基于标签嵌入的作文自动评分方法  

Automatic scoring method for essays based on label embedding

作　　者：宋超 任鸽[1] 宋银忠 柳骏杰 杨勇[1] SONG Chao;REN Ge;SONG Yin-zhong;LIU Jun-jie;YANG Yong(School of Computer Science and Technology,Xinjiang Normal University,Urumqi 830054,China)

机构地区：[1]新疆师范大学计算机科学技术学院,乌鲁木齐830054

出　　处：《信息技术》2024年第4期28-35,43,共9页Information Technology

基　　金：新疆维吾尔自治区自然科学基金(2021D01B72);国家自然科学基金(62066044,62167008);国家自然科学基金青年研究者资助项目(62006130)。

摘　　要：目前的作文自动评分方法往往采用大型预训练模型来获取语义特征,由于预训练语料与作文领域特征不符,且对长篇作文提取特征效果不佳,因此该类方法的性能并不理想。文中提出了一种基于标签嵌入的作文自动评分方法,使用了一个改进的BiLSTM网络和BERT模型来提取作文的领域特征与抽象特征,同时利用门控机制调整两者对作文评分的影响,最后经过特征融合对作文进行自动评分。实验结果表明,所提出模型在Kaggle ASAP竞赛的作文自动评分数据集上性能显著提升,平均QWK值达到81.22%,验证了标签嵌入方法在作文自动评分任务中的有效性。features of essays,while using a gating mechanism to adjust the influence of both on essay scoring,and finally automatic scoring of essays through feature fusion.The experiment results show that the proposed model performs significantly better on the essay auto-scoring data set of the Kaggle ASAP competition,with an average QWK value of 81.22%,verifying the effectiveness of the label embedding approach in the essay auto-scoring task.

关 键 词：计算机应用技术 预训练嵌入 标签嵌入 特征融合 自然语言处理 

分 类 号：TP391.1[自动化与计算机技术—计算机应用技术]