计算机应用

作者：周险兵, 樊小超, 任鸽, 杨勇

单位：1. 新疆师范大学 计算机科学技术学院, 乌鲁木齐 830054;2. 大连理工大学 计算机科学与技术学院, 辽宁 大连 116024

关键词：英文作文,作文自动评分,多层语义特征,深层语义理解,特征融合,自然语言处理

基金：国家自然科学基金资助项目（62066044）；新疆维吾尔自治区高等学校科研计划项目（XJEDU2016S066）。

作文自动评分（AES）技术能够自动地对作文进行分析和评分，其已成为自然语言处理技术在教育领域应用的热点研究问题之一。针对目前AES方法割裂了深层和浅层语义特征，忽视了多层次语义融合对作文评分影响的问题，提出了一种基于多层次语义特征的神经网络（MLSF）模型进行AES。首先，采用卷积神经网络（CNN）捕获局部语义特征，并采用混合神经网络捕获全局语义特征，以从深层次获取作文的语义特征；其次，利用篇章级的作文主题向量来获取主题层特征，同时针对深度学习模型难以挖掘的语法错误和语言丰富程度特征，构造了少量人工特征以从浅层获取作文的语言学特征；最后，通过特征融合对作文进行自动评分。实验结果表明，所提出模型在Kaggle ASAP竞赛公开数据集的所有子集上性能均有显著提升，该模型的平均二次加权的卡帕值（QWK）达到79.17%，验证了该模型在AES任务中的有效性。

来源：2021年第8期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第8期