[发明专利]一种试卷主观题自动评分方法

权利要求书

1.一种试卷主观题自动评分方法，其特征在于，包括以下步骤:

步骤1、获取考生主观题答案，并划分训练样本和测试样本；

步骤2、进行分句处理；

步骤3、进行分词处理；

步骤4、提取关键词语；

步骤5、对标准答案进行步骤2-4后，设定得分词；

步骤6、提取文本特征；

步骤7、进行训练，得到评分模型；进行测试，得到评分。

2.如权利要求1所述的一种试卷主观题自动评分方法，其特征在于，所述步骤1中，主观题是有参考答案的主观题，而非开放性答案的主观题；训练样本与测试样本的数量比为4:1。

3.如权利要求2所述的一种试卷主观题自动评分方法，其特征在于，所述步骤2中，分句处理主要使用逗号、分号、句号等标点作为子句分句的分割符号，来对考生的主观题答案进行分割，其中分号的优先级最高，句号次之，逗号最次；若句子长度大于40个字符，则以逗号对句子进行分割。

4.如权利要求3所述的一种试卷主观题自动评分方法，其特征在于，所述步骤3中，分词处理采用jieba分词器对句子进行分词，采用的是精确模式。

5.如权利要求4所述的一种试卷主观题自动评分方法，其特征在于，所述步骤4中，提取关键词语采用TF-IDF算法。

6.如权利要求5所述的一种试卷主观题自动评分方法，其特征在于，所述步骤5中具体包括：对标准答案进行分句处理、分词处理以及关键词语后，对主观题的一些得分要点进行设定，作为得分词。

7.如权利要求6所述的一种试卷主观题自动评分方法，其特征在于，所述步骤6中，文本特征包括：文本词性相似度、词语个数相似度、关键词语相似度、文本长度相似度、得分词相似度以及文本语句相似度，其中文本词性相似度包括：形容词相似度、数量词相似度、名词相似度、动词相似度、连词相似度、副词相似度、量词相似度、数词相似度、代词相似度以及介词相似度；文本特征的提取需要以词语语义相似度为基础，词语语义相似度采用基于知网的语义相似度计算，计算公式如下：

公式(1)中，D表示词语A、B在义原层次树中的距离，H表示层次数的高度，M_A、M_B分别表示一个义原，subDep(M_A,M_B)表示两个义原节点在同一类型树的层数差值；

其中名词相似度计算表示如下：

k＝min(m,n) (3)

公式(2)和(3)中，MAXi(S)表示第i个词语的词语语义相似度最大值，m,n分别表示标准答案文本A与考生答案文本B的词数个数；其他词性的相似度同理；

词语个数相似度计算如下：

公式(4)中，CountA表示标准答案文本A中的词数个数，CountB表示标准答案文本B中的词数个数；

关键词语相似度计算如下：

n＝max(a,b) (6)

公式(5)和(6)中，V_A、V_B表示n维特征向量，C^-1表示C的协方差逆矩阵，a,b表示标准答案文本A与考生答案文本B的关键词个数；

文本长度相似度计算如下：

公式(7)中，LenA表示标准答案文本A的长度，LenB表示考生答案文本B的长度；

得分词相似度计算表示如下：

公式(8)中，ScoreA表示标准答案文本A中的得分词数，ScoreB表示考生答案文本B中的得分词数；

文本语句相似度具体包括：

WordSim(A,B)＝μ₁Sim(A₁)+μ₂Sim(A₂)+…+μ_mSim(A_m) (9)

μ₁+μ₂+…+μ_m＝1 (10)

公式(9)和(10)中，A_i,i∈[1,m]表示标准答案文本A的一个子句分句，Sim(A₁)表示标准答案文本A中的第一个子句分句与考生答案文本B中的任意一个子句分句的相似度的最大值，其他同理；μ_i,i∈[1,m]表示子句分句所占的权重；m表示标准答案文本A中子句分句的个数。

8.如权利要求7所述的一种试卷主观题自动评分方法，其特征在于，所述步骤7中，训练选用MATLAB中的神经网络工具箱进行网络的训练，网络采用BP神经网络，其中BP神经网络由输入层、隐含层和输出层组成，输入层有15个神经元，分别对应提取到的15个特征，输出层有1个神经元，对应评分，隐含层和输出层的激活函数均为tansig函数；选取隐层神经元个数的问题上参照了以下的经验公式：

公式(11)中，n为输入层数，m为输出层数，a为[1,10]内的常数。