CN103955874A - 一种基于语义相似度区间的主观题自动评分***及方法 - Google Patents
一种基于语义相似度区间的主观题自动评分***及方法 Download PDFInfo
- Publication number
- CN103955874A CN103955874A CN201410125497.XA CN201410125497A CN103955874A CN 103955874 A CN103955874 A CN 103955874A CN 201410125497 A CN201410125497 A CN 201410125497A CN 103955874 A CN103955874 A CN 103955874A
- Authority
- CN
- China
- Prior art keywords
- scoring
- interval
- final
- answer
- similarity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明公开了一种基于语义相似度区间的主观题自动评分***及方法,该基于语义相似度区间的主观题自动评分方法包括以下步骤:初始化待评分题目分值Stotal;定义字块长度L;将参***切分成若干个长度不大于L的字块,形成参***字块集R;将待评答案切分成若干个长度不大于L的字块,形成待评答案字块集T;比较集合R、T,计算二者语义的相似度SRT;将SRT映射到相似度区间,记录评分为Sfinal,评分结束;该基于语义相似度区间的主观题自动评分***包括:答题终端、主观题阅卷模块、考试成绩生成模块。本发明对主观题的自动阅卷、评分环节,可实现按语义相似度阈值对主观题答案进行等级划分,进而通过分值约束以及各等级相似度分值化给出最终评分。
Description
技术领域
本发明属于教育教学考试技术领域,尤其涉及一种基于语义相似度区间的主观题自动评分***及方法。
背景技术
目前,在现有考试形式中,考卷中主观题(如论述题等)占一定比例。对主观题答案的评定判分将直接影响到考卷最终得分,因此,要求对主观题的评分过程具有较为合理的规范约束。人工阅卷评分方式易受到多因素干扰,使评分结果带有一定主观性。基于智能信息处理方法,特别是中文信息处理技术,研究对主观题答案的客观评分方法和模型,是解决主观干扰影响评分过程的有效途径。
发明内容
本发明实施例的目的在于提供一种基于语义相似度区间的主观题自动评分***及方法,旨在解决现有考试中主观题判定采用人工阅卷存在的以主观意愿为主,很难保证公平公正的问题。
本发明实施例是这样实现的,一种基于语义相似度区间的主观题自动评分方法,该基于语义相似度区间的主观题自动评分方法包括以下步骤:
步骤一,初始化待评分题目分值Stotal;
步骤二,定义字块长度L;
步骤三,将参***切分成若干个长度不大于L的字块,形成参***字块集R;
步骤四,将待评答案切分成若干个长度不大于L的字块,形成待评答案字块集T;
步骤五,比较集合R、T,计算二者语义的相似度SRT;
步骤六,将SRT映射到相似度区间,记录评分为Sfinal,评分结束。
进一步,在步骤六中,分为五个区间,具体为:
区间Ⅰ:Sfinal=SRT×WⅠ×Stotal,若Sfinal<Llower,则Sfinal=Llower,记录评分为Sfinal,评分结束,若Sfinal≥Llower,则记录评分为Sfinal,评分结束;
区间Ⅱ:Sfinal=SRT×WⅡ×Stotal,记录评分为Sfinal,评分结束;
区间Ⅲ:Sfinal=SRT×WⅢ×Stotal,记录评分为Sfinal,评分结束;
区间Ⅳ:Sfinal=SRT×WⅣ×Stotal,记录评分为Sfinal,评分结束;
区间Ⅴ:Sfinal=SRT×WⅤ×Stotal,若Sfinal>Lupper,则Sfinal=Lupper,记录评分为Sfinal,评分结束;若Sfinal≤Lupper,则记录评分为Sfinal,评分结束。
进一步,该基于语义相似度区间的主观题自动评分方法通过分值约束以及语义相似度、语义相似度阈值和相似度分值化给出最终评分。
进一步,分值约束是为了避免出现自动评分的结果大于主观题应得分值Stotal、或小于0分等无效分值或异常情况,设置评分分值上限Lupper和分值下限Llower,用来限定并确保评分结果Sfinal∈[Lupper,Llower],通常可以令Lupper等于Stotal,令Llower等于0。
进一步,语义相似度得出的具体方法为:
以语义相似度表征待评答案与参***的一致程度,按照同样的分词词典,对待评答案与参***进行字块切分,字块是不大于某一特定长度L的一串相邻文字,字块长度的确定要考虑被切分后的一串相邻文字所表达的语义的相对完整性,参***被切分后,形成参***字块集R;待评答案被切分后,形成待评答案字块集T,比较集合R与集合T,通过计算词的相似度和字的相似度,无需按照分词词典切分,加上相应的系数,得到两个集合的语义相似度SRT。
进一步,语义相似度阈值的定义为:
采用基于语句表面特征的相似度的计算方法,语义相似度的取值总是符合SRT∈[0,1]的规律,定义语义相似度阈值Ti,Ti∈[0,1],以4个阈值为例,i={1,2,3,4},且有T1<T2<T3<T4,即T4表示的相似度最高,T1最低,相似度阈值将相似度划分为i+1个区间,若定义4个阈值,则形成了5个相似度区间。
进一步,5个相似度区间为:区间Ⅰ:SRT≤T1;区间Ⅱ:T1<SRT≤T2;区间Ⅲ:T2<SRT≤T3;区间Ⅳ:T3<SRT≤T4;区间Ⅴ:SRT>T4。
进一步,相似度分值化的具体方法为:
待评答案与参***的语义相似度越高,得分也越高,不同区间,分值随相似度增加的速度不同,区间标号越大,表明相似度越高,分值随相似度增加越明显,因此,对各区间赋予不同权值Wi,权值随区间标号增大而增加,且各权值均介于0与1之间,以5个区间为例,有Wi∈[0,1],且i={Ⅰ,Ⅱ,Ⅲ,Ⅳ,Ⅴ},WⅠ<WⅡ<WⅢ<WⅣ<WⅤ,被映射到某一区间的相似度SRT与最终评分Sfinal的函数关系满足下式:
Sfinal=SRT×Wi×Stotal
记录相似度分值化后的结果,即完成一次评分过程。
本发明实施例的另一目的在于提供一种基于语义相似度区间的主观题自动评分***,该基于语义相似度区间的主观题自动评分***包括:答题终端、主观题阅卷模块、考试成绩生成模块;
用于实现答题者参加考试,得出客观题答案和主观题答案的答题终端;
与答题终端连接,用于接收答题终端的主观题答案,并按照评分标准形成包含所有待评目标得分的主观题评分结果集合的主观题阅卷模块;
与主观题阅卷模块连接,用于将主观题阅卷模块形成的评分结果集合生成最终考试成绩的考试成绩生成模块;
进一步,该基于语义相似度区间的主观题自动评分***设置有多个答题终端。
本发明提供的基于语义相似度区间的主观题自动评分***及方法,通过设置答题终端、主观题阅卷模块、考试成绩生成模块实现了审阅主观题的飞人工阅卷,严格按照评判的标准阅卷,排除了人工阅卷收干扰的问题,同时提高了阅卷的质量,保证了开始的公平和公正。本发明对主观题的自动阅卷、评分环节,可实现按语义相似度阈值对主观题答案进行等级划分,进而通过分值约束以及各等级相似度分值化给出最终评分。
附图说明
图1是本发明实施例提供的基于语义相似度区间的主观题自动评分方法的流程图;
图2是本发明实施例提供的基于语义相似度区间的主观题自动评分***的结构示意图;
图中:1、答题终端;2、主观题阅卷模块;3、考试成绩生成模块;
图3是本发明实施例提供的基于语义相似度区间的主观题自动评分***的具体实施例的示意图;
图4是本发明实施例提供的基于语义相似度区间的主观题自动评分方法的具体实现流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
下面结合附图及具体实施例对本发明的应用原理作进一步描述。
如图1所示,本发明实施例的基于语义相似度区间的主观题自动评分方法包括以下步骤:
S101:初始化待评分题目分值Stotal;
S102:定义字块长度L;
S103:将参***切分成若干个长度不大于L的字块,形成参***字块集R;
S104:将待评答案切分成若干个长度不大于L的字块,形成待评答案字块集T;
S105:比较集合R、T,计算二者语义的相似度SRT;
S106:将SRT映射到相似度区间,记录评分为Sfinal,评分结束。
在步骤S106中,分为五个区间,具体为:
区间Ⅰ:Sfinal=SRT×WⅠ×Stotal,若Sfinal<Llower,则Sfinal=Llower,记录评分为Sfinal,评分结束,若Sfinal≥Llower,则记录评分为Sfinal,评分结束;
区间Ⅱ:Sfinal=SRT×WⅡ×Stotal,记录评分为Sfinal,评分结束;
区间Ⅲ:Sfinal=SRT×WⅢ×Stotal,记录评分为Sfinal,评分结束;
区间Ⅳ:Sfinal=SRT×WⅣ×Stotal,记录评分为Sfinal,评分结束;
区间Ⅴ:Sfinal=SRT×WⅤ×Stotal,若Sfinal>Lupper,则Sfinal=Lupper,记录评分为Sfinal,评分结束;若Sfinal≤Lupper,则记录评分为Sfinal,评分结束。
如图2所示,本发明实施例的基于语义相似度区间的主观题自动评分***主要由答题终端1、主观题阅卷模块2、考试成绩生成模块3组成;
用于实现答题者参加考试,得出客观题答案和主观题答案的答题终端1;
与答题终端1连接,用于接收答题终端1的主观题答案,并按照评分标准形成包含所有待评目标得分的主观题评分结果集合的主观题阅卷模块2;
与主观题阅卷模块2连接,用于将主观题阅卷模块2形成的评分结果集合生成最终考试成绩的考试成绩生成模块3;
本发明设置有多个答题终端。
本发明的工作原理为:如图3所示,答题者通过答题终端参加考试,所产生的***括客观题答案和主观题答案;考试结束后,主观题自动评分***将各答题终端答案中的主观题答案作为待评答案读入到主观题阅卷模块中,进行评分,形成包含所有待评目标得分的主观题评分结果集合;主观题自动评分***将所形成的评分结果集合上传到考试成绩生成模块中,以便供生成最终考试成绩使用。本发明适用于对主观题的自动阅卷、评分环节,可实现按语义相似度阈值对主观题答案进行等级划分,进而通过分值约束以及各等级相似度分值化给出最终评分。
具体如下:
1.分值约束:
为了避免出现自动评分的结果大于主观题应得分值Stotal、或小于0分等无效分值或异常情况,设置评分分值上限Lupper和分值下限Llower,用来限定并确保评分结果Sfinal∈[Lupper,Llower],通常可以令Lupper等于Stotal,令Llower等于0;
2.语义相似度:
以语义相似度表征待评答案与参***的一致程度,按照同样的分词词典,对待评答案与参***进行字块切分,字块是不大于某一特定长度L的一串相邻文字,字块长度的确定要考虑被切分后的一串相邻文字所表达的语义的相对完整性,参***被切分后,形成参***字块集R;待评答案被切分后,形成待评答案字块集T,比较集合R与集合T,通过计算词的相似度和字的相似度(无需按照分词词典切分),加上相应的系数,得到两个集合的语义相似度SRT;
3.语义相似度阈值:
待评答案与参***的一致程度最差时为完全没有相似,最好时为完全一致,因此,采用基于语句表面特征的相似度的计算方法,语义相似度的取值总是符合SRT∈[0,1]的规律,定义语义相似度阈值Ti,Ti∈[0,1],以4个阈值为例,i={1,2,3,4},且有T1<T2<T3<T4,即T4表示的相似度最高,T1最低,相似度阈值将相似度划分为i+1个区间,若定义4个阈值,则形成了5个相似度区间,分别为表1:
表1
区间I | 区间II | 区间III | 区间IV | 区间V |
SRT≤T1 | T1<SRT≤T2 | T2<SRT≤T3 | T3<SRT≤T4 | SRT>T4 |
4.相似度分值化:
待评答案与参***的语义相似度越高,其得分也应该越高,不同区间,分值随相似度增加的速度不同,区间标号越大,表明相似度越高,分值随相似度增加越明显,因此,对各区间赋予不同权值Wi,权值随区间标号增大而增加,且各权值均介于0与1之间,以5个区间为例,有Wi∈[0,1],且i={Ⅰ,Ⅱ,Ⅲ,Ⅳ,Ⅴ},WⅠ<WⅡ<WⅢ<WⅣ<WⅤ,被映射到某一区间的相似度SRT与最终评分Sfinal的函数关系满足下式:
Sfinal=SRT×Wi×Stotal
记录相似度分值化后的结果,即完成一次评分过程;
5.评分流程,如图4所示:
第一步,初始化待评分题目分值Stotal;
第二步,定义字块长度L;
第三步,将参***切分成若干个长度不大于L的字块,形成参***字块集R;
第四步,将待评答案切分成若干个长度不大于L的字块,形成待评答案字块集T;
第五步,比较集合R、T,计算二者语义的相似度SRT;
第六步,将SRT映射到相似度区间;
区间Ⅰ:Sfinal=SRT×WⅠ×Stotal,若Sfinal<Llower,则Sfinal=Llower,记录评分为Sfinal,评分结束,若Sfinal≥Llower,则记录评分为Sfinal,评分结束;
区间Ⅱ:Sfinal=SRT×WⅡ×Stotal,记录评分为Sfinal,评分结束;
区间Ⅲ:Sfinal=SRT×WⅢ×Stotal,记录评分为Sfinal,评分结束;
区间Ⅳ:Sfinal=SRT×WⅣ×Stotal,记录评分为Sfinal,评分结束;
区间Ⅴ:Sfinal=SRT×WⅤ×Stotal,若Sfinal>Lupper,则Sfinal=Lupper,记录评分为Sfinal,评分结束;若Sfinal≤Lupper,则记录评分为Sfinal,评分结束。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于语义相似度区间的主观题自动评分方法,其特征在于,该基于语义相似度区间的主观题自动评分方法包括以下步骤:
步骤一,初始化待评分题目分值Stotal,分值Stotal为试卷中主观题的额定分值,是主观题评分的基值,分值Stotal与答案匹配度共同决定最终评分结果;
步骤二,定义字块长度L,依据该长度对参考和待评答案进行切分;L越长,评分时答案匹配度高的可能性越小,即得分越少;L越短,评分时答案匹配度高的可能性越大,即得分越多;
步骤三,将参***切分成若干个长度不大于L的字块,形成参***字块集R,由于参***、评分标准惟一,字块集R在评分过程中是固定的,用于与待评答案字块集做比较,以给出答案匹配度;
步骤四,将待评答案切分成若干个长度不大于L的字块,形成待评答案字块集T,由于答题人对主观题做出的解答在文字上可能有不同,字块集T在评分过程中可能是动态变化的,用于与参***字块集做比较,以给出答案匹配度;
步骤五,比较集合R、T,计算集合R、T语义的相似度SRT;
步骤六,将SRT映射到相似度区间,与待评分题目分值Stotal做计算,共同生成主观题的评分,并记录主观题总评分Sfinal,评分结束。
2.如权利要求1所述的基于语义相似度区间的主观题自动评分方法,其特征在于,在步骤六中,分为五个区间,具体为:
区间Ⅰ:Sfinal=SRT×WⅠ×Stotal,若Sfinal<Llower,则Sfinal=Llower,记录评分为Sfinal,评分结束,若Sfinal≥Llower,则记录评分为Sfinal,评分结束;
区间Ⅱ:Sfinal=SRT×WⅡ×Stotal,记录评分为Sfinal,评分结束;
区间Ⅲ:Sfinal=SRT×WⅢ×Stotal,记录评分为Sfinal,评分结束;
区间Ⅳ:Sfinal=SRT×WⅣ×Stotal,记录评分为Sfinal,评分结束;
区间Ⅴ:Sfinal=SRT×WⅤ×Stotal,若Sfinal>Lupper,则Sfinal=Lupper,记录评分为Sfinal,评分结束;若Sfinal≤Lupper,则记录评分为Sfinal,评分结束。
3.如权利要求1所述的基于语义相似度区间的主观题自动评分方法,其特征在于,该基于语义相似度区间的主观题自动评分方法通过分值约束以及语义相似度、语义相似度阈值和相似度分值化给出最终评分。
4.如权利要求3所述的基于语义相似度区间的主观题自动评分方法,其特征在于,分值约束是为了避免出现自动评分的结果大于主观题应得分值Stotal、或小于0分等无效分值或异常情况,设置评分分值上限Lupper和分值下限Llower,用来限定并确保评分结果Sfinal∈[Lupper,Llower],通常可以令Lupper等于Stotal,令Llower等于0。
5.如权利要求3所述的基于语义相似度区间的主观题自动评分方法,其特征在于,语义相似度得出的具体方法为:
以语义相似度表征待评答案与参***的一致程度,按照同样的分词词典,对待评答案与参***进行字块切分,字块是不大于某一特定长度L的一串相邻文字,字块长度的确定要考虑被切分后的一串相邻文字所表达的语义的相对完整性,参***被切分后,形成参***字块集R;待评答案被切分后,形成待评答案字块集T,比较集合R与集合T,通过计算词的相似度和字的相似度,无需按照分词词典切分,加上相应的系数,得到两个集合的语义相似度SRT。
6.如权利要求3所述的基于语义相似度区间的主观题自动评分方法,其特征在于,语义相似度阈值的定义为:
采用基于语句表面特征的相似度的计算方法,语义相似度的取值总是符合SRT∈[0,1]的规律,定义语义相似度阈值Ti,Ti∈[0,1],以4个阈值为例,i={1,2,3,4},且有T1<T2<T3<T4,即T4表示的相似度最高,T1最低,相似度阈值将相似度划分为i+1个区间,若定义4个阈值,则形成了5个相似度区间。
7.如权利要求6所述的基于语义相似度区间的主观题自动评分方法,其特征在于,5个相似度区间为:区间Ⅰ:SRT≤T1;区间Ⅱ:T1<SRT≤T2;区间Ⅲ:T2<SRT≤T3;区间Ⅳ:T3<SRT≤T4;区间Ⅴ:SRT>T4。
8.如权利要求3所述的基于语义相似度区间的主观题自动评分方法,其特征在于,相似度分值化的具体方法为:
待评答案与参***的语义相似度越高,得分也越高,不同区间,分值随相似度增加的速度不同,区间标号越大,表明相似度越高,分值随相似度增加越明显,因此,对各区间赋予不同权值Wi,权值随区间标号增大而增加,且各权值均介于0与1之间,以5个区间为例,有Wi∈[0,1],且i={Ⅰ,Ⅱ,Ⅲ,Ⅳ,Ⅴ},WⅠ<WⅡ<WⅢ<WⅣ<WⅤ,被映射到某一区间的相似度SRT与最终评分Sfinal的函数关系满足下式:
Sfinal=SRT×Wi×Stotal
记录相似度分值化后的结果,即完成一次评分过程。
9.一种基于语义相似度区间的主观题自动评分***,其特征在于,该基于语义相似度区间的主观题自动评分***包括:答题终端、主观题阅卷模块、考试成绩生成模块;
用于实现答题者参加考试,得出客观题答案和主观题答案的答题终端;
与答题终端连接,用于接收答题终端的主观题答案,并按照评分标准形成包含所有待评目标得分的主观题评分结果集合的主观题阅卷模块;
与主观题阅卷模块连接,用于将主观题阅卷模块形成的评分结果集合生成最终考试成绩的考试成绩生成模块。
10.如权利要求9所述的基于语义相似度区间的主观题自动评分***,其特征在于,该基于语义相似度区间的主观题自动评分***设置有多个答题终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410125497.XA CN103955874A (zh) | 2014-03-31 | 2014-03-31 | 一种基于语义相似度区间的主观题自动评分***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410125497.XA CN103955874A (zh) | 2014-03-31 | 2014-03-31 | 一种基于语义相似度区间的主观题自动评分***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103955874A true CN103955874A (zh) | 2014-07-30 |
Family
ID=51333144
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410125497.XA Pending CN103955874A (zh) | 2014-03-31 | 2014-03-31 | 一种基于语义相似度区间的主观题自动评分***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103955874A (zh) |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105336235A (zh) * | 2015-11-18 | 2016-02-17 | 浙江师范大学 | 一种用于智能学习***的分值设定方法 |
CN105894183A (zh) * | 2016-03-30 | 2016-08-24 | 腾讯科技(深圳)有限公司 | 项目评价方法及装置 |
CN106205251A (zh) * | 2016-08-31 | 2016-12-07 | 李彦芝 | 一种作业打分*** |
CN106251725A (zh) * | 2016-07-21 | 2016-12-21 | 北京华云天科技有限公司 | 试题批改方法和服务器 |
CN107480133A (zh) * | 2017-07-25 | 2017-12-15 | 广西师范大学 | 一种基于答案蕴涵与依存关系的主观题自适应阅卷方法 |
CN107977637A (zh) * | 2017-12-11 | 2018-05-01 | 上海启思教育科技服务有限公司 | 一种多题型的智能阅卷*** |
CN108241868A (zh) * | 2016-12-26 | 2018-07-03 | 浙江宇视科技有限公司 | 图像客观相似度到主观相似度的映射方法及装置 |
CN108363687A (zh) * | 2018-01-16 | 2018-08-03 | 深圳市脑洞科技有限公司 | 主观题评分及其模型的构建方法、电子设备及存储介质 |
CN108595427A (zh) * | 2018-04-24 | 2018-09-28 | 成都海天数联科技有限公司 | 一种主观题评分方法、装置、可读存储介质以及电子设备 |
CN108985300A (zh) * | 2018-07-01 | 2018-12-11 | 甘肃万维信息技术有限责任公司 | 一种基于Wunsch算法的自动阅卷*** |
CN109299865A (zh) * | 2018-09-06 | 2019-02-01 | 西南大学 | 基于语义分析的心理测评***及方法、信息数据处理终端 |
CN109785698A (zh) * | 2017-11-13 | 2019-05-21 | 上海流利说信息技术有限公司 | 用于口语水平评测的方法、装置、电子设备以及介质 |
CN110070332A (zh) * | 2019-03-13 | 2019-07-30 | 平安城市建设科技(深圳)有限公司 | 基于人工智能的面试方法、装置、设备及可读存储介质 |
CN110096702A (zh) * | 2019-04-22 | 2019-08-06 | 安徽省泰岳祥升软件有限公司 | 一种主观题评分方法及装置 |
CN110164447A (zh) * | 2019-04-03 | 2019-08-23 | 苏州驰声信息科技有限公司 | 一种口语评分方法及装置 |
CN110196893A (zh) * | 2019-05-05 | 2019-09-03 | 平安科技(深圳)有限公司 | 基于文本相似度的非主观题阅卷方法、装置及存储介质 |
CN110309503A (zh) * | 2019-05-21 | 2019-10-08 | 昆明理工大学 | 一种基于深度学习bert--cnn的主观题评分模型及评分方法 |
CN110413961A (zh) * | 2019-06-21 | 2019-11-05 | 平安国际智慧城市科技股份有限公司 | 基于分类模型进行文本评分的方法、装置和计算机设备 |
CN110413741A (zh) * | 2019-08-07 | 2019-11-05 | 山东山大鸥玛软件股份有限公司 | 一种面向主观题的智能阅卷方法 |
CN110705278A (zh) * | 2018-07-09 | 2020-01-17 | 北大方正集团有限公司 | 主观题阅卷方法和主观题阅卷装置 |
CN112116840A (zh) * | 2019-06-19 | 2020-12-22 | 广东小天才科技有限公司 | 一种基于图像识别的作业批改方法、***和智能终端 |
CN112115736A (zh) * | 2019-06-19 | 2020-12-22 | 广东小天才科技有限公司 | 一种基于图像识别的作业批改方法、***和智能终端 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103400223A (zh) * | 2013-07-23 | 2013-11-20 | 苏州汉清计算机有限公司 | 新型网络考试管理*** |
-
2014
- 2014-03-31 CN CN201410125497.XA patent/CN103955874A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103400223A (zh) * | 2013-07-23 | 2013-11-20 | 苏州汉清计算机有限公司 | 新型网络考试管理*** |
Non-Patent Citations (2)
Title |
---|
陈慈弟 等: "非标准化试题的智能评分", 《三明学院学报》 * |
马昌威: ""基于语义脉络的主观题自动评分算法探讨"", 《淮海工学院学报(自然科学版)》 * |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105336235A (zh) * | 2015-11-18 | 2016-02-17 | 浙江师范大学 | 一种用于智能学习***的分值设定方法 |
CN105894183A (zh) * | 2016-03-30 | 2016-08-24 | 腾讯科技(深圳)有限公司 | 项目评价方法及装置 |
CN105894183B (zh) * | 2016-03-30 | 2020-11-10 | 腾讯科技(深圳)有限公司 | 项目评价方法及装置 |
CN106251725A (zh) * | 2016-07-21 | 2016-12-21 | 北京华云天科技有限公司 | 试题批改方法和服务器 |
CN106205251A (zh) * | 2016-08-31 | 2016-12-07 | 李彦芝 | 一种作业打分*** |
CN108241868A (zh) * | 2016-12-26 | 2018-07-03 | 浙江宇视科技有限公司 | 图像客观相似度到主观相似度的映射方法及装置 |
CN107480133A (zh) * | 2017-07-25 | 2017-12-15 | 广西师范大学 | 一种基于答案蕴涵与依存关系的主观题自适应阅卷方法 |
CN107480133B (zh) * | 2017-07-25 | 2020-07-28 | 广西师范大学 | 一种基于答案蕴涵与依存关系的主观题自适应阅卷方法 |
CN109785698A (zh) * | 2017-11-13 | 2019-05-21 | 上海流利说信息技术有限公司 | 用于口语水平评测的方法、装置、电子设备以及介质 |
CN107977637A (zh) * | 2017-12-11 | 2018-05-01 | 上海启思教育科技服务有限公司 | 一种多题型的智能阅卷*** |
CN108363687A (zh) * | 2018-01-16 | 2018-08-03 | 深圳市脑洞科技有限公司 | 主观题评分及其模型的构建方法、电子设备及存储介质 |
CN108595427B (zh) * | 2018-04-24 | 2021-06-08 | 成都海天数联科技有限公司 | 一种主观题评分方法、装置、可读存储介质以及电子设备 |
CN108595427A (zh) * | 2018-04-24 | 2018-09-28 | 成都海天数联科技有限公司 | 一种主观题评分方法、装置、可读存储介质以及电子设备 |
CN108985300A (zh) * | 2018-07-01 | 2018-12-11 | 甘肃万维信息技术有限责任公司 | 一种基于Wunsch算法的自动阅卷*** |
CN110705278A (zh) * | 2018-07-09 | 2020-01-17 | 北大方正集团有限公司 | 主观题阅卷方法和主观题阅卷装置 |
CN109299865A (zh) * | 2018-09-06 | 2019-02-01 | 西南大学 | 基于语义分析的心理测评***及方法、信息数据处理终端 |
CN109299865B (zh) * | 2018-09-06 | 2021-12-17 | 西南大学 | 基于语义分析的心理测评***及方法、信息数据处理终端 |
CN110070332A (zh) * | 2019-03-13 | 2019-07-30 | 平安城市建设科技(深圳)有限公司 | 基于人工智能的面试方法、装置、设备及可读存储介质 |
CN110164447A (zh) * | 2019-04-03 | 2019-08-23 | 苏州驰声信息科技有限公司 | 一种口语评分方法及装置 |
CN110164447B (zh) * | 2019-04-03 | 2021-07-27 | 苏州驰声信息科技有限公司 | 一种口语评分方法及装置 |
CN110096702A (zh) * | 2019-04-22 | 2019-08-06 | 安徽省泰岳祥升软件有限公司 | 一种主观题评分方法及装置 |
CN110096702B (zh) * | 2019-04-22 | 2023-07-25 | 安徽省泰岳祥升软件有限公司 | 一种主观题评分方法及装置 |
CN110196893A (zh) * | 2019-05-05 | 2019-09-03 | 平安科技(深圳)有限公司 | 基于文本相似度的非主观题阅卷方法、装置及存储介质 |
CN110309503A (zh) * | 2019-05-21 | 2019-10-08 | 昆明理工大学 | 一种基于深度学习bert--cnn的主观题评分模型及评分方法 |
CN112115736A (zh) * | 2019-06-19 | 2020-12-22 | 广东小天才科技有限公司 | 一种基于图像识别的作业批改方法、***和智能终端 |
CN112116840A (zh) * | 2019-06-19 | 2020-12-22 | 广东小天才科技有限公司 | 一种基于图像识别的作业批改方法、***和智能终端 |
CN110413961A (zh) * | 2019-06-21 | 2019-11-05 | 平安国际智慧城市科技股份有限公司 | 基于分类模型进行文本评分的方法、装置和计算机设备 |
CN110413741A (zh) * | 2019-08-07 | 2019-11-05 | 山东山大鸥玛软件股份有限公司 | 一种面向主观题的智能阅卷方法 |
CN110413741B (zh) * | 2019-08-07 | 2022-04-05 | 山东山大鸥玛软件股份有限公司 | 一种面向主观题的智能阅卷方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103955874A (zh) | 一种基于语义相似度区间的主观题自动评分***及方法 | |
CN104679815B (zh) | 一种筛选问答对并实时更新问答库的方法及*** | |
CN109829166B (zh) | 基于字符级卷积神经网络的民宿顾客意见挖掘方法 | |
CN103268339B (zh) | 微博消息中命名实体识别方法及*** | |
CN107562918A (zh) | 一种数学题知识点发现与批量标签获取方法 | |
CN105427869A (zh) | 一种基于深度学习的会话情感自动分析方法 | |
CN111709244B (zh) | 一种用于矛盾纠纷事件因果关系识别的深度学习方法 | |
WO2019165678A1 (zh) | 一种慕课的关键词提取方法 | |
CN104268134B (zh) | 一种主客观分类器构建方法和*** | |
CN107491548A (zh) | 一种网络舆情文本信息推荐及可视化方法 | |
CN102682120B (zh) | 一种网络评论精华文本的获取方法和装置 | |
Salleh et al. | Demographic characteristics differences of risk taking propensity among micro and small business owners in Malaysia | |
CN103729474A (zh) | 用于识别论坛用户马甲账号的方法和*** | |
CN106205609A (zh) | 一种基于音频事件和主题模型的音频场景识别方法及其装置 | |
WO2010030982A3 (en) | Associating an entity with a category | |
CN108334493A (zh) | 一种基于神经网络的题目知识点自动提取方法 | |
CN105117398A (zh) | 一种基于众包的软件开发问题自动应答方法 | |
CN110175229A (zh) | 一种基于自然语言进行在线培训的方法和*** | |
CN104899335A (zh) | 一种对网络舆情信息进行情感分类的方法 | |
CN106611599A (zh) | 基于人工神经网络的语音识别方法、装置及电子设备 | |
CN114048327A (zh) | 一种基于知识图谱的主观题自动评分方法及*** | |
CN106815190A (zh) | 一种词语识别方法、装置及服务器 | |
US20150269627A1 (en) | User-profiling method for providing advertisement data and/or online content to a user and a computer program | |
Parveen et al. | Opinion Mining in Twitter–Sarcasm Detection | |
CN106874262A (zh) | 一种实现领域自适应的统计机器翻译方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140730 |