本申请涉及一种多维度英语作文评分方法、装置及可读存储介质，涉及教育信息化及自然语言理解技术领域，包括获取待评分作文；基于句子特征对待评分作文的优秀度进行评分，得到优秀度分数；基于连接词特征对待评分作文的流畅度进行评分，得到流畅度分数；基于范文对待评分作文的内容相关性进行评分，得到内容相关性分数；基于预设的权重系数对优秀度分数、流畅度分数和内容相关性分数进行加权求和，得到待评分作文的总分数。本申请通过句子特征、连接词特征和范文对作文进行多维度评价，有效降低了成本；且通过连接词特征判断学生对文章衔接的掌控能力以及内容相关性评价反映学生的表达能力，进而可有效评价整篇作文的整体质量和学生的写作能力。学生的写作能力。学生的写作能力。
【技术实现步骤摘要】
多维度英语作文评分方法、装置及可读存储介质
[0001]本申请涉及教育信息化及自然语言理解
，特别涉及一种多维度英语作文评分方法、装置及可读存储介质。
技术介绍
[0002]近年来，随着互联网技术的发展，网络思维逐渐进入教育领域，深刻地改变了教学方式和方法，对教育改革产生了深远的影响；而人工智能技术的发展也使得计算机技术被越来越多地应用到教育领域。其中，英语作文写作考评在教育领域的作用越来越大，并且每年参加各类型英语考试的人群愈发庞大，如何减轻专家对英语作文的审阅工作量和避免主观意识可能会带来的不公平性成为亟待解决的问题，而使用人工智能技术来解决该问题顺应了时代的发展趋势。即通过作文自动评分技术对各种语言的作文进行自动评分，并反馈给用户相关特征评分以使得用户获得相应地指导或建议。通过计算机特定程序的帮助，可以在一定程度上减轻评卷老师的工作负担同时更能提高阅卷评分的公平性和准确性。
[0003]相关技术中，传统的评分方法主要通过自然语言处理手段获取多维度的特征组合，然后再利用大量试卷文本数据，利用机器学习的方式对老师标签进行分数拟合学习，然后将待测英语作文导入其中并进行打分，不过该方法需要通过大量的人工标签进行分数学习，存在样本量大且成本高的问题；此外，在传统的评分方式中，往往会将内容覆盖点的个数作为重要的评分要素，但是该方式过于简单，只能在一定程度上反映作文的扣题程度，而无法有效评价整篇作文的整体质量和学生的写作能力。
技术实现思路
[0004]本申请提供一种多维度英语作文评分方法、装置及可读存储介质，以解决相关技术中存在的样本量大、成本高以及无法有效评价整篇作文的整体质量和学生的写作能力的问题。
[0005]第一方面，提供了一种多维度英语作文评分方法，包括以下步骤：
[0006]获取待评分作文；
[0007]基于句子特征对所述待评分作文的优秀度进行评分，得到优秀度分数；
[0008]基于连接词特征对所述待评分作文的流畅度进行评分，得到流畅度分数；
[0009]基于范文对所述待评分作文的内容相关性进行评分，得到内容相关性分数；
[0010]基于预设的权重系数对所述优秀度分数、所述流畅度分数和所述内容相关性分数进行加权求和，得到待评分作文的总分数。
[0011]一些实施例中，所述基于句子特征对所述待评分作文的优秀度进行评分，得到优秀度分数，包括：
[0012]创建优秀度评分模型，所述优秀度评分模型包括错误打分子模型、词汇打分子模型、语法打分子模型、词性打分子模型和句型打分子模型；
[0013]基于所述优秀度评分模型对待评分作文中的每个句子进行优秀度打分，得到每个
句子的优秀度子分数；
[0014]基于待评分作文中每个句子的优秀度子分数计算待评分作文的优秀度分数。
[0015]一些实施例中，所述基于所述优秀度评分模型对待评分作文中的每个句子进行优秀度打分，得到每个句子的优秀度子分数，包括：
[0016]基于错误打分子模型对待评分作文中的每个句子的拼写错误和语法错误进行分析，得到每个句子的错误个数，根据所述错误个数计算每个句子的错误得分；
[0017]基于词汇打分子模型对所述每个句子中的每个单词进行等级分析，得到所述每个单词的等级，对处于每个等级的单词个数进行统计，根据统计结果计算每个句子的词汇得分；
[0018]基于语法打分子模型对所述每个句子进行复杂度分析，根据复杂度分析结果计算所述每个句子的语法得分；
[0019]基于词性打分子模型对所述每个句子中的单词进行词性分析，得到所述每个单词的词性，对每个句子中的全部单词的词性进行分类，得到词性类别数，根据所述词性类别数计算每个句子的词性得分；
[0020]基于句型打分子模型对所述每个句子的句型和短语搭配进行分析，根据分析结果计算所述每个句子的句型得分；
[0021]根据所述错误得分、所述词汇得分、所述语法得分、所述词性得分和所述句型得分计算得到每个句子的优秀度子分数。
[0022]一些实施例中，所述基于连接词特征对所述待评分作文的流畅度进行评分，得到流畅度分数，包括：
[0023]创建流畅度评分模型；
[0024]基于AC自动机获取待评分作文中的全部连接词；
[0025]基于所述流畅度评分模型检测每个连接词能否正确衔接所述连接词的上文与下文，并统计能正确衔接所述连接词的上文与下文的连接词数量，根据统计结果计算所述待评分作文的流畅度分数。
[0026]一些实施例中，所述基于范文对所述待评分作文的内容相关性进行评分，得到内容相关性分数，包括：
[0027]创建内容相关性评分模型，所述内容相关性评分模型中包含了多篇范文；
[0028]将所述待评分作文导入所述内容相关性评分模型，得到待评分作文关于高分作文的关联矩阵；
[0029]基于所述关联矩阵计算所述待评分作文的内容相关性分数。
[0030]第二方面，提供了一种多维度英语作文评分装置，包括：
[0031]获取单元，其用于获取待评分作文；
[0032]第一评分单元，其用于基于句子特征对所述待评分作文的优秀度进行评分，得到优秀度分数；
[0033]第二评分单元，其用于基于连接词特征对所述待评分作文的流畅度进行评分，得到流畅度分数；
[0034]第三评分单元，其用于基于范文对所述待评分作文的内容相关性进行评分，得到内容相关性分数；
[0035]总分计算单元，其用于基于预设的权重系数对所述优秀度分数、所述流畅度分数和所述内容相关性分数进行加权求和，得到待评分作文的总分数。
[0036]一些实施例中，所述第一评分单元具体用于：
[0037]创建优秀度评分模型，所述优秀度评分模型包括错误打分子模型、词汇打分子模型、语法打分子模型、词性打分子模型和句型打分子模型；
[0038]基于所述优秀度评分模型对待评分作文中的每个句子进行优秀度打分，得到每个句子的优秀度子分数；
[0039]基于待评分作文中每个句子的优秀度子分数计算待评分作文的优秀度分数。
[0040]一些实施例中，所述第二评分单元具体用于：
[0041]创建流畅度评分模型；
[0042]基于AC自动机获取待评分作文中的全部连接词；
[0043]基于所述流畅度评分模型检测每个连接词能否正确衔接所述连接词的上文与下文，并统计能正确衔接所述连接词的上文与下文的连接词数量，根据统计结果计算所述待评分作文的流畅度分数。
[0044]一些实施例中，所述第三评分单元具体用于：
[0045]创建内容相关性评分模型，所述内容相关性评分模型中包含了多篇范文；
[0046]将所述待评分作文导入所述内容相关性评分模型，得到待评分作文关于高分作文的关联矩阵；
[0047]基于所述关联矩阵计算所述待评分作文的内容相关性分数。
[0048]第三方面，提供了一种计算本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种多维度英语作文评分方法，其特征在于，包括以下步骤：获取待评分作文；基于句子特征对所述待评分作文的优秀度进行评分，得到优秀度分数；基于连接词特征对所述待评分作文的流畅度进行评分，得到流畅度分数；基于范文对所述待评分作文的内容相关性进行评分，得到内容相关性分数；基于预设的权重系数对所述优秀度分数、所述流畅度分数和所述内容相关性分数进行加权求和，得到待评分作文的总分数。2.如权利要求1所述的多维度英语作文评分方法，其特征在于，所述基于句子特征对所述待评分作文的优秀度进行评分，得到优秀度分数，包括：创建优秀度评分模型，所述优秀度评分模型包括错误打分子模型、词汇打分子模型、语法打分子模型、词性打分子模型和句型打分子模型；基于所述优秀度评分模型对待评分作文中的每个句子进行优秀度打分，得到每个句子的优秀度子分数；基于待评分作文中每个句子的优秀度子分数计算待评分作文的优秀度分数。3.如权利要求2所述的多维度英语作文评分方法，其特征在于，所述基于所述优秀度评分模型对待评分作文中的每个句子进行优秀度打分，得到每个句子的优秀度子分数，包括：基于错误打分子模型对待评分作文中的每个句子的拼写错误和语法错误进行分析，得到每个句子的错误个数，根据所述错误个数计算每个句子的错误得分；基于词汇打分子模型对所述每个句子中的每个单词进行等级分析，得到所述每个单词的等级，对处于每个等级的单词个数进行统计，根据统计结果计算每个句子的词汇得分；基于语法打分子模型对所述每个句子进行复杂度分析，根据复杂度分析结果计算所述每个句子的语法得分；基于词性打分子模型对所述每个句子中的单词进行词性分析，得到所述每个单词的词性，对每个句子中的全部单词的词性进行分类，得到词性类别数，根据所述词性类别数计算每个句子的词性得分；基于句型打分子模型对所述每个句子的句型和短语搭配进行分析，根据分析结果计算所述每个句子的句型得分；根据所述错误得分、所述词汇得分、所述语法得分、所述词性得分和所述句型得分计算得到每个句子的优秀度子分数。4.如权利要求1所述的多维度英语作文评分方法，其特征在于，所述基于连接词特征对所述待评分作文的流畅度进行评分，得到流畅度分数，包括：创建流畅度评分模型；基于AC自动机获取待评分作文中的全部连接词；基于所述流畅度评分模型检测每个连接词能否正确衔接所述连接词的上文与下文，并统计能正确衔接所述连接词的上文与下文的连接词...
【专利技术属性】
技术研发人员：杨航，张新访，王飞，邓嘉，冯盼，
申请(专利权)人：武汉天喻信息产业股份有限公司，
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。