学生作文的评分方法、装置、计算设备及存储介质制造方法及图纸

本发明专利技术实施例涉及机器学习技术领域，特别涉及一种学生作文的评分方法、装置、计算设备及存储介质。其中，方法包括：获取目标学生作文；将目标学生作文输入至预先训练生成的评分模型中，得到目标学生作文的评分结果；其中，评分模型是基于若干个作文题目和作文内容为不同相关度的虚拟样本训练得到的。本方案，可以提高对目标学生作文的评分准确度。提高对目标学生作文的评分准确度。提高对目标学生作文的评分准确度。

【技术实现步骤摘要】
学生作文的评分方法、装置、计算设备及存储介质


[0001]本专利技术实施例涉及机器学习
，特别涉及一种学生作文的评分方法、装置、计算设备及存储介质。

技术介绍

[0002]随着线上教育技术的快速发展，越来越多的学生作文智能评分方法层出不穷。
[0003]相关技术中，现有的学生作文评分方法大多基于深度学习算法，通过提取作文内容的特征，然后在标定的数据集上，采用全连接网络进行回归任务的训练，从而实现作文的评分功能。然而，现有的评分方法在对学生作文进行评分的过程中，没有考虑作文内容和作文题目相关度的问题，进而导致现有的评分方法的评分准确度较低。

技术实现思路

[0004]针对现有的学生作文评分方法的评分准确度较低的问题，本专利技术实施例提供了一种学生作文的评分方法、装置、计算设备及存储介质。
[0005]第一方面，本专利技术实施例提供了一种学生作文的评分方法，包括：
[0006]获取目标学生作文；
[0007]将所述目标学生作文输入至预先训练生成的评分模型中，得到所述目标学生作文的评分结果；其中，所述评分模型是基于若干个作文题目和作文内容为不同相关度的虚拟样本训练得到的。
[0008]在一种可能的设计中，在所述将所述目标学生作文输入至预先训练生成的评分模型中之前，还包括：获取目标学生作文对应的目标年级；
[0009]所述将所述目标学生作文输入至预先训练生成的评分模型中，包括：
[0010]将所述目标学生作文输入至与所述目标年级对应的评分模型中。<br/>[0011]在一种可能的设计中，所述评分模型是通过如下方式进行构建的：
[0012]针对每个年级，均执行：
[0013]获取当前年级的若干个真实样本；
[0014]针对每个真实样本，生成与当前真实样本对应的多个虚拟样本；
[0015]利用当前年级的若干个所述虚拟样本和若干个所述真实样本对预设的神经网络进行训练，构建得到当前年级的评分模型。
[0016]在一种可能的设计中，所述真实样本包括作文题目；
[0017]所述针对每个真实样本，生成与当前真实样本对应的多个虚拟样本，包括：
[0018]计算当前真实样本的作文题目与其它每一个真实样本的作文题目的相似度；
[0019]根据当前真实样本的作文题目与其它每一个真实样本的作文题目的相似度，生成当前真实样本对应的多个虚拟样本。
[0020]在一种可能的设计中，所述计算当前真实样本的作文题目与其它每一个真实样本的作文题目的相似度，包括：
[0021]将当前真实样本和其它每一个真实样本的作文题目均输入至预先生成的第一预训练语言模型中，得到当前真实样本的作文题目和其它每一个真实样本的作文题目对应的特征向量；
[0022]将当前真实样本的作文题目的特征向量和其它每一个真实样本的作文题目的特征向量进行内积运算，得到当前真实样本的作文题目与其它每一个真实样本的作文题目的相似度。
[0023]在一种可能的设计中，所述真实样本还包括作文内容和作文得分；
[0024]所述根据当前真实样本的作文题目与其它每一个真实样本的作文题目的相似度，生成当前真实样本对应的多个虚拟样本，包括：
[0025]针对当前真实样本对应的每一个相似度，均执行：
[0026]基于当前真实样本的作文得分和当前相似度，确定当前相似度对应的虚拟得分；
[0027]基于当前相似度对应的其他真实样本的作文题目、所述当前真实样本的作文内容和所述虚拟得分，生成当前相似度对应的虚拟样本。
[0028]在一种可能的设计中，所述神经网络包括预先生成的第二预训练语言模型和全连接网络；所述第二预训练语言模型用于对所述虚拟样本和所述真实样本进行特征提取。
[0029]第二方面，本专利技术实施例还提供了一种学生作文的评分装置，包括：
[0030]获取单元，用于获取目标学生作文；
[0031]评分单元，用于将所述目标学生作文输入至预先训练生成的评分模型中，得到所述目标学生作文的评分结果；其中，所述评分模型是基于若干个作文题目和作文内容为不同相关度的虚拟样本训练得到的。
[0032]第三方面，本专利技术实施例还提供了一种计算设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时，实现本说明书任一实施例所述的方法。
[0033]第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行本说明书任一实施例所述的方法。
[0034]本专利技术实施例提供了一种学生作文的评分方法、装置、计算设备及存储介质，将待识别的目标学生作文输入至预先训练生成的评分模型中，由于评分模型是基于若干个作文题目和作文内容为不同相关度的虚拟样本训练得到的，因此评分模型会考虑作文内容和作文题目的相关度，进而可以提高对目标学生作文的评分准确度。
附图说明
[0035]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0036]图1是本专利技术一实施例提供的一种学生作文的评分方法流程图；
[0037]图2是本专利技术一实施例提供的一种电子设备的硬件架构图；
[0038]图3是本专利技术一实施例提供的一种学生作文的评分装置结构图。
具体实施方式
[0039]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例，基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0040]如前所述，在相关技术中，现有的学生作文评分方法大多基于深度学习算法，通过提取作文内容的特征，然后在标定的数据集上，采用全连接网络进行回归任务的训练，从而实现作文的评分功能。然而，现有的评分方法在对学生作文进行评分的过程中，没有考虑作文内容和作文题目相关度的问题，进而导致现有的评分方法的评分准确度较低。
[0041]为了解决上述技术问题，专利技术人可以考虑利用作文内容和作文题目具有不同相关度的虚拟样本来训练生成评分模型，由此生成的评分模型可以将目标学生作文的作文题目与作文内容的相关度作为评分的一个考虑因素，以此来提高对学生作文的评分准确度。
[0042]下面描述以上构思的具体实现方式。
[0043]请参考图1，本专利技术实施例提供了一种学生作文的评分方法，该方法包括：
[0044]步骤100：获取目标学生作文；
[0045]步骤102：将目标学生作文输入至预先训练生成的评分模型中，得到目标学生作文的评分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种学生作文的评分方法，其特征在于，包括：获取目标学生作文；将所述目标学生作文输入至预先训练生成的评分模型中，得到所述目标学生作文的评分结果；其中，所述评分模型是基于若干个作文题目和作文内容为不同相关度的虚拟样本训练得到的。2.根据权利要求1所述的方法，其特征在于，在所述将所述目标学生作文输入至预先训练生成的评分模型中之前，还包括：获取目标学生作文对应的目标年级；所述将所述目标学生作文输入至预先训练生成的评分模型中，包括：将所述目标学生作文输入至与所述目标年级对应的评分模型中。3.根据权利要求2所述的方法，其特征在于，所述评分模型是通过如下方式进行构建的：针对每个年级，均执行：获取当前年级的若干个真实样本；针对每个真实样本，生成与当前真实样本对应的多个虚拟样本；利用当前年级的若干个所述虚拟样本和若干个所述真实样本对预设的神经网络进行训练，构建得到当前年级的评分模型。4.根据权利要求3所述的方法，其特征在于，所述真实样本包括作文题目；所述针对每个真实样本，生成与当前真实样本对应的多个虚拟样本，包括：计算当前真实样本的作文题目与其它每一个真实样本的作文题目的相似度；根据当前真实样本的作文题目与其它每一个真实样本的作文题目的相似度，生成当前真实样本对应的多个虚拟样本。5.根据权利要求4所述的方法，其特征在于，所述计算当前真实样本的作文题目与其它每一个真实样本的作文题目的相似度，包括：将当前真实样本和其它每一个真实样本的作文题目均输入至预先生成的第一预训练语言模型中，得到当前真实样本的作文题目和其它每一个真实样本的作文题目对应的特征向量；将当前真实样本的作...

【专利技术属性】
技术研发人员：张亮，王玉芳，王志明，
申请(专利权)人：华云河北雄安大数据科技有限公司，
类型：发明
国别省市：