【技术实现步骤摘要】
引入多重文本关系的阅读理解试题难度自动预测方法
[0001]本专利技术涉及试题难度自动预测
,更具体的说是涉及一种引入多重文本关系的阅读理解试题难度自动预测方法。
技术介绍
[0002]试题难度是教育考试和个性化试题推荐的重要指标,试题难度预测指在未进行真实试题测试或未得出试题测试结果之前,仅根据试题的形式、内容等特征信息,预测某试题的难度。以往的方法主要基于专家经验,人力和时间成本、财力资源损耗较高。近年来,利用神经网络预测试题难度的研究越来越受到重视,然而,这些方法虽然提高了难度预测的效率,但只是将难度预测任务看作一个简单的分类或预测任务,而忽略了输入文本之间的关系对难度预测的影响,比如只关注问题与文档文本之间的关系,而没有考虑阅读理解多项选择题中选项内容之间的混淆关系对难度预测的影响。
[0003]因此,如何提出一种可以减少人力和财力资源消耗,克服传统人工试题难度评估工作的不足,同时考虑输入文本之间关系的试题难度预测模型是本领域技术人员亟需解决的问题。
技术实现思路
[0004]有鉴于此,本专利技术提供了一种引入多重文本关系的阅读理解试题难度自动预测方法,考虑了输入文本之间的关系,克服了传统人工试题难度评估工作的不足,减少了人力和财力资源消耗。
[0005]为了实现上述目的,本专利技术提供如下技术方案:
[0006]一种引入多重文本关系的阅读理解试题难度自动预测方法,包括以下步骤:
[0007]建立基于多视角注意力的MACNN模型,所述MACNN模型包括输入 ...
【技术保护点】
【技术特征摘要】
1.一种引入多重文本关系的阅读理解试题难度自动预测方法,其特征在于,包括以下步骤:建立基于多视角注意力的MACNN模型,所述MACNN模型包括输入层、编码层、交互层、融合层和预测层;获取输入文本,所述输入文本包括问题文本q
i
、对应文档d
i
及问题的候选选项o
i
;将获取的所述输入文本作为所述MACNN模型的输入送到所述输入层;利用所述编码层对所述输入文本进行卷积操作,提取所述输入文本的上下文表示;通过所述交互层分别获取问题文本与对应文档、问题文本与候选选项、候选选项与候选选项之间的交互关系信息;利用所述融合层将交互层获取的所述交互关系信息进行整合,并通过所述预测层预测试题难度。2.根据权利要求1所述的一种引入多重文本关系的阅读理解试题难度自动预测方法,其特征在于,所述对应文档d
i
以句子序列形式表示为d
i
={s1,s2,...,s
n
,...,s
N
},N表示句子序列的长度,s
n
表示第n个句子,1≤n≤N;每个句子由有限个单词组成,其中s
n
={w1,w2,...,w
m
,...,w
M
},M表示句子的长度,w
m
表示第m个单词,1≤m≤M,w
m
∈R
d
通过d维预训练的单词嵌入初始化,其中R
d
表示d维矩阵。3.根据权利要求1所述的一种引入多重文本关系的阅读理解试题难度自动预测方法,其特征在于,利用所述编码层对所述输入文本进行卷积操作,将连续的k个单词组合成一个局部语义表示,获得一个新的隐藏序列为其中,其中:h表示得到的新...
【专利技术属性】
技术研发人员:何珺,张迎辉,孙波,余乐军,彭丽,
申请(专利权)人:北京师范大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。