主觀題評分算法模型研究.pdf

1、隨著信息技術(shù)的發(fā)展，計算機應(yīng)用已經(jīng)滲透到人們工作、生活和學(xué)習(xí)的各個方面?？荚嚨男畔⒒竽軐Σ煌荚囶}型進(jìn)行自動處理，而不需要人工干預(yù)。目前中文考試系統(tǒng)僅能對選擇、判斷等客觀題進(jìn)行自動評分，而無法實現(xiàn)中文主觀題自動評分。原因在于中文主觀題自動評分算法涉及自然語言處理、模式匹配、和人工智能等多個領(lǐng)域的深入研究，并且漢語系統(tǒng)本身是一個復(fù)雜開放的系統(tǒng)，要實現(xiàn)機器自動對漢語的自動理解，還需要進(jìn)行深入的研究。
　　中文分詞是中文自然語言處理

2、的基礎(chǔ)，分詞效率和精度直接影響上層應(yīng)用。主觀題自動評分模型建立在中文分詞基礎(chǔ)之上。因此，本文首先對中文分詞的相關(guān)技術(shù)進(jìn)行了深入研究。深入分析了三類分詞方法，并比較各自的優(yōu)缺點。歸納分析了影響中文分詞系統(tǒng)準(zhǔn)確度的歧義問題和命名實體識別問題。結(jié)合有限自動機的思想提出了基于二級索引詞典的分詞算法，并將該算法與K-最短路徑算法相結(jié)合，實現(xiàn)了中文分詞。算法采用N-gram模型進(jìn)行歧義處理和命名實體識別，并取得了不錯的識別效果。
　　在中文分

3、詞的基礎(chǔ)上提出了基于文本分類模型的主觀題自動評分模型。結(jié)合同義詞詞林計算得到文本的詞性相似度，作為分類器的條件屬性，在一定程度提高了文本的語義理解。同時結(jié)合了文本的一些淺層相似度一起作為分類器的條件屬性，提高了文本的語義理解。通過對已有文本的機器學(xué)習(xí)，采用ID3算法構(gòu)建決策樹分類器，使用考生分?jǐn)?shù)作為分類類別。最后將待測文本輸入決策樹分類器從而實現(xiàn)答案的分類，即實現(xiàn)了自動評分。通過與人工閱卷過程對比，驗證了系統(tǒng)是有效可行的，符合人工閱卷的