典型文献
基于孪生网络和BERT模型的主观题自动评分系统
文献摘要：
由于现在缺乏多语言教学中的主观题自动评分, 针对这一问题提出了一种基于孪生网络和BERT模型的主观题自动评分系统. 主观题的问题文本和答案文本通过自然语言预处理BERT模型得到文本的句向量, BERT模型已经在大规模多种语言的语料上经过训练, 得到的文本向量包含了丰富的上下文语义信息, 并且能处理多种语言信息. 然后把问题文本和答案文本的句向量再通过深度网络的孪生网络进行语义相似度的计算, 最后连接逻辑回归分类器, 完成主观题的自动评分. 实验所使用数据集由Hewlett基金提供的英文数据集以及翻译后的中文数据集,并以二次加权Kappa系数作为模型的评估指标. 实验结果表明, 对比其他基准模型, 基于孪生网络和BERT模型的自动评分系统在各个数据子集得到的结果最好.
文献关键词：
自然语言处理;主观题自动评分;孪生网络;基于transformer的双向编码器表示;二次加权Kappa系数
中图分类号：
作者姓名：
钱升华
作者机构：
北京师范大学 人工智能学院, 北京 100875;天津财经大学珠江学院 数据工程学院, 天津 301811
文献出处：
引用格式：
[1]钱升华-.基于孪生网络和BERT模型的主观题自动评分系统)[J].计算机系统应用,2022(03):143-149
A类：
Hewlett
B类：
孪生网络,BERT,主观题自动评分,自动评分系统,多语言,语言教学,问题文本,句向量,多种语言,语料,经过训练,文本向量,上下文语义,语义信息,能处,语言信息,深度网络,语义相似度,逻辑回归,分类器,实验所,使用数据,中文数据集,二次加权,Kappa,子集,自然语言处理,transformer,双向编码器表示
AB值：
0.288434
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
