CN119416771A 试题评分方法、系统、电子设备及存储介质 （山东山大鸥玛软件股份有限公司）

脱敏后的试题数据按频率转换到词频表中对应2对脱敏后的试题数据进行词频统计，并利用词频表，将脱敏后的试题数基于预先构建的试题评分模型对生成的试题伪文本进行评分，获选择中文预训练语言模型PTM作为领域适应性预训练的起始模型，随机选择数据集中的部分文本进行遮挡处理，通过预测被遮挡词的任务对所述中文预训练语言模型PTM进行利用经过领域适应性预训练的特征提取基座模型PTMa对输入的ptext伪文本序列进特征f：进行分数预测，softmax将输出转为每个类别的概率，predeus表示每个分值类别的入的维度，输出的维度为分值的种类数量score_classes；3以及归一化的人工评分数据的三元组数据(ptext,labeleus,labelreg)，其中，ptext为试式中，max_score表示最大分值，mean_score表示平均分值，expert_score表示计算分类任务和回归任务的分值差值，若分值评分结果pscore为两者平均值：同时选择predes最大的概率作为评分结果的置信度；评分单元，用于基于预先构建的试题评分模型对生成的试题伪文本进8.一种电子设备，包括存储器、处理器及存储在4程序被处理器执行时实现如权利要求1_6任一项所述的试题评分5全部或至少部分的解决上述现有技术中存在的脱敏后的试题数据评分基于预先构建的试题评分模型对生成的试题伪文本进行评分，获得试题评分结选择中文预训练语言模型PTM作为领域适应性预训练的起始模型，随机选择数据集中的部分文本进行遮挡处理，通过预测被遮挡词的任务对所述中文预训练语言模型PTM6利用经过领域适应性预训练的特征提取基座模型PTMa对输入的ptext伪文本序文本特征f：[0012]进行分数预测，softmax将输出转为每个类别的概率，predcus表示每个分值类义嵌入的维度，输出的维度为分值的种类数量score_classes；[0013]进行分数预测，predreg为回归结果，Dreg是回归全连接层，其输入维度为数据以及归一化的人工评分数据的三元组数据(ptext,labeles,labelreg)，其中ptext为试题伪文本，labeleus表示人工分数转换的类别数据，labelreg表示归一化的人工评分[0015]其中，max_score表示最大分值，mean_score表示平均分值，expert_score7计算分类任务和回归任务的分值差值，若分值差值在规定的阈值内则评分有效，最终评分结果pscore为两者平均值：[0019]同时选择predes最大的概率作为评分结果的置信度；8图3是本发明实施例提供的一种利用微调后的模型对试题伪文本进行评分的过程域适应性预训练的数据集；选择中文预训练语言模型PTM作为领域适应性预训练的起始模9S1：利用经过领域适应性预训练的中文预训练语言模型PTM对输入的试题伪文本文本特征f：义嵌入的维度，输出的维度为分值的种类数量score_classes；[0042]进行分数预测，predreg为回归结果，Dreg是回归全连接层，其输入维度为[0044]示例性的，构建训练数据集。数据集为三元组(ptext,laptext为试题伪文本，labelas表示人工分数转换的类别数据，labelreg表示归一化的人工评分数据：[0045]其中，max_score表示最大分值，mean_score表示平均分值，expert_score[0053]式中，round表示取整函数，pred[0056]同时选择predeus最大的概率作为评分结果的置信度。若分值差值大于规定的阈评分单元42，用于基于预先构建的试题评分模型对生成的试题伪文本进行评分，[0072]这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特其他可编程设备上执行的指令提供用于实现在流程图一个流程或