文献类型：期刊文章

作　　者：周险兵[1] 樊小超[1,2] 任鸽[1] 杨勇[1]

ZHOU Xianbing;FAN Xiaochao;REN Ge;YANG Yong(College of Computer Science and Technology,Xinjiang Normal University,Urumqi Xinjiang 830054,China;School of Computer Science and Technology,Dalian University of Technology,Dalian Liaoning 116024,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 [2]大连理工大学计算机科学与技术学院,辽宁大连116024

出　　处：《计算机应用》

基　　金：国家自然科学基金资助项目(62066044);新疆维吾尔自治区高等学校科研计划项目(XJEDU2016S066)。

年　　份：2021

卷　　号：41

期　　号：8

起止页码：2205-2211

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：作文自动评分(AES)技术能够自动地对作文进行分析和评分,其已成为自然语言处理技术在教育领域应用的热点研究问题之一。针对目前AES方法割裂了深层和浅层语义特征,忽视了多层次语义融合对作文评分影响的问题,提出了一种基于多层次语义特征的神经网络(MLSF)模型进行AES。首先,采用卷积神经网络(CNN)捕获局部语义特征,并采用混合神经网络捕获全局语义特征,以从深层次获取作文的语义特征;其次,利用篇章级的作文主题向量来获取主题层特征,同时针对深度学习模型难以挖掘的语法错误和语言丰富程度特征,构造了少量人工特征以从浅层获取作文的语言学特征;最后,通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竞赛公开数据集的所有子集上性能均有显著提升,该模型的平均二次加权的卡帕值(QWK)达到79.17%,验证了该模型在AES任务中的有效性。

关 键 词：英文作文 作文自动评分  多层语义特征  深层语义理解  特征融合  自然语言处理

分 类 号：TP391.1]