申请/专利权人：珠海金智维信息科技有限公司

申请日：2024-01-08

公开（公告）日：2024-04-12

公开（公告）号：CN117540727B

主分类号：G06F40/216

分类号：G06F40/216;G06F40/30;G06N3/0455;G06Q10/10;G06Q50/20;G06F18/22

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2024.03.01#实质审查的生效;2024.02.09#公开

摘要：本发明公开了基于ALBERT模型与RPA技术的主观题评分方法及系统，所述方法包括以下步骤：输入待评分的主观题学生答案，以及主观题参考答案；计算主观题学生答案、主观题参考答案之间的文本语义相似度；利用同义词词林计算主观题学生答案、主观题参考答案之间面向得分点的关键词相似度；综合主观题学生答案、主观题参考答案之间的文本语义相似度、关键词相似度，对主观题学生答案进行综合评分并输出。本发明采用先分句分词，然后提取特征，再进行相似度计算的方式，使得本发明的系统能够更加有效地提取文本特征，从而提高主观题评分效率和准确性。

主权项：1.基于ALBERT模型与RPA技术的主观题评分方法，其特征在于，包括以下步骤：S1、输入待评分的主观题学生答案，以及主观题参考答案；S2、使用ALBERT模型计算主观题学生答案、主观题参考答案之间的文本语义相似度；所述ALBERT模型是采用双向Transformer编译器结构的预训练语言模型，ALBERT模型则利用Transformer的Encoder层来提取输入序列的特征信息；Encoder层由Self-Attention层、Feed-Forward层和两个AddNorm层组成；在输入向量序列时，Transformer会对每个输入词的位置信息进行向量化，并与原词向量相加，以便让输入词带有位置信息；接下来，Encoder层通过Self-Attention层处理输入序列，计算词与词之间的关系矩阵，并利用加权计算的方式来更新输入序列的词向量；Encoder层利用Self-Attention层和Feed-Forward层对输入序列进行处理，并通过AddNorm层来保持信息流的连贯性；这种结构使得Transformer能够有效地提取输入序列的特征信息，从而为后续任务提供更准确的输入；所述ALBERT模型将输入的主观题学生答案、主观题参考答案进行编码，然后将编码后的结果输入到Softmax函数中： ；其中，为第个节点的输出值，为输出节点的个数，即分类的类别个数；为为最后一个节点的输出值；和为以自然常数e为底的指数函数；通过Softmax函数可以将多分类的输出值转换为范围在[0,1]和为1的概率分布，得到它们的内积表示相似度得分，表示两个文本之间的相似概率；同时，使用交叉熵损失函数对模型进行训练： ；其中，为第个节点的损失值，表示所有类别得分的指数和；通过使用交叉熵损失函数计算出每个类别的损失数，并将其用作分类的依据；S3、同时分别对主观题学生答案、主观题参考答案依次进行分词、提取关键词操作得到主观题学生答案、主观题参考答案的关键词序列，将关键词序列扩展为同义词词林，利用同义词词林计算主观题学生答案、主观题参考答案之间面向得分点的关键词相似度；所述关键词相似度是基于信息内容词语相似度进行计算，使用的函数如下： ；其中，MaxDIFF表示词林中词语之间的最大差异性，MinDIF则表示词林中词语之间的最小差异性，disc1,c2表示两个词语之间所在节点之间的距离；当两个词语位于不同大类下的叶子节点时，且它们的最近公共父节点为根节点时，它们之间具有最大差异性；而当两个词语位于同一叶子节点上时，它们之间具有最小差异性，用于计算词语相似度，为关键词相似度的计算提供支持；S4、综合主观题学生答案、主观题参考答案之间的文本语义相似度、关键词相似度，对主观题学生答案进行综合评分；所述综合评分使用以下函数进行综合评分： ；其中，Score为主观题学生答案；α和β为超参数，是由实验筛选出的最佳取值；TextSim是利用ALBERT模型得到的文本相似度，取值范围为0~1之间；KeySim是基于同义词词林计算得出的关键词相似度，取值范围也是0~1之间；MaxScore为题目的分值；S5、利用RPA技术实现自动化流程，将综合评分后的结果进行输出。

全文数据：

权利要求：

百度查询： 珠海金智维信息科技有限公司 基于ALBERT模型与RPA技术的主观题评分方法及系统

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