：提取预处理后的作文文本语料的平均段长；

步骤B2e：提取预处理后的作文文本语料的段长变化度，

其中，条理结构特征模型即为基于统计的方法提取以上各种特征的模型，而这些特征也即构成了条理结构特征。