论文部分内容阅读
智能批阅是智慧教育的一个重要研究内容,包括自动评分和自动反馈两个子任务。自动评分是指对于学生答案通过训练好的语言模型给出分数;自动反馈则是要指出学生答案的错误点并且提出修改意见。自动反馈旨在提高学习效率,降低学习成本,同时反馈结果更加理性,不受个人情感的影响。本文在回顾国内外自动反馈的历史发展基础上,分析了现有技术的不足,针对数学简答题自动反馈问题,从文本分类和图谱构建两个角度进行研究。主要工作及研究成果如下:(1)基于文本分类的数学简答题自动反馈方法研究。分别使用卷积神经网络和胶囊网络进行学生答案分类,其中,卷积神经网络通过卷积层和池化层抽取学生答案特点,而胶囊网络以神经元向量代替传统CNN模型中的单个神经元节点,并通过动态路由和静态路由两种方式去训练这种全新的神经网络。在此基础上,通过分析每个类型答案的特点设定了反馈模板,不同类型的答案采取不同的方法填充反馈模板。实验结果表明胶囊网络相对于CNN有3%到8.3%的提升,总体上能达到83.3%以上的准确率。(2)基于知识图谱的数学简答题自动反馈方法研究。首先构建了初中数学概念知识图谱,该图谱通过正则表达式抽取教材中的数学概念及属性作为实体,利用爬虫工具从百度百科对实体进行补充;同时定义了四种实体间的关系,根据教材的内在逻辑进行关系抽取;最后将学生答案、正确答案以及两者在图谱中的关系生成一条反馈路径,通过生成的反馈路径为学生提供反馈。实验结果表明实体抽取的准确率达到98%以上,概念间关系的准确率达到93.3%以上,反馈链的生成比例可以达到99%以上。(3)数学简答题自动反馈系统的设计与实现。从实际需求出发,设计与实现了基于B/S的数学简答题自动反馈系统。该系统将训练好的基于胶囊网络的自动反馈语言模型进行封装,为学生答案自动提供反馈。