[发明专利]一种作文类文本智能评分方法、系统与设备

说明书

本发明提供一种作文类文本智能评分方法、系统与设备，属于考试测评技术领域。对待评分的作文文本进行体裁判别，将输入文本分类至议论文、散文、说明文、记叙文和应用文共五个类型中的一个类型；依据输入文本的体裁类别，选择特定的判别模型对输入文本进行基础等级判别，输入的作文文本被判定为A、B、C和D共四个等级中的一个等级；依据其他评分规则进行加分或扣分，输入作文文本的最终分由基础等级分值和浮动分值共同构成。本发明能够实现对多种体裁作文的智能判分，具有较高的评分准确度和评分效率。本发明对作文的评价从体裁、主旨、思想内容、语言表达和层次结构等多个维度进行考察，并将多个维度进行综合评价之后形成了一个最终分。

技术领域

本发明涉及考试测评技术领域，尤其涉及一种作文类文本智能评分方法、系统与设备。

背景技术

作文作为一种对考生语言、逻辑、思想等综合能力进行考查的题型，具有很大的开放性和自由度，但同时又要求与特定主题相关联。传统的作文评阅方法一般使用浅层分析的结果构建特征，如文章的长度、段落数、词汇丰富性等，依据这类特征判别一篇文章的优劣。不难发现，很多特征与人工评价作文时所考察的维度和深度相距较远。作文的评价一般从体裁、主旨、思想内容、语言表达和层次结构等多个维度进行考察，但是各个维度又不是孤立的，它们彼此联系，相互影响。因此利用机器模型孤立地对作文的多个维度进行测评，会产生较大偏差。

作文自动评分的另一个难题是不同体裁的作文的侧重点是不同的，比如议论文需要论点、论据和论证，要求语言准确，层次分明，结构严谨；记叙文则需要交代事情发生的时间、地点、人物等等，要求语言流畅，结构清晰。单一的机器模型是很难同时对不同体裁的作文给出准确客观评价的。

发明内容

为了克服上述现有技术中的不足，本发明提供一种作文类文本智能评分方法，方法能够实现对多种体裁作文的智能判分，具有较高的评分准确度和评分效率。

方法包括：

S1、作文体裁判别模块对输入的作文文本进行体裁判别；

S2、作文基础等级判别模块依据输入文本的体裁类别，选择预设的判别模型对输入文本进行基础等级判别；

S3、浮动分值判别模块依据预设评分规则进行加分或扣分；

S4、合分模块基于合并基础等级分值和浮动分值形成输入作文文本的最终分。

进一步需要说明的是，步骤S1中，作文体裁判别模型的训练方式为基于预训练语言模型的迁移学习方式，具体实施步骤：

S11，收集大量不同类别的作文语料，对作文的体裁类型进行标注，形成训练数据；

S12，基于预训练语言模型构建作文体裁判别模型，模型包括：语义抽取网络层和分类预测层；

S13，在已标注的作文语料上进行作文体裁判别模型的精调训练。

进一步需要说明的是，步骤S2中，作文基础等级判别模型的训练方式为基于预训练语言模型的渐进式迁移学习方式，具体实施步骤：

S21，收集同一体裁已标注的作文数据，将分值映射到A，B，C和D四个基础等级类别上，结合作文的题目要求共同形成训练数据；

每条作文数据的形式为：作文题目要求的文本以及考生作文文本；

除真实数据外，通过将不匹配的作文题目要求和作文文本结合的方式构造一部分类别为D类别的伪数据；

S22，基于预训练语言模型构建作文基础等级判别基础模型，模型包括：语义抽取网络层和分类预测层；

S23，在大量已标注的作文数据集上进行精调训练，训练时对全部语义抽取网络层和分类预测层的权重进行更新，训练完成的模型为作文基础等级判别领域模型；

S24，在特定的考试测评任务中，收集预设数量专家定标的作文数据，在作文基础等级判别领域模型的基础之上再一次进行模型精调训练，训练时保持语义抽取网络层的权重不变，对分类预测层的权重进行更新，精调完成的模型为作文基础等级判别任务模型。