基于改进的LDA模型的中文主观题自动评分研究

摘要：

主观题自动评分(Automated Scoring Subjective Responses,ASSR)在语言学习与语言测试领域的诊断信息及信度方面具有重要的应用前景.将主题模型中的隐含狄利克雷分配(Latent Dirichlet Allocation,LDA)引入到中文主观题自动评分中,提出了一种结合专家知识的改进的LDA模型,并采用了一种综合文档-隐含主题概率向量及隐含主题-核心词项概率向量的文本特征表示方式.实验对比了改进的LDA与潜在语义分析(Latent Semantic Analysis,LSA)的自动评分效果,结果表明改进的LDA模型在中文主观题自动评分中切实有效.

关键词：主观题自动评分、潜在语义分析(LSA)、隐含狄利克雷分配(LDA)、绝对一致性、相邻一致性

所属期刊栏目：44

分类号：TP18(自动化基础理论)

资助基金：广东省自然科学基金资助项目2015A030313575

在线出版日期：2018-01-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：102-105,128