[发明专利]基于人工智能的主观题自动评分方法和装置

说明书

本申请公开了一种基于人工智能的主观题自动评分方法和装置。其中，该方法包括：通过分解得分点、获取小规模人工评分的数据、表征答案语义空间并提取特征、去除停词及one‑hot编码、基于浅层学习或深度学习算法训练分类器等技术，可以实现对开放程度不同的主观题准确、合理的评分。该方案可用于主观题自动评分软件的开发，实现对有开放性的主观题准确、合理的自动评分，可以极大减轻教师的工作量，学习者直接通过电脑输入答案的情况下，使用基于本方案的方法开发的主观题自动评分软件可以带来极大的便利。此外，对主观题的自动评分也可以导向智能辅导，从而导向基于评分结果的个别化智能辅导，产生更大的教育效益。

技术领域

本申请涉及人工智能教育领域，具体而言，涉及一种基于人工智能的主观题自动评分方法和装置。

背景技术

主观题指要求学生自己组织材料，并采用合适方式表达，带有一定开放性的题目，通常采用简答题、论述题、材料分析题等题型进行考察。其主要特征是没有唯一正确的标准答案。政治、语文、历史等学科都有大量的主观题，在传统技术条件下，主观题的评分主要依靠人力，这不仅构成教师的工作负担、而且由于不同教师的评分尺度不一，也会影响评分的可靠性。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

随着计算机技术的发展，可使用计算机技术解决主观题的自动评分问题，但是因为囿于精确匹配策略，不但编写每道题目的自动评分程序非常复杂繁琐，而且评分的实际效果也得不到保障，为了解决这些问题，本申请实施例提供了一种基于人工智能的主观题自动评分方法和装置，以至少解决相关技术中对主观题的评分操作繁琐的技术问题，本申请采用人工智能、自然语言处理等技术来解决主观题自动评分的问题，通过自然语言处理技术可以将学生答案中的重要信息提取出来并数据化；在此基础上，通过人工智能技术，可以让智能体(agent)学会像专业的评价者那样对学生的答案进行准确评分。

根据本申请实施例的一个方面，提供了一种基于人工智能的主观题自动评分方法，包括：

步骤1：分解题目的得分点，分配每个得分点的分值，进而制定每个得分点的评分标准；

步骤2：征集小规模学习者答题(即答题内容)，并严格按照得分点进行人工评分，形成原始的训练数据；

形成原始数据后，根据是否人工提取数据的特征，以及相应的训练数据、获得分类器的算法类型，下面的步骤分为a、b两个分支。a分支依赖人工或者机器预先提取数据特征，采用浅层学习的算法；b分支无需提取数据特征，而完全依靠多层神经网络模型的不断调适，逐渐发现数据的特征以及数据中的深层结构。

步骤3a：根据每个得分点的评分标准，提取判别该得分点得分与否的特征；

步骤4a：根据提取的特征，对原始数据进行过滤以及向量化；

步骤5a：基于向量化数据，采用浅层学习(也就是早期的机器学习)的分类算法，如支持向量机、随机森林(Random Forest)、决策树(Decision Tree)、K近邻(KNeighbors)、梯度提升(Gradient Boosting)等进行训练，获得针对各个得分点的分类器，也是自动评分器；

步骤6a：根据每个得分点的特征，对学习者的答案进行特征过滤和向量化，将获得的数据输入相应得分点的自动评分器，获得该学习者在每个得分点上的得分，并计算出在整道题上的总得分。

步骤3b：跳过特征提取环节，直接对原始数据进行简单的预处理和向量化；

步骤4b：基于向量化数据，采用深度学习神经网络算法，如密集连接神经网络(dense connected neural network)模型、循环神经网络(recurrent neural network)模型以及一维卷积神经网络(1D convolutional neural network)模型等进行训练，获得针对各个得分点的自动评分器；