开放性问题的答案评估方法

目录

第 1 章 绪 论

1.1 课题来源

1.2 课题背景及研究的目的和意义

1.3 自动文本打分技术的研究现状分析

1.3.1 国外研究现状

1.3.2 国内研究现状

1.3.3 国内外文献综述及简析

1.4 本文的主要研究内容

1.5 本文的组织结构

第 2 章 自动文本评估方法介绍

2.1 引言

2.2 任务核心分析

2.3 基于机器学习的自动文本评估方法

2.3.1 线性回归与支持向量机

2.3.2 逻辑回归与贝叶斯网络分类

2.3.3 基于排序学习的文本打分

2.4 基于深度学习的自动文本评估方法

2.4.1 卷积神经网络

2.4.2 递归神经网络

2.5 本章小结

第 3 章 基于分类的开放性答案评估方法

3.1 引言

3.2 任务问题描述

3.3 基于注意力机制的答案评估分类模型

3.4 模型模块分析

3.4.1 输入模块

3.4.2 交互模块

3.4.3 输出模块

3.5 实验结果与分析

3.5.1 实验数据与评价指标

3.5.2 词嵌入方式对比实验

3.5.3 高速网络作用对比实验

3.5.4 位置编码嵌入的有效性验证

3.5.5 注意力机制的有效性验证

3.5.6 模型的效果对比

3.6 本章小结

第 4 章 基于排序的开放性答案评估方法

4.1 引言

4.2 任务问题描述

4.3 基于 BERT 的答案评估排序模型

4.4 模型结构分析

4.4.1 基础模型的选择

4.4.2 框架结构的调整

4.4.3 损失函数的融合

4.5 实验结果与分析

4.5.1 实验数据与评价指标

4.5.2 中文预训练语言模型对比实验

4.5.3 数据增强对比实验

4.5.4 超参数对比实验

4.5.5 折页损失函数的有效性验证

4.5.6 模型的效果验证

4.6 本章小结

结 论

参考文献

声明

致 谢