[发明专利]基于议论文篇章结构的评价方法及装置

权利要求书

1.一种基于议论文篇章结构的评价方法，其特征在于，包括以下步骤：

通过待评价议论文的段落类型和句子类型获取所述待评价议论文的多个语篇要素；

通过所述多个语篇要素构建文章篇章结构的序列式特征、平面式特征或层次式特征；以及

根据所述文章篇章结构的序列式特征、平面式特征或层次式特征通过预设的序列式特征模型、平面式特征模型或层次式特征模型得到所述待评价议论文的评价结果；

所述基于议论文篇章结构的评价方法，其特征在于，还包括：将每个段落中预设的句子组成一个向量，再将预设的段落组成一个矩阵，且对应空缺部分填充0，以将每篇文章表示为预设的第一类矩阵，得到文章的平面式特征；根据所述文章的平面式特征和文章篇章结构分数进行建模，其中，采用卷积神经网络进行建模，以得到预设的平面式特征模型；

所述基于议论文篇章结构的评价方法，其特征在于，还包括：

将句子的篇章要素填充到议论文的对应部分，且对应空缺部分填充0，以将每篇文章表示为预设维度的向量，得到文章的序列式特征；根据所述文章的序列式特征构建分类器建模，其中，采用SVM进行模型分类，以得到所述预设的序列式特征模型；

所述基于议论文篇章结构的评价方法，其特征在于，还包括：

将每个段落中预设的句子组成一个向量，再将预设的段落组成一个矩阵，且对应空缺部分填充0，以将每篇文章表示为预设的第二类矩阵，得到文章的层次式特征；

根据所述文章的层次式特征和所述文章篇章结构分数进行建模，其中，采用层次神经网络进行建模，并通过GRU来获取所述文章的段落级信息，通过LSTM网络层获取所述文章的句子之间的前后连接关系，得到预设的层次式特征模型。

2.根据权利要求1所述的基于议论文篇章结构的评价方法，其特征在于，所述多个语篇要素包括引言、论点、例子、观点、注重和结论中的一种。

3.一种基于议论文篇章结构的评价装置，其特征在于，包括：

第一获取模块，用于通过待评价议论文的段落类型和句子类型获取所述待评价议论文的多个语篇要素；

第一构建模块，用于通过所述多个语篇要素构建文章篇章结构的序列式特征、平面式特征或层次式特征；以及

评价模块，用于根据所述文章篇章结构的序列式特征、平面式特征或层次式特征通过预设的序列式特征模型、平面式特征模型或层次式特征模型得到所述待评价议论文的评价结果；

所述基于议论文篇章结构的评价装置，其特征在于，还包括：

第三获取模块，用于将每个段落中预设的句子组成一个向量，再将预设的段落组成一个矩阵，且对应空缺部分填充0，以将每篇文章表示为预设的第一类矩阵，得到文章的平面式特征；

第三构建模块，用于根据所述文章的平面式特征和文章篇章结构分数进行建模，其中，采用卷积神经网络进行建模，以得到预设的平面式特征模型；

所述基于议论文篇章结构的评价装置，其特征在于，还包括：

第二获取模块，用于将句子的篇章要素填充到议论文的对应部分，且对应空缺部分填充0，以将每篇文章表示为预设维度的向量，得到文章的序列式特征；

第二构建模块，用于根据所述文章的序列式特征构建分类器建模，其中，采用SVM进行模型分类，以得到所述预设的序列式特征模型；

所述基于议论文篇章结构的评价装置，其特征在于，还包括：

第四获取模块，用于将每个段落中预设的句子组成一个向量，再将预设的段落组成一个矩阵，且对应空缺部分填充0，以将每篇文章表示为预设的第二类矩阵，得到文章的层次式特征；

第四构建模块，用于根据所述文章的层次式特征和所述文章篇章结构分数进行建模，其中，采用层次神经网络进行建模，并通过GRU来获取所述文章的段落级信息，通过LSTM网络层获取所述文章的句子之间的前后连接关系，得到预设的层次式特征模型。

4.根据权利要求3所述的基于议论文篇章结构的评价装置，其特征在于，所述多个语篇要素包括引言、论点、例子、观点、注重和结论中的一种。