CN118627498B 主观题答案自动评分方法、装置、电子设备及存储介质 （中国科学院自动化研究所）

号题答案自动评分模型，输出学生答案的评分结升了对学生主观题答案进行全面和准确评价的2将所述主观题的学生答案、标准答案、题目和采分点信息输入至主观所述主观题答案自动评分模型是基于第一语言处理模型、第二语在所述将所述主观题的学生答案、标准答案、题获取主观题样本的学生答案、标准答案、题目、答案得分和将所述主观题样本的学生答案和标准答案输入至初始主观题答案自动评分模型中的将所述主观题样本的学生答案和标准答案输入至所述初始主观题答案自动评分模型采用自回归方法对所述初始主观题答案自动评分模型中的第三语言处理模型进行训基于所述句子相似度损失和所述自回归损失，对所述初始主观题将所述学生答案和所述标准答案分别输入至所述句子向量表示处理向量表示处理层输出的所述学生答案的第一句子向量表示和所述标准答案的第二句子向将所述第一句子向量表示和所述第二句子向量表示输入至所述第到所述第一相似度计算层输出的所述学生答案中的段落与所述标准答案中的段落两两之将所述学生答案中的段落与所述标准答案中的段落两两之间的相似度输入至所述相3和第二均值池化层；所述第一BERT网络层与所述第二BERT网络层之间共享彼此的网络参句子向量表示处理层输出的所述学生答案的第一句子向量表示和所述标准答案的第二句将所述学生答案输入至所述第一BERT网络层，得到所述第一BERT网生答案的字词向量表示，并将所述标准答案输入至所述第二BERT网络层，得到所述第二将所述学生答案的字词向量表示输入至所述第一均值池化层，得将所述学生答案和所述标准答案分别输入至所述词嵌入模型，得到将所述学生答案和所述第一候选词分别输入至所述第三BERT网络层，得到所述第三层输出的所述标准答案的字词向量表示和所述第二候选词的字词向将所述学生答案的字词向量表示和所述第一候选词的字词向量表示输入至所述第二将所述第一候选词与所述学生答案之间的相似度输入至所述关将所述初始评分和所述目标提示信息输入至所述大语言模型，得到4所述主观题答案自动评分模型是基于第一语言处理模型、第二语将所述主观题样本的学生答案和标准答案输入至初始主观题答案自动评分模型中的将所述主观题样本的学生答案和标准答案输入至所述初始主观题答案自动评分模型采用自回归方法对所述初始主观题答案自动评分模型中的第三语言处理模型进行训基于所述句子相似度损失和所述自回归损失，对所述初始主观题将所述学生答案和所述标准答案分别输入至所述句子向量表示处理向量表示处理层输出的所述学生答案的第一句子向量表示和所述标准答案的第二句子向将所述第一句子向量表示和所述第二句子向量表示输入至所述第到所述第一相似度计算层输出的所述学生答案中的段落与所述标准答案中的段落两两之将所述学生答案中的段落与所述标准答案中的段落两两之间的相似度输入至所述相8.一种电子设备，包括存储器、处理器及存储程序被处理器执行时实现如权利要求1至5任一项所述主观题答5三语言处理模型构建的；所述第一语言处理模型用于基于所述学生答案和所述标准答案，句子向量表示处理层输出的所述学生答案的第一句子向量表示和所述标准答案的第二句[0012]将所述第一句子向量表示和所述第二句子向量表示输入至所述第一相似度计算[0013]将所述学生答案中的段落与所述标准答案中的段落两两之间的相似度输入至所6示处理层输出的所述学生答案的第一句子向量表示和所述标准答案的第二句子向量表示，二BERT网络层输出的所述标准答案的字词型输出的所述学生答案的第一候选词和所述标准答案的第二候络层输出的所述标准答案的字词向量表示和所述第二候选词的字[0020]将所述学生答案的字词向量表示和所述第一候选词的字词向量表示输入至所述7[0027]将所述主观题样本的学生答案和标准答案输入至初始主观题答案自动评分模型[0028]将所述主观题样本的学生答案和标准答案输入至所述初始主观题答案自动评分[0029]采用自回归方法对所述初始主观题答案自动评分模型中的第三语言处理模型进解释信息、所述主观题样本的学生答案的关键词和所述主观题样本的标准答案的关键词，三语言处理模型构建的；所述第一语言处理模型用于基于所述学生答案和所述标准答案，句子向量表示处理层输出的所述学生答案的第一句子向量表示和所述标准答案的第二句[0037]将所述第一句子向量表示和所述第二句子向量表示输入至所述第一相似度计算[0038]将所述学生答案中的段落与所述标准答案中的段落两两之间的相似度输入至所8机程序被处理器执行时实现如上述任一种所述主观题答案自[0052]图1是本发明提供的主观题答案自动评分方法的流程示意图之一，该方法中各步9骤的执行主体可以是主观题答案自动评分模型构建的装置，该装置可通过软件和/或硬件[0057]本发明实施例所描述的第一关键词指的是对主观题学生答案中的文本信息进行[0058]本发明实施例所描述的第二关键词指的是对主观题标准答案中的文本信息进行[0059]本发明实施例所描述的第二语言处理模型用于提取主观题学生答案的第一关键[0060]本发明实施例所描述的第三语言处理模型用于对主观题的学生答案、标准答案、[0061]本发明实施例所描述的评分结果包括目标得分、目标得分的解释信息和推理信目和采分点信息后，利用一类语言处理模型对主观题的学生答案和标准答案进行初级评处理层输出的学生答案的第一句子向量表示和标准答案的第二句子向似度计算层输出的学生答案中的段落与标准答案中的段落[0069]将学生答案中的段落与标准答案中的段落两两之间的相似度输入至相似度匹配[0071]本发明实施例所描述的第二句子向量表示指的是对主观题标准答案进行段落级[0072]本发明实施例所描述的句子向量表示处理层用于对主观题的学生答案和标准答[0073]本发明实施例所描述的第一相似度计算层用于计算第一句子向量表示和第二句子向量表示之间相似度，以表征学生答案中的段落与标准答案中的段落两两之间的相似[0074]本发明实施例所描述的相似度匹配层用于根据学生答案中的段落与标准答案中确定学生答案的初始评分。其具体可以采用最优匹配算法构建，如匈牙利算法(Kuhn_生答案的第一句子向量表示和标准答案的第及依次连接的第二BERT网络层230和第二均值池化层240；第一BERT网络层210与第二BERT网络层230之间共享彼此的网络参数；将学生答案和标准答案分别输入至句子向量表示处理层，得到所述句子向量表示处理层200输出的学生答案的第一句子向量表示和标准答案构相同的Sentence_BERT模型构建，且两个Sentence_BERT模型之间共享网络参数。两个为两个Sentence_BERT模型中的一个Sentence_BERT模型，第二BERT网络层为两个Sentence_BERT模型中的另一个Sente[0084]本发明实施例的方法，通过采用基于孪生网络的Sentence_BERT模型来构建句子[0088]式中，CosineSimilarity(A,B)表示学生答案中的段落与标准答案中的段落两两0表示步骤S4中找到的未被覆盖的Z1[0106]将学生答案的字词向量表示和第一候选词的字词向量表示输入至第二相似度计[0109]本发明实施例所描述的第二候选词指的是通过词嵌入模型对标准答案进行短语[0111]在本发明的实施例中，为了识别学生答案和标准答案文档中的关键信息，采用[0128]将主观题样本的学生答案和标准答案输入至初始主观题答案自动评分模型中的[0129]将主观题样本的学生答案和标准答案输入至初始主观题答案自动评分模型中的[0130]采用自回归方法对初始主观题答案自动评分模型中的第三语言处理模型进行训利用预设损失函数，基于第三句子向量表示与第四句子向量表示之间的相似度和答案得样本的学生答案的关键词和主观题样本的标准答案的关键案自动评分模型可用于实现对于多段落文章的自动[0154]本实施例所述的主观题答案自动评分装置可以用于执行上述主观题答案自动评目和采分点信息后，利用一类语言处理模型对主观题的学生答案和标准答案进行初级评处理层输出的学生答案的第一句子向量表示和标准答案的第二句子向似度计算层输出的学生答案中的段落与标准答案中的段落[0159]将学生答案中的段落与标准答案中的段落两两之间的相似度输入至相似度匹配输出所述学生答案的评分结果；所述主观题答案自动评分模型是基于第一语言处理模型、[0161]此外，上述的存储器530中的逻辑指令可以通过软件功能单元的形式实现并作为发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以