(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210147864.0 (22)申请日 2022.02.17 (71)申请人 刘莲英 地址 610043 四川省成 都市武侯区武侯大 道铁佛段1号1 1栋6楼605室 (72)发明人 刘莲英　 (51)Int.Cl. G06F 40/211(2020.01) G06F 40/289(2020.01) G06F 40/30(2020.01) G06F 40/247(2020.01) G06F 40/216(2020.01) G06F 16/33(2019.01) G06N 3/08(2006.01) G06Q 50/20(2012.01) (54)发明名称 一种试卷主观题自动评分方法 (57)摘要 本发明涉及考试阅卷自动化领域， 尤其涉及 一种试卷主观题自动评分方法。 用以解决计算机 自动评阅的准确率很难达到人工评阅的水平的 问题。 方法包括： 步骤1、 获取考生主观题答案， 并 划分训练样本和测试样本； 步骤2、 进行分句处 理； 步骤3、 进行分词处理； 步骤4、 提取关键词语； 步骤5、 对标准答案进行步骤2 ‑4后， 设定 得分词； 步骤6、 提取文本特征； 步骤7、 进行训练， 得到评 分模型； 进行测试， 得到评分。 通过提取多个文本 特征， 更加详细地描述文本， 对文本相似度的计 算更具说服力， 为后续的评分提供有力支持； 以 词语语义相似度为基础， 赋予不同子句分句权 重， 统计得到文本语句相似度， 提高了计算机自 动评阅的准确率， 提高阅卷效率， 减少人工成本 。 权利要求书2页 说明书10页 附图3页 CN 114462389 A 2022.05.10 CN 114462389 A 1.一种试 卷主观题自动评分方法， 其特 征在于， 包括以下步骤: 步骤1、 获取考 生主观题答案， 并划分训练样本和 测试样本； 步骤2、 进行分句处 理； 步骤3、 进行分词处 理； 步骤4、 提取关键词语； 步骤5、 对标准 答案进行步骤2 ‑4后， 设定得分词； 步骤6、 提取文本特 征； 步骤7、 进行训练， 得到 评分模型； 进行测试， 得到 评分。 2.如权利要求1所述的一种试卷主观题自动评分方法， 其特征在于， 所述步骤1中， 主观 题是有参考答案的主观题， 而非开放性答案的主观题； 训练样本与测试样本的数量比为4: 1。 3.如权利要求2所述的一种试卷主观题自动评分方法， 其特征在于， 所述步骤2中， 分句 处理主要使用逗号、 分号、 句号等标点作为子句分句的分割符号， 来对考生的主观题答案进 行分割， 其中分号的优 先级最高， 句号次之， 逗号最次； 若句子长度大于40个字 符， 则以逗号 对句子进行分割。 4.如权利要求3所述的一种试卷主观题自动评分方法， 其特征在于， 所述步骤3 中， 分词 处理采用jieba分词器对句子进行分词， 采用的是精确模式。 5.如权利要求4所述的一种试卷主观题自动评分方法， 其特征在于， 所述步骤4中， 提取 关键词语采用TF ‑IDF算法。 6.如权利要求5所述的一种试卷主观题自动评分方法， 其特征在于， 所述步骤5中具体 包括： 对标准答案进 行分句处理、 分词处理以及关键词语后， 对主观题的一些得分要点进 行 设定， 作为得分词。 7.如权利要求6所述的一种试卷主观题自动评分方法， 其特征在于， 所述步骤6 中， 文本 特征包括： 文本词性相似度、 词语个数相似度、 关键词语相似度、 文本长度相似度、 得分词相 似度以及文本语句相似度， 其中文本词性相似度包括： 形容词相似度、 数量词相似度、 名词 相似度、 动词相似度、 连词相 似度、 副词相 似度、 量词相似度、 数词相似度、 代词相似度以及 介词相似度； 文本特征 的提取需要以词语语义相似度为基础， 词语语义相似度采用基于知 网的语义相似度计算， 计算公式如下： 公式(1)中， D表示词语A、 B在义原层次树中的距离， H表示层次数的高度， MA、 MB分别表示 一个义原， subDep(MA,MB)表示两个义原 节点在同一类型树的层数差值； 其中名词相似度计算表示如下： k＝min(m,n) (3) 公式(2)和(3)中， MAXi(S)表示第i个词语的词语语义相似度 最大值， m,n分别表示标准 答案文本A与考 生答案文本B的词数个数； 其 他词性的相似度同理； 词语个数相似度计算如下：权　利　要　求　书 1/2 页 2 CN 114462389 A 2公式(4)中， CountA表示标准答案文本A中的词数个数， CountB表示标准答案文本B中的 词数个数； 关键词语相似度计算如下： n＝max(a,b) (6) 公式(5)和(6)中， VA、 VB表示n维特征向量， C‑1表示C的协方差逆矩阵， a,b表示标准答案 文本A与考 生答案文本B的关键词个数； 文本长度相似度计算如下： 公式(7)中， LenA 表示标准 答案文本A的长度， LenB表示 考生答案文本B的长度； 得分词相似度计算表示如下： 公式(8)中， ScoreA表示标准答案文本A中的得分词数， ScoreB表示考生答案文本B中的 得分词数； 文本语句 相似度具体包括： WordSim(A,B)＝ μ1Sim(A1)+ μ2Sim(A2)+…+ μmSim(Am) (9) μ1+ μ2+…+ μm＝1 (10) 公式(9)和(10)中， Ai,i∈[1,m]表示标准答案文本A的一个子句分句， Sim(A1)表示标准 答案文本A中的第一个子句分句与考生答案文本B中的任意一个子句分句的相似度的最大 值， 其他同理； μi,i∈[1,m]表示子句分句所占的权重； m表示标准答案文本A中子句分句的 个数。 8.如权利要求7所述的一种试卷主观题自动评分方法， 其特征在于， 所述步骤7中， 训练 选用MATLAB中的神经网络工具箱进行网络的训练， 网络采用BP神经网络， 其中BP神经网络 由输入层、 隐含层和 输出层组成， 输入层有15个神经元， 分别对应提取到的15个特征， 输出 层有1个神经元， 对应评分， 隐含层和输出层的激活函数均为tansig函数； 选取隐层神经元 个数的问题上参照了以下的经验公式： 公式(11)中， n为输入层数， m为输出层数， a为[1,10]内的常数。权　利　要　求　书 2/2 页 3 CN 114462389 A 3