[发明专利]一种基于深度学习BERT--CNN的主观题评分模型及评分方法在审
| 申请号： | 201910423110.1 | 申请日： | 2019-05-21 |
| 公开（公告）号： | CN110309503A | 公开（公告）日： | 2019-10-08 |
| 发明（设计）人： | 侯开虎;肖灵云;戴洪涛;杨少琦 | 申请（专利权）人： | 昆明理工大学 |
| 主分类号： | G06F17/27 | 分类号： | G06F17/27;G06Q10/06;G06Q50/20 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 650093 云*** | 国省代码： | 云南;53 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习BERT‑‑CNN的主观题评分模型及评分方法，包括BERT转换词向量矩阵模块、CNN语义特征提取模块、相似度计算模块、评分模块，其中BERT转换词向量矩阵模块，用于将所述答案文本转换为词向量矩阵，然后将各答案的词向量矩阵传至CNN语义特征提取模块，CNN语义特征提取模块用于获取所述答案文本的语义特征向量，包括卷积层和池化层，获得各答案文本语义特征向量，并将其输送到相似度计算模块，计算出各答案文本语义特征向量之间的相似度值，然后将相似度值输送到评分模块，用于确定答案文本的得分，本发明应用于主观题评分中,可以有效降低人力成本，且可以克服人工评分中仅仅进行关键词匹配所造成的评分结果不准确、评分不公平的问题。 | ||
| 搜索关键词： | 词向量 答案 语义特征提取 主观题 相似度计算模块 矩阵 矩阵模块 评分模块 评分模型 特征向量 文本语义 相似度 文本 关键词匹配 评分结果 人力成本 文本转换 语义特征 转换 池化 卷积 向量 学习 应用 | ||
【主权项】：
1.一种基于深度学习BERT‑‑CNN的主观题评分模型，其特征在于，包括BERT转换词向量矩阵模块、CNN语义特征提取模块、相似度计算模块、评分模块，其中BERT转换词向量矩阵模块，用于将所述答案文本转换为词向量矩阵，然后将各答案的词向量矩阵传至CNN语义特征提取模块，CNN语义特征提取模块用于获取所述答案文本的语义特征向量，包括卷积层和池化层，获得各答案文本语义特征向量，并将其输送到相似度计算模块，计算出各答案文本语义特征向量之间的相似度值，然后将相似度值输送到评分模块，用于确定答案文本的得分。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于昆明理工大学，未经昆明理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910423110.1/，转载请声明来源钻瓜专利网。
