基于深度学习的MLP-GRU复合模型简答题评分系统的设计

作     者：廖石宝 陈强 LIAO Shibao;CHEN Qiang

作者机构：江西理工大学电气工程与自动化学院江西赣州341000 

出 版 物：《自动化应用》 (Automation Application)

年 卷 期：2024年第65卷第8期

页      码：232-236,241页

摘      要：简答题自动评分(ASAG)在减轻教师负担和实现教育数字化方面有重要意义。为解决简答题自动评分模型考虑角度单一的问题,结合深度学习技术,以BERT模型为基础,融合感知机(MLP)和门控循环单元(GRU),建立了一种MLP-GRU的简答题自动评分模型。该模型同步考虑标准答案和学生答案之间的蕴含关系和相似性,实现对学生答案的多角度综合评估。首先,运用BERT模型进行学生答案的特征提取,为后续评分过程提供了丰富的语义信息。随后,引入了感知机和GRU模型,分别结合BERT输出,以计算与标准答案之间的文本蕴含和文本相似度评分,确保考虑答案的流畅性和逻辑性。最终,融合文本蕴含评分、文本相似度评分,得出最终评分结果。结果显示,该模型的均方根误差为0.266,Kappa系数为0.969,F1-分数为0.778,说明模型评分与人工评分具有高度一致性。

主 题 词：自然语言处理 简答题自动评分 BERT模型 教育评估 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.19769/j.zdhy.2024.08.073

馆 藏 号：203127761...