[发明专利]评分方法、装置和电子设备

说明书

本发明提供了一种评分方法、装置和电子设备；包括：获取待评分文本和预设的标准文本；提取特征数据；将特征数据输入至预先设定的相似度分析模型中，得到待评分文本和标准文本的相似度数据；计算待评分文本和标准文本的检索相似度；根据语义相似度、文本相似度和检索相似度，确定待评分文本的评分。该方法分别提取待评分文本和标准文本的特征数据，输入至相似度分析模型中，得到语义相似度和文本相似度，计算待评分文本和标准文本的检索相似度，根据语义相似度、文本相似度和检索相似度，确定待评分文本的评分。该方式中，不仅考虑了文本特征，还考虑了语义特征，根据检索相似度确定待评分文本的评分，可以减少评分时间，增加评分的可靠性。

技术领域

本发明涉及深度学习技术领域，尤其是涉及一种评分方法、装置和电子设备。

背景技术

相关技术中，多数主观题阅卷采用人工评分或机器评分完成。其中，人工评分中，评分标准以描述性语言居多，答卷人回答出相近的意思也可以得分，由于评分人员对评分标准的解读和理解，对答卷人语言表达的理解有所区别，评分人员只能主观判断题目和标准答案的含义，以此来对比答卷人的回答，导致评分过程比较模糊，难以做到客观地评分，并且阅卷需要耗费很长的时间，可靠性不高。现有的机器评分一般通过提取浅层文本特征进行评分，提取的特征较为单一，导致评分结果的可靠性不高。

发明内容

有鉴于此，本发明的目的在于提供一种评分方法、装置和电子设备，以减少评分时间，增加评分的可靠性。

第一方面，本发明实施例提供了一种评分方法，包括：获取待评分文本和预设的标准文本；提取待评分文本和标准文本的特征数据；特征数据包括语义特征和文本特征；将待评分文本和标准文本的特征数据输入至预先设定的相似度分析模型中，得到待评分文本和标准文本的相似度数据；相似度数据包括语义相似度和文本相似度；计算待评分文本和标准文本的检索相似度；根据语义相似度、文本相似度和检索相似度，确定待评分文本的评分。

在本发明较佳的实施例中，上述提取待评分文本和标准文本的语义特征的步骤，包括：提取待评分文本和标准文本的句向量；从句向量中确定待评分文本和标准文本的语义特征。

在本发明较佳的实施例中，上述提取待评分文本和标准文本的句向量的步骤，包括：将待评分文本和标准文本输入至预先设定的预训练语言模型BERT中，输出待评分文本和标准文本的句向量。

在本发明较佳的实施例中，上述从句向量中确定待评分文本和标准文本的语义特征的步骤，包括：将句向量输入至预先设定的双向长短期记忆网络中，输出句向量对应的语义特征；对双向长短期记忆网络输出的语义特征降维，得到待评分文本和标准文本的语义特征。

在本发明较佳的实施例中，上述相似度分析模型通过以下步骤建立：基于预设的训练集确定训练文本和答案文本；训练文本携带有标准语义相似度和标准文本相似度；提取训练文本和答案文本的特征数据；特征数据包括语义特征和文本特征；将训练文本和答案文本的语义特征输入至第一预设子网络中，得到训练语义相似度；将训练文本和答案文本的文本特征输入至第二预设子网络中，得到训练文本相似度；根据训练语义相似度和标准语义相似度调整第一预设子网络的参数；根据训练文本相似度和标准文本相似度调整第二预设子网络的参数；继续执行基于预设的训练集确定训练文本和答案文本的步骤，直至训练语义相似度和标准语义相似度在预设范围内，并且训练文本相似度和标准文本相似度的误差在预设范围内，得到相似度分析模型。

在本发明较佳的实施例中，上述计算待评分文本和标准文本的检索相似度的步骤，包括：确定待评分文本和标准文本的词语序列特征；根据待评分文本和标准文本的词语序列特征计算待评分文本和标准文本的检索相似度。