CN119538873A 基于大语言模型和光学字符识别的智能阅卷方法 (江南大学)_第1页
CN119538873A 基于大语言模型和光学字符识别的智能阅卷方法 (江南大学)_第2页
CN119538873A 基于大语言模型和光学字符识别的智能阅卷方法 (江南大学)_第3页
CN119538873A 基于大语言模型和光学字符识别的智能阅卷方法 (江南大学)_第4页
CN119538873A 基于大语言模型和光学字符识别的智能阅卷方法 (江南大学)_第5页
已阅读5页,还剩37页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

基于大语言模型和光学字符识别的智能阅一种基于大语言模型和光学字符识别的智能阅2对所述试卷的试题进行语义向量化处理得到对根据所述语义向量,采用相似度匹配算法,在临时记忆库中查找根据所述相关材料中的题目和答案,通过思维链的方式,生成具有将所述解答步骤作为提示实例,其中,所述提示实例用于以少样5.根据权利要求1所述的方法,其特征在于,3在所述试卷和答案为图像格式的情况下,通过大将所述试题解析文本与所述答题文本输入大语言模型,由所述将所述初始评分数据输入个性映射模型,由所述个性映射模型输出在所述个性映射模型的目标损失达到预设损失阈值的情况下,完4[0005]本发明实施例提供的一种基于大语言模型和光学字符识别的智能阅卷方法和计[0006]本发明实施例提供的一种基于大语言模型和光学字符识别的智能阅卷方法,包5初始评分数据输入个性映射模型,由所述个性映射模型输出具有目标语言风格的评分数6序/指令被处理器执行时,实现任一所述的基于大语言模型和光学字符识别的智能阅卷方[0018]图1是本发明实施例中一种基于大语言模型和光学字符识别的智能阅卷方法的步7些实施例然而应当理解的是本发明创造可以通过各种形式来实现而且不应该被解释为些实施例然而应当理解的是本发明创造可以通过各种形式来实现而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本发明创造。[0038]目前的智能阅卷方法存在很大的挑战:试卷中通常包含各种手写笔迹和印刷文[0039]为此,本发明实施例提供了一种基于大语言模型和光学字符识别的智能阅卷方[0040]请参照图1所示的步骤流程图,本发明实施例提供了一种基于大语言模型和光学例选用DBNet这一常用且高效的文字检测Baseline。DBNet的核心技术包括可微二值化基于Attention机制的识别方法。而本发明实施例主要使用SVTR模型,其主要基于8[0048]因此,本发明实施例所提供的基于大语言模型和光学字[0058]临时记忆库会根据试卷内容动态更新,以确保能提供相似度足够高的相关材9体效果。请参见图3所示,上述对检测框进行处理的步骤可以理解为是一种文本框调整的[0089]模型选择是指根据应用场景和需求选择合适的预训练OCR模型,也可以根据需求[0090]模型训练是指使用选定的OCR模型和数据集进行模型训练,飞桨提供了分布式训[0094]文字检测是指通过文字检测,将待检测图像中可能包含文字的部分进行分割处述LookTwice算法对检测框进行优化处理,以实现比使用飞桨OCR技术更高的检测精度和[0115]可以理解的是,对个性映射模型进行优化训练的上述方本领域技术人员可以根据所使用的系统或者设备的具体要求选择其他适应性的优化训练[0128]上传学生答卷请参见图12所示,基于上述OCR技术预处理学生答卷请参见图13所[0130]用于上述大语言模型的自适应学习界面请参见图15所示,在通过上述OCR技术处[0131]为了方便教师使用,本发明实施例所提供的上述智能阅卷系统采用指令生成算先写到一个指令库中,该指令库包含了上述系统能够执行的所有功能及其相关的参数配HWDB2.0HWDB2.1HWDB2.2[0147]上述三个数据集总计有1019位作者书写了5091页文稿,涵盖52230行文字,累计HWDB2.0HWDB2.1HWDB2.2[0151]在上述智能阅卷系统采用的OCR技术为飞桨OCR技[0152]在上述智能阅卷系统采用的OCR技术为飞桨OCR+LookTwice技术的情况下,HWDB2.0数据集对应的平均编辑距离为0.2446,HWDB2.1数据集对应的平均编辑距离为述智能阅卷系统的Tokens利用率提升了0.05[0159]将这200篇作文按照重点中学教师的批改标准,以及普通中学教师的批改标准分4.980.685.100.67重点中学教师的评分的MAE为4.98,上述智能阅卷系统得出的评分与普通中学教师的评分重点中学教师的评分的MAE为0.68,上述智能阅卷系统得出的评分与普通中学教师的评分[0166]本发明实施例还提供了一种计算机程序产品,包括计算机程序/指令,计算机程序/指令被处理器执行时,实现任一上述的基于大语言模型和光学字符识别的智能阅卷方理器通信连接的存储器。上述存储器存储有能够被上述至少一个处理器执行的计算机程网络和/或各种电信网络与其他设备交换信息/数据,并且可以包括但不限于调制解调器、[0171]计算单元1901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算读介质,例如存储单元1908。在一些实施例中,计算机程序的部分或者全部可以经由ROM1902和/或通信单元1909而被载入和/或安装到电子设备上。在一些实施例中,计算单元[0172]用于实施本发明实施例的方法的计算机程序可以采用一个或多个编程语言的任理装置的处理器或控制器,使得计算机程序当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读信号介质可以包括合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式备或上述内容的任何合适组合。[0176]本发明实施例所提供的方法实施方式中记载的各个步骤可以按照不同的顺序执[0178]以上所述实施例仅表达了本发明创造的几种实施方式,

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论