文献类型：期刊文章

作　　者：黎秋艳[1] 刘佳祎[2] 王鹏[3] 王杰[3]

LI Qiuyan;LIU Jiayi;WANG Peng;WANG Jie(College of Information Technology,Guilin Universiey of Electronic Technology,Guilin 541004,China;Network and Information Center,Guilin University of Technology,Guilin 541006,China;Network Information Center,Guangxi Normal University,Guilin 541006,China)

机构地区：[1]桂林电子科技大学信息科技学院,广西桂林541004 [2]桂林理工大学网络与信息中心,广西桂林541006 [3]广西师范大学网络信息中心,广西桂林541006

出　　处：《桂林理工大学学报》

基　　金：国家自然科学基金地区项目(62166004);广西哲学社会科学规划研究课题(21FGL040)。

年　　份：2023

卷　　号：43

期　　号：1

起止页码：155-160

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、JST、ZGKJHX、核心刊

摘　　要：针对英语在线考试系统的主观题评分本身具有的复杂性,引入单词表达式的词向量模型global vector(GloVe)与卷积神经网络(CNN)构建文本表达式特征,提出了基于GloVe-CNN算法的主观题自动评阅模型,以实现英语在线考试系统主观题自动评分。通过平方加权Kappa评价指标,与人工阅卷分数差对比发现,该模型在评分的一致性、准确性等指标上要优于卷积神经网络、KNN模型等传统的模型,整体性能较好,可进一步减轻教师的教学负担。

关 键 词：英语在线考试系统  自动评分 词向量  卷积神经网络

分 类 号：T391.1]