主观题自动测评研究

北京邮电大学学报(社科版) ›› 2016, Vol. 18 ›› Issue (4): 108-116.

• 教育研究 • 上一篇

主观题自动测评研究

北京邮电大学自动化学院，北京100876

收稿日期:2016-03-24 出版日期:2016-08-31

Automated Assessment of Subjective Tests

School of Automation, Beijing University of Posts and Telecommunications, Beijing 100876, China

Received:2016-03-24 Online:2016-08-31

摘要/Abstract

摘要：

主观题自动测评作为智能教育的关键技术之一是语言学和自然语言处理等相关学科交叉的一个研究方向，本文将主观题分为有参考答案和开放式答案两种类型，针对有参考答案的主观题依据语义相似度计算方式不同分为简单词形匹配、借助世界知识和依据大规模语料等三类，介绍计算机自动测评领域国内外在主观题方面的评测技术、方案的研究进展，总结各方案的优缺点提出借鉴深度学习的研究切入点，为汉语主观题测评研究提供方法和思路上的参考、启示。

关键词: , 计算机自动批改, 主观题, 自动阅卷, 自然语言处理, 智能教育

Abstract:

As one of the key technologies of smart education, automated assessment of subjective tests (AAST) is a crossed research direction on linguistics and natural language processing (NLP) and related disciplines Subjective questions will be divided into two types which have reference answers and open answers, and then based on the ways computing semantic similarity, the subjective questions with reference answers will be divided into three types which are simple word shape matching, use the universal knowledge and based on large-scale corpus The advances in evaluation technology and program on the subjective questions in domestic and overseas are introduced Then the advantages and disadvantages of each way are summarized and research point of deep learning can be learned to provide reference and inspiration for AAST on Chinese

Key words: computer automatic correcting, subjective tests, automated assessment, natural language processing, smart education

中图分类号:

刘伟，亓子森，王目宣. 主观题自动测评研究[J]. 北京邮电大学学报(社科版), 2016, 18(4): 108-116.

LIU Wei, QI Zi-sen, WANG Mu-xuan. Automated Assessment of Subjective Tests[J]. JOURNAL OF BEIJING UNIVERSITY OF POSTS AND TELECOM, 2016, 18(4): 108-116.

参考文献

［1］ Burstein J, Leacock C, Swartz R, et al. Automated evaluation of essays and short answers ［C］//Fifth International Computer Assisted Assessment Conference. Leicester: Loughborough University, 2001.
［2］   Burstein J, Wolff S, Lu C. Using lexical semantic techniques to classify free-responses［C］//Proceedings of SIGLEX 1996 Workshop, Annual Meeting of the Association of Computational Linguistics. Santa Cruz: University of California, 1996: 227-246.
［3］ Callear D, Jerrams-Smith J, Soh V. CAA of short Non-MCQ answers［C］//Fifth International Computer Assisted Assessment Conference. Leicester: Loughborough University, 2001.
［4］ Landauer T K, Foltz P W, Laham D. Introduction to latent semantic analysis ［J］. Discourse Processes, 1998, 25(3): 259-284.
［5］宋继光, 王强军, 杨尔弘. 中文信息处理教程［M］. 北京: 高等教育出版社, 2011: 9-10.
［6］任杰, 张晋军. 汉语测试电子评分员研究报告［J］. 中国考试, 2004(10): 27-32.
［7］曹亦薇, 杨晨. 使用潜语义分析的汉语作文自动评分研究［J］. 考试研究, 2007, 3（1）: 63-71.
［8］高思丹, 袁春凤. 语句相似度计算在主观题自动批改技术中的初步应用［J］. 计算机工程与应用, 2004, 40(14): 132-135.
［9］马昌威. 基于语义脉络的主观题自动评分算法探讨［J］. 淮海工业学院学报（自然科学版）, 2013, 22(1): 26-29
［10］曹玉婵, 左映龙. 浅析在线考试主观题智能阅卷算法的设计与实现［J］. 价值工程, 2014(17): 231-233.
［11］梁晓诚. 基于自然语言处理的主观题评分算法研究［J］. 昆明理工大学学报(理工版), 2010, 35(2): 81-84.
［12］姜振凤, 刘力. 基于计算机辅助评价的主观题自动测评研究［J］. 重庆师范大学学报（自然科学版）, 2013, 30(2): 74-78.
［13］赵白玉. 基于汉语依存句法分析的主观题自动评分研究［D］. 长沙: 湖南大学, 2012.
［14］丁振国, 陈海霞. 一种基于知网的主观题阅卷算法［J］. 微电子学与计算机, 2008, 25(5): 108-109.
［15］   张添一. 基于文本相似度计算的主观题自动阅卷技术研究［D］. 长春: 东北师范大学, 2011.
［16］刘群, 李素建. 基于知网的词汇语义相似度的计算［D］. 北京: 中国科学院计算技术研究所, 2002.
［17］   金博, 史彦军, 滕弘飞. 基于语义理解的文本相似度算法［J］. 大连理工大学学报, 2005, 45(2): 291-297.
［18］韩永国, 赵志宏. 基于NLP-TF技术的主观题自动测评系统研究［J］. 软件导刊, 2013, 12(1): 82-83.
［19］李玉红, 柴林燕, 张琪. 结合分词技术与语句相似度的主观题自动判分算法［J］. 计算机工程与设计, 2010, 31(11): 2663-2666.
［20］   田甜, 张振国. 主观题自动阅卷技术研究［J］. 计算机工程与设计, 2010, 31(16): 3697-3699.
［21］佟振宇. 论文主观题自动阅卷系统的研究与实现［D］. 沈阳: 沈阳工业大学, 2009.
［22］   李翠霞, 谭营军, 孔金生. 基于马氏距离的文本聚类算法在自动阅卷系统中的应用［J］. 计算机应用与软件, 2015(4): 80-82.
［23］   Mihalcea R. Graph-based ranking algorithms for sentence extraction, applied to text summarization［C］//the ACL 2004 on Interactive Poster and Demonstration Sessions. Barcelona, Spain, 2004.
［24］ Bengio Y, Ducharme R,   Vincent P. A neural probabilistic language model［C］ // Advances in Neural Information Processing Systems, 2001: 932-938.
［25］ Mikolov T,   Karafiát M,   Burget L, et al. Recurrent neural network based language model［C］// INTERSPEECH 2010, 11th Annual Conference of the International Speech Communication Association, 2010: 1045-1048.
［26］ Mikolov T, Kai C, Corrado G, et al. Efficient estimation of word representations in vector space［C］// International Conference on Learning Representations Workshop Track, 2013.
［27］ Quoc Le, Mikolov T. Distributed representations of sentences and documents［C］// Proceedings of the 31st International Conference on Machine Learning, Beijing, China, 2014.
［28］来斯惟. 基于神经网络的词和文档语义向量表示方法研究［D］. 北京: 中国科学院自动化研究所, 2016.

[1]	田祖海, 吴雅静. 自由贸易协定对中国制造业出口的影响研究：基于“一带一路”沿线国家数[J]. 北京邮电大学学报(社会科学版), 2020, 22(4): 17-26.
[2]	刘树林, 张晟嘉. 营商环境评价体系的构建与研究——基于熵权TOPSIS法[J]. 北京邮电大学学报(社会科学版), 2020, 22(4): 27-36.
[3]	齐佳音, 胡帅波, 张亚, . 人工智能聊天机器人在数字营销中的应用：文献综述[J]. 北京邮电大学学报(社会科学版), 2020, 22(4): 59-70.
[4]	胡桃, 郑君臣. 高校电子商务专业核心课程教学评价体系探究[J]. 北京邮电大学学报(社会科学版), 2020, 22(4): 103-111.
[5]	黄逸珺，靳晓晶，李琳. 欠发达地区义务教育应用MOOC的学习意愿影响因素研究[J]. 北京邮电大学学报(社科版), 2020, 22(1): 87-97.
[6]	熊莺,徐静,李颖臻. null[J]. 北京邮电大学学报(社科版), 2019, 21(6): 1-10.
[7]	魏龙，杨晖. 服务外包对中国制造业出口复杂度影响的研究[J]. 北京邮电大学学报(社科版), 2019, 21(6): 46-57.
[8]	彭若弘，苏玉苗. 创新补贴、税收优惠与高新技术产业研发产出[J]. 北京邮电大学学报(社科版), 2019, 21(6): 77-89.
[9]	张爱华，陈超雨. 基于文本分析的中国5G产业发展研究——市场主体视角[J]. 北京邮电大学学报(社科版), 2019, 21(6): 90-102.
[10]	徐俊杰，吴敏. 快递自取点服务质量量表的开发与验证[J]. 北京邮电大学学报(社科版), 2019, 21(6): 103-111.
[11]	陈慧1，杨翠莹1，张涵2. 情绪视角下员工越轨创新行为研究：越轨钦佩的调节作用[J]. 北京邮电大学学报(社科版), 2019, 21(5): 75-84.
[12]	傅魁，覃桂双. 基于Nutch的多源社交媒体情报采集系统[J]. 北京邮电大学学报(社科版), 2019, 21(5): 85-92.
[13]	石川，马铭君，胡琳梅. 基于用户心理的网络舆情指标体系构建研究[J]. 北京邮电大学学报(社科版), 2019, 21(5): 93-99.
[14]	杨天剑，左欣. 电信供应链的采购期权契约设计与协调机制研究[J]. 北京邮电大学学报(社科版), 2019, 21(3): 10-15.
[15]	孙湘湘，周小亮. 风险投资的地区差异及其影响因素——以广东省为例[J]. 北京邮电大学学报(社科版), 2019, 21(3): 25-32.

主观题自动测评研究

Automated Assessment of Subjective Tests

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价