[发明专利]简答题的机器智能评阅方法及系统

权利要求书

1.一种简答题的机器智能评阅方法，其特征在于，包括：

预先基于学科语料获取该学科的学科关键词和普通关键词，并生成各关键词的词向量表，基于所述词向量表对各关键词进行聚类，获取各学科关键词的关联词集合，构建该学科的关键词库；

获取目标试题的作答信息和标准答案；

基于所述关键词库，提取所述标准答案中的学科关键词集合和普通关键词集合，并确定各学科关键词的关联词集合以拓展所述学科关键词集合；

基于拓展后的学科关键词集合识别所述作答信息中的学科关键词、关联词，基于所述普通关键词集合识别所述作答信息中的普通关键词；

计算所述作答信息的句子合理度，该句子合理度是指句子中词与词之间的逻辑顺序和关系的合理程度，本步骤进一步包括以下子步骤：分别提取所述作答信息和所述标准答案中每个句子的词语序列，根据马尔可夫假设采用N-gram语言模型计算各所述词语序列中每个词语在所在句子中出现位置的概率值，基于贝叶斯条件概率模型根据所述每个词语在所在句子中出现位置的概率值计算所述每个句子的词语合理概率值，根据所述作答信息和所述标准答案中每个句子的词语合理概率值计算所述作答信息的句子合理度；

根据公式计算所述作答信息的评分F，其中，s₁、s₂、s₃、s₄分别表示所述作答信息中的学科关键词信息、关联词信息、普通关键词信息、句子合理度的权重系数且s₁＞₂＞₃，F₀为所述目标试题总分。

2.如权利要求1所述的简答题的机器智能评阅方法，其特征在于，所述根据所述作答信息和所述标准答案中每个句子的词语合理概率值计算所述作答信息的句子合理度，进一步包括：

分别计算所述作答信息和所述标准答案的句子的词语合理概率均值；

如果所述作答信息的句子的词语合理概率均值小于所述标准答案的句子的词语合理概率均值，则所述作答信息的句子合理度为所述作答信息的句子的词语合理概率均值与所述标准答案的句子的词语合理概率均值的商；

如果所述作答信息的句子的词语合理概率均值大于或等于所述标准答案的句子的词语合理概率均值，则所述作答信息的句子合理度为1。

3.如权利要求1所述的简答题的机器智能评阅方法，其特征在于，所述基于学科语料获取该学科的学科关键词和普通关键词，并生成各关键词的词向量表，基于所述词向量表对各关键词进行聚类，获取各学科关键词的关联词集合，进一步包括：

基于所述学科语料，获取该学科的学科关键词和普通关键词；

利用文本深度语言模型生成各关键词的词向量，得到词向量表；

计算所述词向量表中各关键词之间的距离；

获取与每个学科关键词的距离小于预设阈值的词，组成每个学科关键词的关联词集合。

4.如权利要求3所述的简答题的机器智能评阅方法，其特征在于，所述文本深度语言模型为基于word2vec的深度学习模型；

所述计算所述词向量表中各关键词之间的距离采用余弦相似度计算方法。

5.如权利要求1-4中任意一项所述的简答题的机器智能评阅方法，其特征在于，所述计算所述作答信息的评分之后，还包括：

计算预设考试群体内所有考生的所述作答信息的评分的平均值；

获取所述预设考试群体内所有考生的所述作答信息的预期分值，并计算预期分值的平均值；

根据所述评分的平均值和所述预期分值的平均值对各考生的所述作答信息的评分进行调整。