[发明专利]一种汉语二语作文自动评分方法

权利要求书

1.一种汉语二语作文自动评分方法,包括：

S1、抽取作文的语言特征；

S2、抽取多粒度文本表示特征；

S3、抽取切题特征；

S4、将语言特征、多粒度文本表示特征和切题特征输入评分模型，获得分数。

2.根据权利要求1所述的评分方法，其中，所述语言特征包括语言复杂度特征和语言偏误特征；所述语言复杂度特征包含字词复杂度特征、句法复杂度特征、依存复杂度特征和语法点复杂度特征。

3.根据权利要求2所述的评分方法，其中，句法复杂度特征，用于从语句、搭配、二元组三个维度对作文进行衡量，语句维度的特征包括平均大句长、平均小句长、平均T单位长、平均小句数、平均T单位数，搭配维度的特征包括整体搭配的多样性、跨语言通用搭配的多样性、汉语特有搭配的多样性、每类句法搭配的多样性、低频搭配比例、汉语特有搭配比例、二元组的多样性和低频二元组比例。

4.根据权利要求2所述的评分方法，其中，依存复杂度特征，用于反映句法结构中词与词之间的关系，包括每种依存类型三元组的多样性、比例和平均依存距离、依存三元组多样性、低频依存三元组比例、所有三元组的平均依存距离、定中三元组多样性、状中三元组多样性、动宾三元组多样性、定中三元组多样性、动宾结构的平均距离、主谓结构的平均距离、依存关系的多样性、高级依存三元组的比例。

5.根据权利要求2所述的评分方法，其中，语法点复杂度特征，用于捕捉二语作文句法复杂度和成熟度；优选的，包括10个语法点比例和11个语法点密度。

6.根据权利要求3所述的评分方法，其中，句法搭配类型包括动宾搭配、主谓搭配、形名搭配、状中搭配、量名搭配、框式介词搭配、介动搭配、述补搭配。

7.根据权利要求3所述的评分方法，其中，所述低频二元组比例的获取方法包括：

通过外部教材语料库提取二元组及其频次，并设定阈值；

将外部教材语料库中频次低于阈值的二元组界定为低频二元组；

计算作文文本中的低频二元组占比；

所述低频依存三元组比例的获取方法包括：

通过外部教材语料库提取三元组及其频次，并设定阈值；

将外部教材语料库中频次低于阈值的三元组界定为低频三元组；

计算作文文本中的低频三元组占比。

8.根据权利要求1所述的评分方法，其中，在步骤S2中，所述多粒度文本表示特征的获取方法包括：

提取作文中汉字、词汇和词性的一元组、二元组和三元组；

计算汉字、词汇和词性的一元组、二元组和三元组的TF-IDF权重；

使用TF-IDF权重对汉字、词汇和词性的一元组、二元组和三元组进行加权表示，从而获得作文的文本向量表示。

9.根据权利要求1所述的评分方法，其中，在所述步骤S3中，将作文题目和作文语句输入切题模型获取所述切题特征，所述切题模型为二分类模型，优选的，所述切题模型由顺次连接的BERT模型和全连接层构成的，激活函数为sigmoid函数；

优选的，切题模型的训练方法包括：

将训练集中“原作文题目+该题目下正文”作为正例，将“随机选取一个其他题目+原题目下的正文”作为负例，随机采样构造第一正负样本；

将训练集中“原作文题目+该题目下正文中句子”作为正例，将“随机选取一个其他题目+原题目下的正文中句子”作为负例，构造第二正负样本；

使用第一正负样本训练切题模型，从而得到切题模型的第一参数，使用第二正负样本训练切题模型，从而得到切题模型的第二参数。

10.根据权利要求1所述的评分方法，其中，所述评分模型的获取方法包括：

S41、根据步骤S1抽取训练集中作文的语言特征；

S42、采用逐步回归方法对特征作进一步筛选，排除与作文分数无显著相关性的特征，得到用于构建评分模型的语言特征集合；

S43、将筛选出的语言特征进行标准化处理；

S44、根据步骤S2抽取训练集中作文的多粒度文本表示特征；

S45、根据步骤S3抽取训练集中作文的切题特征；

S46、将标准化处理后的语言特征和多粒度文本表示特征、切题特征拼接，得到最终的特征集；

S47、采用基于阈值的有序逻辑回归模型进行评分学习，以获得评分模型。

优选的，所述有序逻辑回归模型中的损失函数是全阈值损失函数：

其中h(z)：＝log(1+exp(z))，标记k∈{1，...，l}对应区间(θ_k-1，θ_k)，θ₀和θ_l分别表示-∞和+∞，是训练样本{y₁，...，y_n}，y_i∈{1，...，l}是与其对应的标签。