申请/专利权人：首都师范大学

申请日：2023-02-13

公开（公告）日：2024-03-01

公开（公告）号：CN116187339B

主分类号：G06F40/30

分类号：G06F40/30;G06F40/268;G06N3/0442;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.03.01#授权;2023.06.16#实质审查的生效;2023.05.30#公开

摘要：本发明公开了基于双塔模型进行特征语义融合的作文自动评分方法,包括：构建初始双塔模型，根据非目标主题作文数据获取作文词性表示，基于作文词性表示通过卷积神经网络获取词级别的作文特征表示，基于词级别的特征表示通过循环神经网络获取句子级别的词性表示；根据非目标主题作文数据获取作文语义表示，基于作文语义表示通过使用循环神经网络获取句子级别的语义表示；将句子级别的词性表示和句子级别的语义表示进行融合并通过使用注意力机制获取作文表示，基于作文表示结合作文手工特征对初始双塔模型进行训练，获取训练后的双塔模型；获取目标主题作文数据，将目标主题作文数据输入训练后的双塔模型，获取作文分数。

主权项：1.基于双塔模型进行特征语义融合的作文自动评分方法，其特征在于，包括以下步骤：构建初始双塔模型，根据非目标主题作文数据获取作文词性表示，基于所述作文词性表示通过卷积神经网络获取词级别的特征表示，基于所述词级别的特征表示通过循环神经网络获取句子级别的词性表示；根据非目标主题作文数据获取作文语义表示，基于所述作文语义表示通过循环神经网络获取句子级别的作文语义表示；将所述句子级别的词性表示和所述句子级别的语义表示进行融合并使用注意力机制获取作文表示，基于所述作文表示结合作文手工特征对所述初始双塔模型进行训练，获取训练后的双塔模型；将所述句子级别的词性表示和所述句子级别的语义表示进行融合并使用注意力机制获取作文表示的方法包括： 其中，为融合词性表示和语义表示后的作文句子表示，为融合的作文表示，s是句子级别的词性表示，ht是语义表示，是注意力权重矩阵，qs,sj是权重矩阵，是偏差向量，为第t个句子融合词性和语义表示的向量，为第t个句子的注意力权重；获取目标主题作文数据，将所述目标主题作文数据输入所述训练后的双塔模型，获取作文分数。

全文数据：

权利要求：

百度查询： 首都师范大学 基于双塔模型进行特征语义融合的作文自动评分方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD