基于计算机辅助评价的主观题自动评测研究

对于主观题答案的自动测评研究一直是计算机辅助评价实施中的热点和难点问题。为了更好地发挥现有计算机辅助评价系统的功能,提出了一种新的评估方法来实现对学生提交的主观题答案进行自动评估。评价的执行需要建立一个由课程教师及有关专家编写的参考答案知识库,每个问题包括若干个参考答案。然后重点研究了如何将BLEU算法运用到评价中,并通过对n元组的处理,针对同义词及拼写错误等问题对算法进行了改进。利用改进的BLEU方法来确定与学生给出答案最相似的参考答案,并计算学生答案同选定参考答案的相似度,从而得出对该主观题成绩的评定。最后通过实验证明了该方法的有效性。结果表明,同现有的较为成熟的评价手段相结合,该方法可用于对主观题答案的测评,并能够在计算机辅助评价中发挥更为积极的作用。     

基于知网句子相似度计算的主观题阅卷技术研究

提出了一种基于多态融合的句子相似度计算方法,用该方法能得到学生答案与标准答案之间的最佳相似度值,从而可大大提高主观题阅卷的准确率。     

基于改进遗传算法的组卷策略研究

针对题库系统的自动组卷策略,采用分段整数编码、初始种群满足试卷部分指标,其余部分指标预设权重的改进遗传算法.在预设权重指标中,引入知识点分数分布或知识点分数分布百分比指标代替传统的覆盖率指标,结合试卷的难度系数和区分度系数指标,设计一个较为合理的个体适应度函数来评价个体;在遗传进化过程中,引入个体相似度指标来评价种群中个体的雷同程度,并给出个体相似度计算方法.     

基于相似度融合算法的主观题自动阅卷机制

主观题自动阅卷可以通过计算文本相似度实现.本文从分析文本结构特征的角度出发,在Trie树搜索匹配理论的基础上提出基于相对距离的词序相似度算法,并通过统计回归方法将关键词相似度与词序相似度进行融合得到文本的综合相似度,从而实现主观题自动阅卷.最后,进行了实验,证明通过该方法可以实现在规定场景下基于文本结构特征的主观题自动阅卷.     

基于相似度组合的主观题评分方法研究

针对文本、语义、关键词等方法计算主观题相似度的不足,提出一种基于相似度组合的方式构建主观题评分模型。该模型可根据评分逻辑,灵活地调整阀值,综合Word2vec算法、Doc2vec算法和TF_IDF算法的优势,提高主观题的相似度。实验表明,与人工评分对比,提出的评分模型得到的评分方差及偏差率都较小,稳定性较好,更贴近人工评分结果。     

空白答卷

在一次高中综合科的期中试卷批阅中，批到一份空白答卷。这份试卷上有考生姓名、班级、学号，但就是一题都没做，无论是客观题，还是主观题。只见试卷上方写到：“化学试卷被收，作弊的形象早已‘树立’。于此，0分是不会写，100分是作弊，吾宁不写!”看过这段话，确实让我大吃一惊，这才提醒了我，刚才改过的几份试卷难怪那么相似，再翻一翻看，哎呀!一个考场客观题答案究竟完全一致。这时让我完全领会了这位同学的意思：化学考试已作为作弊处理了。     

一种基于加权语义相似度模型的自动问答系统

在对比传统词频相似度模型的基础上,提出并实现了一种基于加权语义相似度模型的自动问答系统．首先,利用语义树中词语间的距离和语义树的高度来计算词语间的语义相似度,然后利用词语间的语义相似度和词语的权重进一步计算用户问题与答案库中问题间的语义相似度．基于此模型的自动问答系统能够接受用自然语言描述的问题,通过语义相似度的计算,自动地返回相关答案．实验表明,本文提出的基于语义树的加权语义相似度模型与传统的词频相似度模型相比,准确率有明显提高．     

物化标准化考试实施的分析和探讨

<正> 标准化考试具有标准稳定、试题素材来源广、试卷题量大、内容多、测试面宽的特征。物化标准化考试有统一的考试大纲,有命题、答案、施测、评分等多方面的标准化。试卷客观题占60％,主观题占40％,每次考试可以涉及120个以上的知识点,因此具有较好的客观性、科学性和权威性。能促使学生在准确理解和掌握物化基本知识、基本定律及基本理论方面下功夫,使在逻辑思维和分析解决问题的能力上得到培养和提高。采取统一的标准化试     

高考诗歌鉴赏的应对策略

纵观近几年来新课改区的语文试卷,主观题的分量加大了,而诗歌鉴赏就是其中重要的组成部分,在2008年的课改区的四套试卷中,广东卷7分,山东卷8分,海南（宁夏）卷11分,江苏卷8分。     

基于模糊数学评阅主观题的算法

文章通过分析人脑评阅主观题的思维方法,引入了贴近度和多指标综合评判的思想,基于模糊数学中单向贴近度的理论,设计并实现了一种评阅主观题的带权单向匹配算法。算例说明该算法能有效提高主观题自动评阅的精确度。     

基于文本蕴含的选择类问题解答技术研究

利用选择类问题具有明确候选项的特点, 简化问题分类过程, 并针对长文本语义蕴含短文本语义的语言现象, 提出一种根据文本蕴含强度大小对候选答案进行排序的方法。在没有大规模问答对的情况下, 采用维基百科中文语料库, 以全国各省市高考地理选择题作为实验数据, 通过句子相似度和文本蕴含两种方法来解答地理选择题。实验表明, 基于文本蕴含方法的准确率为36.93%, 比基于词嵌入的句子相似度方法提高2.44%, 比基于向量空间模型的句子相似度方法提高7.66%, 验证了该文本蕴含强度计算方法的有效性。     

一种利用语义相似度改进问答摘要的方法

在搜索引擎中对用户问题直接给出简要的答案(即答案摘要)可以帮助用户更快捷的获取信息。针对这一任务,设计一种基于特征的答案摘要抽取方法。为了进行句子相似性的计算,提出通过使用卷积神经网络表示句子语义和计算相似性,同时给出基于最大间隔学习的网络训练方法。在百度知道问答语料上的实验结果表明,所提出的答案摘要抽取方法能够生成质量良好的简短回答。与基于词袋的相似性计算相比,使用卷积神经网络能够更好地描述句子语义,计算问题和句子之间的相似性,有效地改善答案摘要的质量。     

基于平滑逆频率和依存句法的句子相似度计算方法

综合考虑关键词、词向量及句法结构对句子相似度计算的影响,将平滑逆频率(smooth inverse frequency,SIF)与依存句法相结合以提高句子相似度计算的精准性。SIF的核心思想为利用加权和去除非信息噪音得到的句向量来计算句子相似度。借助哈尔滨工业大学的语言技术平台,将句子的结构信息添加到句子相似度计算中,通过句子中"词语依存关系"三元组的相似性来度量句子间的相似度。实验结果表明,基于SIF和依存句法的句子相似度计算方法所得的反映准确率和召回率平衡度的指标为84. 4%,与同类的句子相似度计算方法相比,能更为有效衡量句子间的相似程度。     

基于句向量的文本相似度计算方法

为进一步提高文本相似度计算的准确性,提出基于句向量的文本相似函数(part of speech and order smooth inverse frequency, PO-SIF),从词性和词序方面优化了平滑反频率(smooth inverse frequency, SIF)计算方法,SIF算法的核心是通过加权和去除噪声得到句向量来计算句子相似度。在具体计算时,一方面通过增加词性消减因子调节SIF句向量计算权重参数,获得带有词性信息的句向量,另一方面通过将词序相似度与SIF句向量相似度算法进行线性加权优化句子相似度得分。实验结果表明,增加词性和词序的方法可以提升算法准确率。     

一种频率增强的语句语义相似度计算

目前,在基于HowNet进行语句语义相似度计算的算法中,没有考虑语句中的不同词语对语句之间相似度值的不同贡献程度,以致计算结果不理想.为了更好地解决上述缺陷,提出了一种频率增强语句语义相似度算法.该算法利用HowNet作为词典库,在同时考虑义原距离和义原深度的条件下,进行词语相似度计算;在此基础上算法进一步将词语在语料库中的频率函数作为权重值,引入至语句的语义相似度计算中,以降低高频率词语在语句相似度值中的比重.实验表明,改进的算法在语句相似度计算结果上与人们的主观判断更接近,结果更合理.     

基于动态特征词的中文句子相似度计算

目的针对当前常用的汉语句子相似度计算方法存在的问题,结合语言习得特点,提出了一种基于动态特征词的中文句子相似度计算方法。方法首先以特征词作为语块切分边界,提取左右语块信息,采用语义向量空间模型;然后计算2个句子对应的左右组块的相似度;最终将各组块的相似度量值加权求和作为2个句子的相似度。结果实验表明,提出的方法计算结果较为理想,与人工判断的相似度较为一致。结论基于动态特征词的中文句子相似度计算方法在常用句式中具有更好的效果。     

基于句型模板的智能问答系统

智能问答系统是远程教学系统中的一个重要组成部分,其主要功能是解答学习者的提问。在此研究了一种基于句型模板的智能问答系统,实现自然语言提问和自动智能答疑。该系统主要包括三方面的内容:①分析学习者的知识提问形式,采集句型模板,并实现基于Web的提问界面;②通过智能分词和模糊匹配建立提问句型,把提问句型映射到概念-关系模型上;③通过IO模型构造问答结果。     

基于E-Chunk的问句实例分析系统

分析中文问句的结构特点,研究处理问句需要解决的问题,提出一种基于语义块实例分析问句的新方法.采用语义块向量表示问句实例,比较输入问句和问句实例库中问句实例的相似性.在语义块向量结构相似的基础上计算问句的相似度.测试结果表明,该方法可行,准确率和召回率可分别达到82.05%和91.95%,该方法对问句分析系统的设计具有借鉴意义和继续深入研究的价值.     

用不同语义单元度量的句子相似度计算

提出了一种基于不同语义单元度量的句子相似度计算方法.将句子按词块分割为对应的公共词块和非公共词块,利用外部语义资源进行同义词替换和语义消歧处理.分别用词、词块和字为语义单元度量句子相似度,以不同的权重调节各语义单元对句子相似度的贡献.实验结果表明,该方法综合考虑的因素更加全面,有较高的准确率.