基于知识图谱融合多维嵌套泛化模式的作文评语生成方法技术

本发明专利技术公开了一种基于知识图谱融合多维嵌套泛化模式的作文评语生成方法，包括步骤：S1、构建关联作文类型、点评维度、维度分析点、分析点分级区间的点评知识图谱；S2、构建关联所有作文类型、每个类型下所有点评维度、每个点评维度下所有分析点、每个分析点下所有分级区间的支持嵌套的多维嵌套泛化模式库；S3、利用点评知识图谱、多维嵌套泛化模式库进行作文评语语句生成。本发明专利技术通过点评知识图谱引导机器在点评过程中针对不同类型作文的点评方向，并通过多维嵌套泛化模式利用少量的样本生成复杂多变的表述形式，从而将知识图谱和多维嵌套泛化模式进行有机结合，生成的评语语句通顺合理，评语生成模块易维护、易扩展、评语生成过程可解释。程可解释。程可解释。

【技术实现步骤摘要】
基于知识图谱融合多维嵌套泛化模式的作文评语生成方法


[0001]本专利技术属于自然语言处理的
，尤其涉及一种基于知识图谱融合多维嵌套泛化模式的作文评语生成方法。

技术介绍

[0002]自然语言生成是自然语言处理的一个重要应用领域，实现高质量的自然语言生成也是迈向认知智能的重要标志。按照输入信息的类型划分，自然语言生成可以分为三类：文本到文本的生成、数据到文本生成和图像到文本生成。其中，文本到文本生成又可划分为机器翻译、摘要生成、文本简化、文本复述等；数据到文本生成的任务常应用于基于数值数据生成分析报告、诊断报告等；在图像到文本的生成的应用领域中，常见的是通过新闻图像生成标题、通过医学影像生成病理报告、儿童教育中看图讲故事等。
[0003]如今最常见的文本生成方法是模版生成和深度学习模型生成。模板生成方法是最早应用于自然语言生成的一种方法。该技术通过人工整理语句模版得到模块库，然后将词汇和短句在模板库中进行匹配，匹配后将词汇和短语填入固定模板，从而生成自然语言文本。深度学习模型生成的方法是通过训练语料训练得到自然语言生成模型(常见的有LSTM模型、序列到序列模型、BERT模型等)，然后通过模型生成所需的文本内容。
[0004]模板生成方法的优点是思路较简单，但因技术存在的缺陷使得生成的自然语言文本质量不高、模版整理工作量大，且不易维护。该技术多应用于较简单的自然语言生成环境中。深度学习模型虽然模型种类繁多，也取得了一定的效果，但是生成的文本无法干预、生成过程无法解释、不易扩展和维护，并且需要耗费大量的标注成本和硬件资源。
[0005]因此，如何能够准确的生成指定领域的文本，并且能够根据分析结果动态调整文本的内容，生成的文本多样化、易维护、易扩展，仍是急需解决的问题。

技术实现思路

[0006]为了解决现有技术存在的不足，本专利技术提出了一种基于知识图谱融合多维嵌套泛化模式的作文点评评语生成方法，旨在对作文的各维度分析点的分析结果准确、高效的生成作文评语。
[0007]为了实现上述目的，本专利技术的一个实施方式的一种基于知识图谱融合多维嵌套泛化模式的作文评语生成方法，包括以下步骤：
[0008]S1、构建关联作文类型、点评维度、维度分析点及分析点分级区间的点评知识图谱；
[0009]S2、构建关联所有作文类型、每个类型下所有点评维度、每个点评维度下所有分析点及每个分析点下所有分级区间的支持嵌套的多维嵌套泛化模式库；
[0010]S3、利用点评知识图谱及多维嵌套泛化模式库进行作文评语语句生成。
[0011]进一步地，所述步骤S1、构建关联作文类型、点评维度、维度分析点及分析点分级区间的点评知识图谱，具体为：
[0012]S11、整理汉语作文的类型；
[0013]所述作文类型包括但不限于记叙文、议论文、说明文、应用文、读/观后感、散文、小说、诗歌、想象及童话；
[0014]S12、整理每种作文类型的点评维度；
[0015]所述点评维度包括：作文形式、作文内容、作文结构、作文中心、作文表达以及综合素养；
[0016]S13、整理每个点评维度的分析点；
[0017]所述作文形式的分析点包括作文标题分析、作文段落布局分析、作文语句分布、作文拼写错误检测、作文生僻字/敏感词/网络词的使用及标点符号使用；
[0018]所述作文内容的分析点包括作文的选材分析、作文的知识面及作文内容丰富度分析；
[0019]所述作文结构的分析点包括作文构思分析及作文层次分析；
[0020]所述作文中心的分析点包括作文立意分析及中心突出分析；
[0021]所述作文表达的分析点包括作文修辞手法分析、作文写作技法分析、作文可读性分析、作文的字词使用分析，所述作文写作技法又包括描写手法、表现手法及五感法；
[0022]所述综合素养包括思维素养、情感素养及发展素养；
[0023]S14、对每个点评维度的分析点根据分析结果进行分级得到分级区间；
[0024]所述分级区间根据不同分析点的分析结果分为三种分级区间类型，第一种分级区间类型包括优、良、合格、差四个分级区间；第二种分级区间类型包括优、良、差三个分级区间；第三种分级区间类型包括优、差两个分级区间；
[0025]S15、建立作文类型、点评维度、每个点评维度的分析点、分析点的分级之间的关联关系，得到点评知识图谱。
[0026]进一步地，所述步骤S2、构建关联所有作文类型、每个类型下所有点评维度、每个点评维度下所有分析点及每个分析点下所有分级区间的支持嵌套的多维嵌套泛化模式库，具体为：
[0027]S21、整理泛化模式的表述类型；
[0028]所述表述类型包括但不限于关联表述、陈述表述、举例表述、赞美表述、疑问表述及反问表述；
[0029]S22、整理所有作文类型每个点评维度、每个分析点分级区间下常见泛化模式集合，并标明表述类型标签；
[0030]S23、将泛化模式集合进行结构化入库，得到多维嵌套泛化模式库；
[0031]将表述类型、表述泛化模式存储到数据库中，建立多维嵌套泛化模式表，每个泛化模式带上表述类型标签、关联的点评维度分析点标签、分析点的区间标签。
[0032]进一步地，步骤S3、利用点评知识图谱及多维嵌套泛化模式库进行作文评语语句生成，具体为：
[0033]S31、对输入的作文获取作文每个点评维度中每个分析点的分析结果；
[0034]S32、根据作文的类型在点评知识图谱中获取点评的维度、每个点评维度的分析点；
[0035]S33、对每个点评维度的分析点与作文分析结果进行匹配，得到每个分析点的分级
区间；
[0036]S34、对分析点的分级区间分布进行分析筛选出优势点、薄弱点以及对应的点评维度，并按照点评维度构造点评路径；
[0037]S35、对点评路径中的每个节点在多维嵌套泛化模式库中匹配查找对应的泛化模式；
[0038]S36、将泛化模式中的泛化成分通过作文的类型、点评维度、分析点、分级区间、分析结果具体化为完整语句；
[0039]S37、将点评路径中每个泛化模式生成的语句合并组合称点评段落；
[0040]S38、对段落中每个语句的上下文通过连接词进行润色。
[0041]进一步地，所述步骤S34中筛选优势点具体为：筛选作文优势点指分析点分级区间为优的分析点，若全部分析点没有达到优则降为取良的分析点，若全部分析点没有达到良，则作文没有优势点。
[0042]进一步地，所述步骤S34中筛选薄弱点具体为：筛选作文分析点分级区间为差的分析点。
[0043]进一步地，所述步骤S34中按照点评维度构造点评路径为；提取完优势点、薄弱点后则根据作文的点评维度按照作文形式、作文内容、作文结构、作文中心、作文表达及综合素养的先后顺序构建点评路径。
[0044]进一步地，所述步骤S36、将泛化模式中的泛化成分通过作文的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于知识图谱融合多维嵌套泛化模式的作文评语生成方法，其特征在于，其包括以下步骤：S1、构建关联作文类型、点评维度、维度分析点及分析点分级区间的点评知识图谱；S2、构建关联所有作文类型、每个类型下所有点评维度、每个点评维度下所有分析点及每个分析点下所有分级区间的支持嵌套的多维嵌套泛化模式库；S3、利用点评知识图谱及多维嵌套泛化模式库进行作文评语语句生成。2.根据权利要求1所述的基于知识图谱融合多维嵌套泛化模式的作文评语生成方法，其特征在于，所述步骤S1、构建关联作文类型、点评维度、维度分析点及分析点分级区间的点评知识图谱，具体为：S11、整理汉语作文的类型；所述作文的类型包括但不限于记叙文、议论文、说明文、应用文、读/观后感、散文、小说、诗歌、想象及童话；S12、整理每种作文类型的点评维度；所述点评维度包括：作文形式、作文内容、作文结构、作文中心、作文表达以及综合素养；S13、整理每个点评维度的分析点；所述作文形式的分析点包括作文标题分析、作文段落布局分析、作文语句分布、作文拼写错误检测、作文生僻字/敏感词/网络词的使用及标点符号使用；所述作文内容的分析点包括作文的选材分析、作文的知识面及作文内容丰富度分析；所述作文结构的分析点包括作文构思分析及作文层次分析；所述作文中心的分析点包括作文立意分析及中心突出分析；所述作文表达的分析点包括作文修辞手法分析、作文写作技法分析、作文可读性分析、作文的字词使用分析，所述作文写作技法又包括描写手法、表现手法及五感法；所述综合素养包括思维素养、情感素养及发展素养；S14、对每个点评维度的分析点根据分析结果进行分级得到分级区间；所述分级区间根据不同分析点的分析结果分为三种分级区间类型，第一种分级区间类型包括优、良、合格、差四个分级区间；第二种分级区间类型包括优、良、差三个分级区间；第三种分级区间类型包括优、差两个分级区间；S15、建立作文类型、点评维度、每个点评维度的分析点、分析点的分级之间的关联关系，得到点评知识图谱。3.根据权利要求1所述的基于知识图谱融合多维嵌套泛化模式的作文评语生成方法，其特征在于，所述步骤S2、构建关联所有作文类型、每个类型下所有点评维度、每个点评维度下所有分析点及每个分析点下所有分级区间的支持嵌套的多维嵌套泛化模式库，具体为：S21、整理泛化模式的表述类型；所述表述类型包括但不限于关联表述、陈述表述、举例表述、赞美表述、疑问表述及反问表述；S22、整理所有作文类型每个点评维度、每个分析点分级区间下常见泛化模式集合，并标明表述类型标签；
S23、将泛化模式集合进行结构化入库，得到多维嵌套泛化模式库；将表述类型、表述泛化模式存储到数据库中，建立多维嵌套泛化模式表，每个泛化模式带上表述类型标签、关联的点评维度分析点标签、分析点的区间标签。4.根据权利要求1所述的基于知识图谱融合多维嵌套泛化模式的作文评语生成方法，其特征在于，步骤S3、利用点评知识图谱及多维嵌套泛化模式库进行作文评语语句生成，具体为：S31、对输入的作文获取作文每个点评维度中每个分析点的分析结果；S32、根据作文的类型在点评知识图谱中获取点评的维度、每个点评维度的分析点；S33、对每个点评维...

【专利技术属性】
技术研发人员：邹盼湘，
申请(专利权)人：广州世纪华轲科技有限公司，
类型：发明
国别省市：