[发明专利]汉语作文自动测试方法及系统

说明书

技术领域

本发明涉及电子信息行业人工智能技术领域，尤其涉及一种汉语作文自动测试方法及系统。

背景技术

近年来，随着学习汉语的不断流行，汉语水平测试在已经受到了普遍的重视，在汉语水平测试中写作水平测试是测试语言学习效果的最有效的方法。传统的汉语作文测试评分基本采用人工对作文进行评阅，得到考生的作文评分，这种方法存在以下缺点：1)人工阅卷评分面临着巨大的人力和财力投入；2)人工阅卷评分尺度不统一，主观性强。

计算机应用、人工智能应用、自然语言处理等技术的发展，为实现语言测试自动化提供了技术方面的支持。目前，国外已有较为成熟的英语作文自动测试系统，其基本的思路无外乎通过各种自然语言技术提取文本特征，用人工评分以及高效的机器学习与人工智能方法，对特征与分数之间的关系进行学习，通过所得的特征与评分的关系进行自动的作文评分。而国内，针对汉语的作文测试系统还处于起步的研究状态中，未能有深入而系统的研究。

在中国少数民族汉语水平等级考试(MHK)的作文测试评分中，评分标准从作文的内容、条理和语言三个方面来评价的。作文的内容评价方面指的是考生作文的写作内容是否完整、充实，是否与题目要求的中心思想密切联系；作文的条理评价方面指的是考生作文的写作条理是否清晰，前后是否紧密连贯，句意转换是否自然、流畅；作文的语言评价方面指的是考生作文的写作语言是否自然、流畅，句式是否多样化，遣词造句是否恰当。评卷老师通过三个方面的综合评定来给出最终的作文评分。

在实现本发明的过程中，申请人意识到现有技术存在如下技术缺陷：现有汉语作文自动评分研究的做法目前较为单一，仅仅统计了一些浅表统计特征，和零星的部分语言特征，缺乏对这三方面特征有一个系统的规划。

发明内容

(一)要解决的技术问题

为解决上述缺陷，本发明提供了一种汉语作文自动测试方法及系统，以克服现有汉语作文自动评分研究的做法目前较为单一，缺乏对这三方面特征有一个系统的规划的缺陷。

(二)技术方案

根据本发明的一个方面，提供了一种汉语作文自动测试方法。该方法包括：步骤A：输入作文文本待评语料，对作文文本待评语料进行预处理；步骤B：通过主题内容模型、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、语言表达特征用评分方程进行计算，获得汉语作文的自动评分结果。

优选地，本发明汉语作文自动测试方法中，步骤A之前还包括：步骤A′：输入作文文本训练语料，对作文文本训练语料进行预处理，预处理的步骤与步骤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；并通过三个模型对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，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。

优选地，本发明汉语作文自动测试方法中，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，其中：作文文本语料在步骤A′中为作文文本训练语料；在步骤A中为作文文本待评语料。

优选地，本发明汉语作文自动测试方法中，步骤B和步骤B′中通过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；其中：作文文本语料在步骤B′中为作文文本训练语料；在步骤B中为作文文本待评语料。

优选地，本发明汉语作文自动测试方法中，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。