典型文献
集成数据增强提高自动简答题评分的泛化性
文献摘要：
自动简答题评分(Automated short answer grading,ASAG)是利用自然语言处理技术减少教育工作者人工评分负担.值得注意的是,目前大多数ASAG系统存在缺陷,学生通过复制或稍微改写标准答案取得高分的欺骗行为.该文探索一种基于规则的数据增强方法研究ASAG系统的鲁棒性.然而,由于自然语言存在离散性因素,导致基于规则的数据增强合成的样本的多样性受到限制.该文提出基于知识蒸馏的数据增强策略,以并行的方式堆叠不同的单个数据增强方法.此外,该文提出基于监督对比学习的ASAG系统,使得模型能学习到有效的句子表示.该文在University of North Texas和SemEval-2013两个公开数据集上进行了评估,与基线模型相比,该文提出的系统在性能上有实质性提高.
文献关键词：
自动简答题评分;分类;数据增强
中图分类号：
作者姓名：
陈爽;李莉
作者机构：
西南大学 计算机与信息科学学院,重庆 400715
文献出处：
引用格式：
[1]陈爽;李莉-.集成数据增强提高自动简答题评分的泛化性)[J].中文信息学报,2022(11):110-120,130
A类：
自动简答题评分,ASAG
B类：
泛化性,Automated,short,answer,grading,自然语言处理技术,少教,教育工作者,人工评分,值得注意,存在缺陷,稍微,改写,标准答案,欺骗行为,基于规则,增强方法,离散性,受到限制,基于知识,知识蒸馏,数据增强策略,堆叠,对比学习,句子,University,North,Texas,SemEval,公开数据集,基线模型
AB值：
0.347172
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。
