基于改进的LDA模型的中文主观题自动评分研究

• 作者: 柯晓华 罗海蛟
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 主观题自动评分 潜在语义分析(LSA) 隐含狄利克雷分配(LDA) 绝对一致性 相邻一致性
• 年，卷（期）: 2017,（z2）
• 所属期刊栏目: 智能计算
• 页码范围: 102-105,128
• 页数: 5页
• 分类号: TP18
• 字数: 5045字
• 语种: 中文

摘要

主观题自动评分(Automated Scoring Subjective Responses,ASSR)在语言学习与语言测试领域的诊断信息及信度方面具有重要的应用前景.将主题模型中的隐含狄利克雷分配(Latent Dirichlet Allocation,LDA)引入到中文主观题自动评分中,提出了一种结合专家知识的改进的LDA模型,并采用了一种综合文档-隐含主题概率向量及隐含主题-核心词项概率向量的文本特征表示方式.实验对比了改进的LDA与潜在语义分析(Latent Semantic Analysis,LSA)的自动评分效果,结果表明改进的LDA模型在中文主观题自动评分中切实有效.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	柯晓华	广东外语外贸大学语言工程与计算实验室	15	71	6.0	8.0
2	罗海蛟	广东外语外贸大学思科信息学院	9	15	2.0	3.0