面向作文自动评分的优美句识别

被引：18

作者：

付瑞吉 ^{[1
,2
]}

王栋 ^{[1
,2
]}

王士进 ^{[1
,2
]}

胡国平 ^{[1
,2
]}

刘挺 ^{[2
,3
]}

机构：

[1] 科大讯飞股份有限公司研究院

[2] 科大讯飞股份有限公司哈工大讯飞联合实验室

[3] 哈尔滨工业大学计算机科学与技术学院社会计算与信息检索研究中心

来源：

中文信息学报 | 2018年 / 32卷 / 06期

关键词：

优美句识别; 深度神经网络; 作文自动评分;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算]; TP391.1 [文字信息处理];

学科分类号：

摘要：

语言优美是学生写作能力中重要的一部分。该文提出一个面向作文自动评分的作文优美句识别任务,主要识别中学生中文作文中的优美句。相比传统文本分类任务,优美句识别更加难以用特征工程的方式解决。因此,该文提出一种基于卷积神经网络(CNN)和双向长短时记忆(BiLSTM)网络的混合神经网络结构进行优美句识别,并和CNN、BiLSTM网络进行了对比。实验证明,混合神经网络的准确率最高,达到89.23%,F1值与BiLSTM相当,达到75.39%。此外,该文将优美句子特征用于作文自动评分任务,可使计算机评分和人工评分的大分差比例下降21.41%。

引用

页码：88 / 97

页数：10

共 10 条

[1] 用灿烂的语言表达深邃的思想——浅谈高考语文写作的文采表达
杨磊
[J]. 课外语文, 2017, (10) : 151 - 151
[2] 美丽修辞,文采飞翔的翅膀——谈谈如何增加作文的文采[J]. 杨琳.作文成功之路(下). 2013(10)
[3] 由高考考纲认识作文备考要点
刘克强
[J]. 同学少年, 2009, (05) : 10 - 11
[4] 使用最大熵模型进行中文文本分类
李荣陆
王建会
陈晓云
陶晓鹏
胡运发
[J]. 计算机研究与发展, 2005, (01) : 94 - 101
[5] Modeling Local Coherence: An Entity-Based Approach[J] . Regina Barzilay,Mirella Lapata.Computational Linguistics . 2008 (1)
[6] Maximum Entropy Models with Inequality Constraints: A Case Study on Text Categorization[J] . Jun’ichi Kazama,Jun’ichi Tsujii.Machine Learning . 2005 (1)
[7] Long short-term memory
Hochreiter, S
Schmidhuber, J
[J]. NEURAL COMPUTATION, 1997, 9 (08) : 1735 - 1780
[8] Automated essay evaluation: the criterion online writing service. Jill Burstein,Martin Chodorow,Claudia Leacock. The AI Magazine . 2004
[9] Construct Validity of E-Rater （?）in Scoring TOEFL （?）Essays. Attali,Yigal. TOEFL Research Report RR-07-21 . 2007
[10] Representation learning using multi-task deep neural networks for semantic clas-sification and information retrieval. Xiaodong Liu,Jianfeng Gao,Xiaodong He,Li Deng,Kevin Duh,Ye-Yi Wang. Proceedings of the 2015 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies . 2015

← 1 →