[发明专利]一种主观题阅卷评分方法、装置、计算机设备及存储介质

权利要求书

1.一种应用于主观题阅卷的评分方法，其特征在于，包括下述步骤：

接收阅卷评分请求，所述阅卷评分请求至少携带有固定文本数据、填空文本数据或者简答文本数据中的一种或者多种组合；

读取本地数据库，在所述本地数据库中获取标准文本数据；

根据正则表达式分别对所述固定文本数据进行相似度判断操作，得到各个所述固定文本数据相对应的固定文本得分；

结合所述填空文本数据以及与所述填空文本数据相对应的上下关联文本，得到填空句子文本；

根据语义分析模型对所述填空句子文本进行语义分析操作，得到填空语义特征；

根据余弦相似度算法对每个所述填空语义特征进行余弦相似度计算操作，得到与各个所述填空文本数据相对应的填空文本得分；

对所述简答文本数据进行预处理操作，得到关键文本数据；

根据所述语义分析模型对所述关键文本数据进行所述语义分析操作，得到简答语义特征；

根据所述余弦相似度算法对每个所述简答语义特征进行余弦相似度计算操作，得到与各个所述简答文本数据相对应的简答文本得分；

整合所述固定文本得分、所述填空文本得分以及所述简答文本得分，得到最终阅卷评分。

2.根据权利要求1所述的应用于主观题阅卷的评分方法，其特征在于，在所述根据语义分析模型对所述填空句子文本进行语义分析操作，得到填空语义特征的步骤之前还包括：

在所述本地数据库中获取样本文本，并确定所述样本文本中包含的每个分词；

基于待训练的语义分析模型确定所述每个分词对应的词向量；

在所述本地数据库中获取语义属性，根据所述待训练的语义分析模型中包含所述语义属性对应的注意力矩阵，以及所述每个分词对应的词向量，确定所述样本文本涉及所述语义属性的第一特征表示向量；

根据所述待训练的语义分析模型中包含的用于表示不同语义属性之间的相关性的注意力矩阵，以及所述第一特征表示向量，确定所述样本文本涉及所述语义属性的第二特征表示向量；

根据所述待训练的语义分析模型以及所述第二特征表示向量，确定所述待训练的语义训练模型输出的分类结果，所述分类结果包括所述样本文本所属的语义属性以及所述样本文本所属的语义属性对应的情感极性；

根据所述分类结果和所述样本文本预设的标注，对所述语义分析模型中的模型参数进行调整，得到所述语义分析模型。

3.根据权利要求2所述的应用于主观题阅卷的评分方法，其特征在于，所述基于待训练的语义分析模型确定所述每个分词对应的词向量的步骤，具体包括：

将所述每个分词输入至所述语义分析模型的语义表征层，得到所述语义表征层输出的所述每个分词分别对应的语义表示向量，作为所述每个分词对应的词向量。

4.根据权利要求2所述的应用于主观题阅卷的评分方法，其特征在于，所述在所述本地数据库中获取语义属性，根据所述待训练的语义分析模型中包含所述语义属性对应的注意力矩阵，以及所述每个分词对应的词向量，确定所述样本文本涉及所述语义属性的第一特征表示向量的步骤，具体包括：

将所述每个分词对应的词向量输入至所述语义分析模型中的属性表征层；

通过所述属性表征层中包含的所述语义属性对应的注意力矩阵，对所述每个分词对应的词向量进行注意力加权，得到加权词向量；

基于所述加权词向量确定所述样本文本涉及所述语义属性的所述第一特征表示向量。

5.根据权利要求1所述的应用于主观题阅卷的评分方法，其特征在于，所述根据所述待训练的语义分析模型中包含的用于表示不同语义属性之间的相关性的注意力矩阵，以及所述第一特征表示向量，确定所述样本文本涉及所述语义属性的第二特征表示向量的步骤，具体包括：

将所述第一特征表示向量输入至所述语义分析模型中的属性相关性表示层；

通过所述属性相关性表示层中包含的用于表示不同语义属性之间的相关性的注意力矩阵，对所述样本文本涉及每个语义属性的第一特征表示向量进行注意力加权，得到加权特征表示向量；

基于所述加权特征表示向量确定所述样本文本涉及每个语义属性的第二特征表示向量。