基于孪生网络和BERT模型的主观题自动评分系统

摘要：

由于现在缺乏多语言教学中的主观题自动评分, 针对这一问题提出了一种基于孪生网络和BERT模型的主观题自动评分系统. 主观题的问题文本和答案文本通过自然语言预处理BERT模型得到文本的句向量, BERT模型已经在大规模多种语言的语料上经过训练, 得到的文本向量包含了丰富的上下文语义信息, 并且能处理多种语言信息. 然后把问题文本和答案文本的句向量再通过深度网络的孪生网络进行语义相似度的计算, 最后连接逻辑回归分类器, 完成主观题的自动评分. 实验所使用数据集由Hewlett基金提供的英文数据集以及翻译后的中文数据集,并以二次加权Kappa系数作为模型的评估指标. 实验结果表明, 对比其他基准模型, 基于孪生网络和BERT模型的自动评分系统在各个数据子集得到的结果最好.

关键词：自然语言处理;主观题自动评分;孪生网络;基于transformer的双向编码器表示;二次加权Kappa系数

所属期刊栏目：31

资助基金：天津财经大学珠江学院教学改革重点项目ZJJG20-04Z

在线出版日期：2022-03-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：143-149