[发明专利]数学主观题评阅方法及系统有效
申请号: | 201711437049.3 | 申请日: | 2017-12-26 |
公开(公告)号: | CN108121702B | 公开(公告)日: | 2020-11-24 |
发明(设计)人: | 沙晶;代旭东;盛志超 | 申请(专利权)人: | 浙江讯飞智能科技有限公司 |
主分类号: | G06F40/284 | 分类号: | G06F40/284;G06F40/289;G06F40/295 |
代理公司: | 北京维澳专利代理有限公司 11252 | 代理人: | 周放;胡湘根 |
地址: | 311215 浙江省杭州市萧山区萧山*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 数学 主观题 评阅 方法 系统 | ||
1.一种数学主观题评阅方法,其特征在于,包括:
接收待阅答题信息,并对所述待阅答题信息进行分词处理;
根据分词处理结果对所述待阅答题信息进行结构分析,得到答题信息间关系,包括:基于分词处理结果和预先构建的分步模型得到答题步骤;基于答题步骤向量、提取的统计特征向量和预先训练的关系分析模型获取步骤间关系;所述答题信息间关系包括:答题步骤和步骤间关系;
基于所述答题信息间关系提取第一评阅特征;
利用所述第一评阅特征及预先构建的评阅模型,得到所述待阅答题信息的评阅结果。
2.根据权利要求1所述的方法,其特征在于,所述步骤间关系包括以下任意一种:推导、并列和重复。
3.根据权利要求1所述的方法,其特征在于,
所述统计特征向量包括以下任意一种或多种:结构特征、引导词特征、步骤关联特征、关键词特征。
4.根据权利要求1所述的方法,其特征在于,所述分步模型为神经网络,包括:向量化模块、多层序列获取模块和分类模块,其中,向量化模块的输入为分词处理得到的词,向量化模块的输出为词向量序列,多层序列获取模块的输入为词向量序列,多层序列获取模块的输出为序列向量,分类模块的输入为序列向量,分类模块的输出为分词点作为分离步骤点的判断结果。
5.根据权利要求1所述的方法,其特征在于,所述关系分析模型为卷积神经网络,包括:输入层、卷积层、分类层和输出层,其中,输入层的输入为所述答题步骤向量,卷积层的输出为用于确定步骤间关系的分布式特征向量,分类层的输入为分布式特征向量和基于规则提取的统计特征向量,输出层的输出为步骤间关系的判断结果。
6.根据权利要求2所述的方法,其特征在于,所述基于所述答题信息间关系提取第一评阅特征包括:
预先确定第一评阅特征,所述第一评阅特征包括以下任意一种或多种:关键步骤特征、关键步骤的推导关系特征、解答结果特征;
预先提取参考答案的答题信息间关系;
将待阅答题信息的答题信息间关系与所述参考答案的答题信息间关系进行比对,得到第一评阅特征。
7.根据权利要求6所述的方法,其特征在于,所述评阅模型为回归模型或分类模型,所述评阅模型的输出包括:评阅分数和/或评价。
8.根据权利要求7所述的方法,其特征在于,所述评阅模型还包括卷积层,所述卷积层的输入为答题步骤向量,所述卷积层的输出为第二评阅特征,包括不同粒度的步骤内及步骤间信息,通过调整卷积核参数和卷积层数训练所述评阅模型的卷积层;
所述利用所述第一评阅特征及预先构建的评阅模型,得到所述待阅答题信息的评阅结果包括:
利用所述第一评阅特征、答题步骤向量及预先构建的评阅模型,得到所述待阅答题信息的评阅结果。
9.根据权利要求1所述的方法,其特征在于,在对所述待阅答题信息进行分词处理之前,所述方法还包括:
对所述待阅答题信息进行数学实体识别;
所述对所述待阅答题信息进行分词处理包括:
基于所述数学实体识别结果对所述待阅答题信息进行分词处理。
10.根据权利要求1至9任一项所述的方法,其特征在于,在得到答题步骤之后,所述方法还包括:
将答题步骤的数学表达形式转化为规约表示形式,所述规约表示形式为可嵌套的基于多元组的表示形式,其中,多元组包括:谓语、以及数个论元关系:论元;
所述答题信息间关系包括:规约表示形式的答题步骤和步骤间关系。
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浙江讯飞智能科技有限公司,未经浙江讯飞智能科技有限公司许可,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/pat/books/201711437049.3/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种防骚扰的自动识别方法及其智能终端
- 下一篇:可翻译的电子笔