MultiHead-SelfAttentionBiLSTM网络应用于主观题评分的研究

• 作者: 杨松 卫文学
• 来源期刊: 软件
• 学科: 工学
• 关键词: 深度学习 主观题评分 MultiHead-SelfAttention BiLSTM 多头机制 自注意力机制
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 设计研究与应用
• 页码范围: 180-184
• 页数: 5页
• 分类号: TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6970.2020.12.042

摘要

为了降低主观题评分对人工阅卷的依赖,提升主观题自动阅卷的效率和准确性,使评分结果更客观,设计了MultiHead-SelfAttention BiLSTM Automatic Grading模型.该模型是将深度学习与多头自注意力机制结合,采用BiLSTM模型对进行过人工判分的主观题进行文本语义特征学习;利用多头机制模拟多人主观判分从多个角度进行关系抽取,降低阅卷偏差;关系抽取利用自注意力机制提取出符合得分要求的关键特征组合.实验结果表明,MultiHead-SelfAttention BiLSTM Automatic Grading模型与常规方法比较,对主观题自动评分的准确率均有不同程度的提高,精确率、召回率、F1值均达到了较好的效果.对减少人工阅卷成本、推进中文自动化评判的进一步发展起到了积极作用.