[发明专利]基于孪生神经网络的文本自动评分方法、装置及电子设备

说明书

本申请公开了一种基于孪生神经网络的文本自动评分方法、装置及电子设备，所述方法包括：将待评价文本、参考文本进行切分，然后对切分得到的句子进行预处理得到句子的词汇集合，并确定词汇集合的词向量集合，将待评价文本句子和参考文本句子组成句子对，分别输入句子对的词向量至孪生神经网络子网络训练，得到句向量，确定两个句向量差后将句向量差转换为句子之间的相似度，根据句子之间的相似度，匹配与参考句子相对应的待评价句子，根据匹配结果，进行评分。该方法相较现有技术，可提高主观题的自动阅卷的准确度。

技术领域

本申请涉及计算机技术领域，特别涉及一种基于孪生神经网络的文本自动评分方法、装置及电子设备。

背景技术

智能阅卷是指通过计算机对学生作答的试题答案进行自动阅卷。智能阅卷能大大减轻老师人工阅卷的工作量，在一定程度上提高了评卷的公平性。在现有的智能阅卷方法中，多通过分析字数、词数等表面特征以及分析长文本的上下文连贯性进行自动评分，然而，受到答案文本长度的限制，能从类似主观题的短文本中获取的上下文信息有限，因此增加语篇连贯性的指标并不能有效地提升评分的准确度。

发明内容

本申请的目的在于至少解决现有技术中存在的技术问题之一，提供一种基于孪生神经网络的文本自动评分方法，提高短文本自动阅卷的准确度。

本申请实施例提供一种基于孪生神经网络的文本自动评分方法，包括：

分别对待评价文本和参考文本进行切分，得到待评价句子集合和参考句子集合；

将所述待评价句子集合和所述参考句子集合分别进行预处理，得到每个句子的词汇集合，并确定每个所述词汇集合的词向量集合；

将所述待评价句子集合中每个待评价句子和所述参考句子集合中每个参考句子组成句子对，并分别输入所述句子对的两个所述词向量集合至孪生神经网络子网络，训练得到两个长度一致的句向量；

根据曼哈顿距离确定两个所述句向量的向量差，并将所述向量差转换为所述句子对的相似度；

根据所述相似度，确定与所述参考句子相匹配的所述待评价句子，记录匹配结果，所述匹配结果包括匹配成功的句子之间的相似度，以及未匹配成功的所述参考句子；

根据所述匹配结果，计算待评价文本的评分。

进一步的，所述根据所述相似度，确定与所述参考句子相匹配的所述待评价句子包括：

将所述相似度按照大小进行排列；

将所述相似度最大的句子对所对应的两个句子作为所述匹配成功的句子，并记录所述相似度最大的句子对的相似度；

将未匹配成功的句子组成的句子对作为待匹配的句子对，再次按照待匹配的句子的相似度大小进行排列，并记录，直至不存在句子对为止；

记录所述参考句子集合中未匹配成功的所述参考句子的信息。

进一步的，所述预处理包括：分词处理、去除标点符号、去除空白字符和去除停用词。

进一步的，本方法还包括：

对所述待评价句子集合和所述参考句子集合进行所述分词处理，并去除标点符号和空白字符，得到每个句子的第一词汇集合，提取所述第一词汇集合的第一词法特征，所述第一特征为词汇字数总和和错别字字数；

去除所述第一词汇集合中的停用词，得到第二词汇集合，提取所述第二词汇集合的第二词法特征，所述第二特征为去除停用词后的词汇字数总和；

根据所述匹配结果、所述第一词法特征和所述第二词法特征，计算待评价文本的评分。

进一步的，还所述将所述向量差转换为所述句子对之间的相似度包括：