-
公开(公告)号：CN114969260B
公开(公告)日：2024-11-26
申请号：CN202210597773.7
申请日：2022-05-30
Applicant: 桂林旅游学院
IPC: G06F16/33 , G06F16/35 , G06F40/30 , G06F18/24 , G06N3/045 , G06N3/0464 , G06N3/0442 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种联合试题分类与评分学习的主观题自动评阅深度学习方法，涉及人工智能与智慧教育的交叉领域。本发明针对不同类型的主观题具有不同的评阅方式的特点，通过联合试题分类与评分学习，使得主观题自动评阅神经网络模型能够掌握不同类型试题的评卷方法，以更有效的方法解决主观题自动评阅问题。首先，通过一个积神经网络对待评阅的主观题进行试题分类，得到待评阅的主观题试题类型。然后，将待评阅的主观题的试题类型嵌入和学生答案输入序列及标准答案输入序列的每一个字嵌入相连接，得到试题类型感知的学生答案输入和标准答案输入，并通过一个由卷积与双向长短期记忆网络组成的杂合模型进行高精度评分。
-
Patent Agency Ranking
公开(公告)号：CN114969260A
公开(公告)日：2022-08-30
申请号：CN202210597773.7
申请日：2022-05-30
Applicant: 桂林旅游学院
Abstract: 本发明公开了一种联合试题分类与评分学习的主观题自动评阅深度学习方法，涉及人工智能与智慧教育的交叉领域。本发明针对不同类型的主观题具有不同的评阅方式的特点，通过联合试题分类与评分学习，使得主观题自动评阅神经网络模型能够掌握不同类型试题的评卷方法，以更有效的方法解决主观题自动评阅问题。首先，通过一个积神经网络对待评阅的主观题进行试题分类，得到待评阅的主观题试题类型。然后，将待评阅的主观题的试题类型嵌入和学生答案输入序列及标准答案输入序列的每一个字嵌入相连接，得到试题类型感知的学生答案输入和标准答案输入，并通过一个由卷积与双向长短期记忆网络组成的杂合模型进行高精度评分。
-
公开(公告)号：CN114579706B
公开(公告)日：2023-09-29
申请号：CN202210222404.X
申请日：2022-03-07
Applicant: 桂林旅游学院
IPC: G06F16/33 , G06F16/35 , G06F40/216 , G06F40/30 , G06F18/241 , G06N3/045 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于BERT神经网络和多任务学习的主观题自动评阅方法，涉及人工智能与智慧教育的交叉领域。首先，使用经过大规模语料预训练的BERT神经网络进行编码，有效解决主观题自动评阅任务中语料过小的问题，并联合训练一个具有学生答案代词消代与主观题自动评阅的多任务神经网络模型。其次，使用所训练的多任务神经网络模型，从题干中提取代词成分来替换学生答案中的代词，确保学生答案语义的完整性。然后，将消代后的学生答案与标准答案形成句子对，送入BERT神经网络进行分类，得到学生答案的评分等级。通过消除学生答案中的代词，以更有效的方法解决主观题自动评阅问题。
-
公开(公告)号：CN114579707B
公开(公告)日：2023-07-28
申请号：CN202210222416.2
申请日：2022-03-07
Applicant: 桂林旅游学院
IPC: G06F16/33 , G06F16/35 , G06F40/211 , G06F40/216 , G06F40/30 , G06F18/241 , G06N3/0455 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于BERT神经网络与多语义学习的方面级情感分析方法，涉及人工智能中的自然语言识别处理领域。首先，充分利用BERT神经网络模型广泛的预训练和后训练，有效解决方面级情感分析中语料数量小的问题。其次，提出了一个基于BERT神经网络的多语义学习模型，该模型由左语义、右语义、方面目标语义和全局语义学习模块组成。进而，为捕获每个上下文词和方面目标之间的语义依赖性，提出了一种基于BERT神经网络和多头注意力机制的方面感知增强方法。最后，提出了一种基于线性变换和多头注意力的二级语义融合与互补方法，以更有效的方法解决自然语言识别处理中的方面级情感分析问题。
-
公开(公告)号：CN114579707A
公开(公告)日：2022-06-03
申请号：CN202210222416.2
申请日：2022-03-07
Applicant: 桂林旅游学院
IPC: G06F16/33 , G06F16/35 , G06F40/211 , G06F40/216 , G06F40/30 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于BERT神经网络与多语义学习的方面级情感分析方法，涉及人工智能中的自然语言识别处理领域。首先，充分利用BERT神经网络模型广泛的预训练和后训练，有效解决方面级情感分析中语料数量小的问题。其次，提出了一个基于BERT神经网络的多语义学习模型，该模型由左语义、右语义、方面目标语义和全局语义学习模块组成。进而，为捕获每个上下文词和方面目标之间的语义依赖性，提出了一种基于BERT神经网络和多头注意力机制的方面感知增强方法。最后，提出了一种基于线性变换和多头注意力的二级语义融合与互补方法，以更有效的方法解决自然语言识别处理中的方面级情感分析问题。
-
公开(公告)号：CN114579706A
公开(公告)日：2022-06-03
申请号：CN202210222404.X
申请日：2022-03-07
Applicant: 桂林旅游学院
Abstract: 本发明公开了一种基于BERT神经网络和多任务学习的主观题自动评阅方法，涉及人工智能与智慧教育的交叉领域。首先，使用经过大规模语料预训练的BERT神经网络进行编码，有效解决主观题自动评阅任务中语料过小的问题，并联合训练一个具有学生答案代词消代与主观题自动评阅的多任务神经网络模型。其次，使用所训练的多任务神经网络模型，从题干中提取代词成分来替换学生答案中的代词，确保学生答案语义的完整性。然后，将消代后的学生答案与标准答案形成句子对，送入BERT神经网络进行分类，得到学生答案的评分等级。通过消除学生答案中的代词，以更有效的方法解决主观题自动评阅问题。
-
-
-
-
-
Search Results
6
records
(took 0.017 seconds)
