汉语作文自动测试方法及系统技术方案

本发明专利技术公开了一种汉语作文自动测试方法及系统。该方法包括：步骤A：输入作文文本待评语料，对作文文本待评语料进行预处理；步骤B：通过主题内容模型、条理结构模型和语言表达特征模型对预处理后的作文文本待评语料提取主题内容特征、条理结构特征、语言表达特征；步骤C：对所提取的主题内容特征、条理结构特征、语言表达特征用评分方程进行计算，获得汉语作文的自动评分结果。本发明专利技术减少大规模汉语作文水平测试中的人力物力投入，并实现了评分的客观化。

【技术实现步骤摘要】

本专利技术涉及电子信息行业人工智能
，尤其涉及一种汉语作文自动测试方法及系统。
技术介绍
近年来，随着学习汉语的不断流行，汉语水平测试在已经受到了普遍的重视，在汉语水平测试中写作水平测试是测试语言学习效果的最有效的方法。传统的汉语作文测试评分基本采用人工对作文进行评阅，得到考生的作文评分，这种方法存在以下缺点1)人工阅卷评分面临着巨大的人力和财力投入；幻人工阅卷评分尺度不统一，主观性强。计算机应用、人工智能应用、自然语言处理等技术的发展，为实现语言测试自动化提供了技术方面的支持。目前，国外已有较为成熟的英语作文自动测试系统，其基本的思路无外乎通过各种自然语言技术提取文本特征，用人工评分以及高效的机器学习与人工智能方法，对特征与分数之间的关系进行学习，通过所得的特征与评分的关系进行自动的作文评分。而国内，针对汉语的作文测试系统还处于起步的研究状态中，未能有深入而系统的研在中国少数民族汉语水平等级考试(MHK)的作文测试评分中，评分标准从作文的内容、条理和语言三个方面来评价的。作文的内容评价方面指的是考生作文的写作内容是否完整、充实，是否与题目要求的中心思想密切联系；作文的条理评本文档来自技高网...

【技术保护点】
１．一种汉语作文自动测试方法，其特征在于，包括：步骤Ａ：输入作文文本待评语料，对所述作文文本待评语料进行预处理；步骤Ｂ：通过所述主题内容模型、条理结构模型和语言表达特征模型对预处理后的作文文本待评语料提取主题内容特征、条理结构特征、语言表达特征；步骤Ｃ：对所提取的主题内容特征、条理结构特征、语言表达特征用所述评分方程进行计算，获得所述汉语作文的自动评分结果。

【技术特征摘要】
1.一种汉语作文自动测试方法，其特征在于，包括步骤A 输入作文文本待评语料，对所述作文文本待评语料进行预处理； 步骤B 通过所述主题内容模型、条理结构模型和语言表达特征模型对预处理后的作文文本待评语料提取主题内容特征、条理结构特征、语言表达特征；步骤C 对所提取的主题内容特征、条理结构特征、语言表达特征用所述评分方程进行计算，获得所述汉语作文的自动评分结果。2.根据权利要求1所述的汉语作文自动测试方法，其特征在于，所述步骤A之前还包括步骤A'输入作文文本训练语料，对所述作文文本训练语料进行预处理，所述预处理的步骤与所述步骤A中预处理的步骤相同步骤B'建立主题内容模型、条理结构模型、语言表达特征模型；并通过三个所述模型对所述预处理后的作文文本训练语料进行主题内容特征、条理结构特征、语言表达特征的提取，所述特征提取的步骤与步骤B中特征提取的步骤相同；步骤C'依据对作文文本训练语料所提取的特征和其人工评分进行评分的线性拟合， 得到评分方程，其中，所述作文文本待评语料和所述作文文本训练语料统称为作文文本语料。3.根据权利要求2所述的汉语作文自动测试方法，其特征在于，所述步骤A和步骤A' 中对作文文本语料进行预处理包括步骤Al 对作文文本语料进行非标准字符集的修改和去除； 步骤A2 对作文文本语料中无意义的符号进行去除； 步骤A3 对作文文本语料中无意义的汉字乱码进行去除； 步骤A4 对作文文本语料进行汉字分词处理。4.根据权利要求2所述的汉语作文自动测试方法，其特征在于，所述步骤B和步骤B’ 中通过所述主题内容模型对预处理后的作文文本语料提取主题内容特征包括步骤Bla 用预处理后作文文本语料进行潜在语义分析空间训练； 步骤Blb 将潜在语义分析空间训练后的作文文本语料映射到潜在语义空间中，映射的方式为以下方式其中之一 1、潜在语义分析中以全文为文档单元的方式；或2、基于序列潜在语义分析的以小于全文为文档单元的方式；步骤Blc 对同主题作文文本语料映射得到的潜在语义向量与对应的人工文本打分进行支持向量回归分析，得到主题内容模型；步骤Bid:用此主题内容模型对作文文本语料进行主题内容模型特征的提取，得到主题内容特征。5.根据权利要求4所述的汉语作文自动测试方法，其特征在于，所述步骤Blb中采用映射方式2将同主题作文文本语料映射到潜在语义空间包括Blbl 将单篇的作文文本语料文本切分为η份，每一份分别映射到潜在语义空间中； Blb2 将得到的映射向量进行原顺序的重组合，得到此篇作文文本保留序列信息的潜在语义向量。6.根据权利要求4所述的汉语作文自动测试方法，其特征在于，所述步骤Blc中对得到的潜在语义向量与对应的作文文本语料的人工评分进行支持向量回归分析，得到主题内容模型，包括Blcl 支持向量回归分析的核函数选用径向基核函数，对训练语料进行交叉验证实验， 得到最优的支持向量回归分析参数；Blc2 将所得参数用于主题内容模型中。7.根据权利要求2所述的汉语作文自动测试方法，其特征在于，所述步骤B和步骤B‘ 中通过所述条理结构模型提取预处理后的作文文本语料的条理结构特征包括步骤B2a 提取预处理后的作文文本语料的长度； 步骤B2b 提取预处理后的作文文本语料的句子数； 步骤B2c 提取预处理后的作文文本语料的段落数； 步骤B2d 提取预处理后的作文文本语料的平均句长； 步骤B2e 提取预处理后的作文文本语料的句长变化度； 步骤B2f 提取预处理后的作文文本语料的平均段长； 步骤B2e 提取预处理后的作文文本语料的段长变化度，其中，条理结构特征模型即为基于统计的方法提取以上各种特征的模型，而这些特征也即构成了条理结构特征。8.根据权利要求2所述的汉语作文自动测试方法，其特征在于，所述步骤B和步骤B‘ 中通过所述语言表达特征模型提取预处理后的作文文本语料的语言表达特征中，所述语言表达特征模型包括以下两个模型B3，基于浅表统计的语言表达特征模型；和B3'，基于词汇评分的语言表达特征模型。9.依据权利要求8所述的汉语作文自动测试方法，其特征在于，所述步骤B和...

【专利技术属性】
技术研发人员：徐波，彭星源，柯登峰，陈振标，王士进，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：11