CN106940788A - 智能评分方法及装置、计算机设备及计算机可读介质 - Google Patents

智能评分方法及装置、计算机设备及计算机可读介质 Download PDF

Info

Publication number
CN106940788A
CN106940788A CN201710131133.6A CN201710131133A CN106940788A CN 106940788 A CN106940788 A CN 106940788A CN 201710131133 A CN201710131133 A CN 201710131133A CN 106940788 A CN106940788 A CN 106940788A
Authority
CN
China
Prior art keywords
user
participle
standard
answer
dictionary
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201710131133.6A
Other languages
English (en)
Other versions
CN106940788B (zh
Inventor
李培帅
杨磊
张虎
杨延超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201710131133.6A priority Critical patent/CN106940788B/zh
Publication of CN106940788A publication Critical patent/CN106940788A/zh
Priority to PCT/CN2018/078278 priority patent/WO2018161917A1/zh
Application granted granted Critical
Publication of CN106940788B publication Critical patent/CN106940788B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/40—Document-oriented image-based pattern recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/284—Lexical analysis, e.g. tokenisation or collocates
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G06Q50/205—Education administration or guidance

Abstract

本发明提供一种智能评分方法及装置、计算机设备及计算机可读介质。其中所述方法包括：获取考题对应的用户答案；根据所述用户答案，生成所述用户答案对应的用户分词库；根据所述用户分词库、预先生成的标准答案对应的标准分词库以及所述标准分词库中的各标准分词的权重，为所述用户答案进行评分。本发明的技术方案，可以智能化地对类型为主观题的考题的用户答案进行智能化地评分，能够克服现有技术中采用人工阅卷的方式，导致评分时间较长，人力成本较高的缺陷，从而能够有效地缩短对考题的评分时间，还能够有效地节约人力成本，进而大大地提高对类型为主观题的用户答案的评分效率。

Description

智能评分方法及装置、计算机设备及计算机可读介质
【技术领域】
本发明涉及智能计算机设备技术领域，尤其涉及一种智能评分方法及装置、计算机设备及计算机可读介质。
【背景技术】
在培训、考试、教育等系统中，为了对学员的学习情况进行考核，通常需要对学员进行考试，并针对考试结果评分，以了解学员对学习的知识的掌握程度。
通常情况下，为了对学员进行有效地测评，测试考试的考题可以分为主观题和客观题。其中客观题多采用选择题的方式，用户根据考题的问题，从多个选择项中选择一个或者多个答案。由于客观题的答案是固定的，非常便于采用计算机对客观题进行评分，从而避免采用老旧的人工阅卷的方式，能够缩短阅卷时间，节省阅卷的人力成本，提高阅卷效率。而对于主观题，学员通常采用论述的方式解答考题中的问题，主观题的解答过程中，通常需要学员自我发挥，按照自己的思维方式去解答考题中的问题。因此主观题的答案仅仅是参考，不是绝对的标准，而无法采用计算机一句一句来测评学员的答案应该得多少分。因此现有技术中，通常采用比较老旧的阅卷方式，即人工阅卷的方式对主观题进行评分。
但是，现有技术采用的比较老旧的人工阅卷方式对主观题的答案进行评分的方式，不仅评分时间较长，而且人力成本较高，因此，现有的采用人工阅卷的方式对主观题的答案进行评分的效率较低。
【发明内容】
本发明提供了一种智能评分方法及装置、计算机设备及计算机可读介质，用于提高主观题的答案进行评分的效率。
本发明提供一种智能评分方法，所述方法包括：
获取考题对应的用户答案；
根据所述用户答案，生成所述用户答案对应的用户分词库；
根据所述用户分词库、预先生成的标准答案对应的标准分词库以及所述标准分词库中的各标准分词的权重，为所述用户答案进行评分。
进一步可选地，如上所述的方法中，根据所述用户分词库、预先生成的标准答案对应的标准分词库以及所述标准分词库中的各标准分词的权重，获取基于所述标准答案为所述用户答案进行评分的分值之前，所述方法还包括：
获取所述考题以及所述考题对应的所述标准答案；
根据所述标准答案，生成所述标准答案对应的标准分词库；
为所述标准分词库中的各所述标准分词设置权重。
进一步可选地，如上所述的方法中，根据所述用户答案，生成所述用户答案对应的用户分词库之前，所述方法还包括：
获取用户做出所述用户答案所使用的考题；
检测并确定所述用户做出所述用户答案所使用的考题与所述标准答案对应的考题一致。
进一步可选地，如上所述的方法中，为所述标准分词库中的各所述标准分词设置权重，具体包括：
统计各所述标准分词在所述标准答案中出现的频率，根据各所述标准分词在所述标准答案中出现的频率，为各所述标准分词设置权重，使得出现频率高的所述标准分词的权重大于出现频率低的所述标准分词的权重；
或者显示各所述标准分词，以供判卷者为各所述标准分词设置权重；并接收所述判卷者通过人机接口模块输入的各所述标准分词的权重。
进一步可选地，如上所述的方法中，根据所述用户答案，生成所述用户答案对应的用户分词库，具体包括：
对所述用户答案进行分词，获取到数个原始用户分词；
根据预先设置的过滤词词库中的各过滤词对所述数个原始用户分词进行过滤，得到多个所述用户分词；
将多个所述用户分词组合在一起，构成所述用户分词库；
根据所述标准答案，生成所述标准答案对应的标准分词库，具体包括：
对所述标准答案进行分词，获取到数个原始标准分词；
根据所述过滤词词库中的各所述过滤词对所述数个原始标准分词进行过滤，得到多个所述标准分词；
将多个所述标准分词组合在一起，构成所述标准分词库。
进一步可选地，如上所述的方法中，当所述考题对应的所述标准答案有多个时，所述方法还包括：
从基于各所述标准答案为所述用户答案进行打分的多个分值中获取最高分值，作为所述用户答案的最终分值。
进一步可选地，如上所述的方法中，根据所述用户分词库、预先生成的标准答案对应的标准分词库以及所述标准分词库中的各标准分词的权重，为所述用户答案进行评分，具体包括：
将所述用户分词库中的所有所述用户分词和所述标准分词库中的所有标准分词组合在一起并去重，构成总分词库；
根据所述标准分词库中的各所述标准分词在所述总分词库中的命中情况以及各所述标准分词的权重，生成第一权重数组；
根据所述用户分词库中的各所述用户分词在所述总分词库中的命中情况、命中的各所述用户分词与所述标准分词库中的各所述标准分词的关系、以及各所述标准分词的权重，生成第二权重数组；
计算所述第一权重数组和所述第二权重数组的余弦相似数值；
根据所述余弦相似数值，计算基于所述标准答案为所述用户答案进行评分的分值。
本发明还提供一种智能评分装置，所述装置包括：
获取模块，用于获取考题对应的用户答案；
生成模块，用于根据所述用户答案，生成所述用户答案对应的用户分词库；
评分模块，用于根据所述用户分词库、预先生成的标准答案对应的标准分词库以及所述标准分词库中的各标准分词的权重，为所述用户答案进行评分。
进一步可选地，如上所述的装置中，还包括设置模块；
所述获取模块，还用于获取所述考题以及所述考题对应的所述标准答案；
所述生成模块，还用于根据所述标准答案，生成所述标准答案对应的标准分词库；
所述设置模块，用于为所述标准分词库中的各所述标准分词设置权重。
进一步可选地，如上所述的装置中，还包括检测模块；
所述获取模块，还用于获取用户做出所述用户答案所使用的考题；
所述检测模块，用于检测并确定所述用户做出所述用户答案所使用的考题与所述标准答案对应的考题一致。
进一步可选地，如上所述的装置中，所述设置模块，具体用于：
统计各所述标准分词在所述标准答案中出现的频率，根据各所述标准分词在所述标准答案中出现的频率，为各所述标准分词设置权重，使得出现频率高的所述标准分词的权重大于出现频率低的所述标准分词的权重；
或者显示各所述标准分词，以供判卷者为各所述标准分词设置权重；并接收所述判卷者通过人机接口模块输入的各所述标准分词的权重。
进一步可选地，如上所述的装置中，所述生成模块，具体用于：
对所述用户答案进行分词，获取到数个原始用户分词；
根据预先设置的过滤词词库中的各过滤词对所述数个原始用户分词进行过滤，得到多个所述用户分词；
将多个所述用户分词组合在一起，构成所述用户分词库；
所述生成模块，具体还用于：
对所述标准答案进行分词，获取到数个原始标准分词；
根据所述过滤词词库中的各所述过滤词对所述数个原始标准分词进行过滤，得到多个所述标准分词；
将多个所述标准分词组合在一起，构成所述标准分词库。
进一步可选地，如上所述的装置中，所述获取模块，还用于当所述考题对应的所述标准答案有多个时，从基于各所述标准答案为所述用户答案进行打分的多个分值中获取最高分值，作为所述用户答案的最终分值。
进一步可选地，如上所述的装置中，所述评分模块，具体用于：
将所述用户分词库中的所有所述用户分词和所述标准分词库中的所有标准分词组合在一起并去重，构成总分词库；
根据所述标准分词库中的各所述标准分词在所述总分词库中的命中情况以及各所述标准分词的权重，生成第一权重数组；
根据所述用户分词库中的各所述用户分词在所述总分词库中的命中情况、命中的各所述用户分词与所述标准分词库中的各所述标准分词的关系、以及各所述标准分词的权重，生成第二权重数组；
计算所述第一权重数组和所述第二权重数组的余弦相似数值；
根据所述余弦相似数值，计算基于所述标准答案为所述用户答案进行评分的分值。
本发明还提供一种计算机设备，所述设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上所述的智能评分方法。
本发明还提供一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述的智能评分方法。
本发明提供的智能评分方法及装置、计算机设备及计算机可读介质，通过获取考题对应的用户答案；根据用户答案，生成用户答案对应的用户分词库；根据用户分词库、预先生成的标准答案对应的标准分词库以及标准分词库中的各标准分词的权重，为用户答案进行评分。本发明的技术方案，可以智能化地对类型为主观题的考题的用户答案进行智能化地评分，能够克服现有技术中采用人工阅卷的方式，导致评分时间较长，人力成本较高的缺陷，从而能够有效地缩短对考题的评分时间，还能够有效地节约人力成本，进而大大地提高对类型为主观题的用户答案的评分效率。
【附图说明】
图1为本发明的智能评分方法实施例一的流程图。
图2为本发明的智能评分方法实施例二的流程图。
图3为本发明的智能评分装置实施例一的结构图。
图4为本发明的智能评分装置实施例二的结构图。
图5为本发明的计算机设备实施例的结构图。
图6为本发明提供的一种计算机设备的示例图。
【具体实施方式】
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。
图1为本发明的智能评分方法实施例一的流程图。如图1所示，本实施例的智能评分方法，具体可以包括如下步骤：
100、获取考题对应的用户答案；
101、根据用户答案，生成用户答案对应的用户分词库；
102、根据用户分词库、预先生成的标准答案对应的标准分词库以及标准分词库中的各标准分词的权重，为用户答案进行评分。
本实施例中的智能评分方法的执行主体为智能评分装置，该智能评分装置可以为一个独立的电子装置，用于对主观题的用户答案进行智能评分。该智能评分装置可以为一个软件集成的实体，以智能化地对主观题的用户答案进行评分。本实施例的考题的类型为主观题。
本实施例的智能评分方法中，在对某考题的用户答案进行评分时，获取该考题对应的用户答案。例如，当考题的用户答案为电子形式时，直接读取该考题的用户答案。当该考题的用户答案为纸件形式时，可以采用文字识别技术对纸件上的用户答案中的文字进行识别，得到电子形式的用户答案。然后可以根据用户答案，获取该用户答案对应的用户分词库。
例如，该步骤101“根据用户答案，生成用户答案对应的用户分词库”，具体可以包括如下步骤：
(a1)对用户答案进行分词，获取到数个原始用户分词；
(a2)根据预先设置的过滤词词库中的各过滤词对数个原始用户分词进行过滤，得到多个用户分词；
(a3)将多个用户分词组合在一起，构成用户分词库；
具体地，由于用户答案可能采用无数段，无数句的文字组成，在分词时，可以对用户答案中的每一句话进行分词，分词过程中，可以将一句话分成一个字、两个字、三个字、四个字甚至多个字的词语；而且分词时，可以设定的一定的分词规则，例如，可以根据中文撰写的语法规则中不同词性的搭配方式，合理地对一句话中的各个词进行拆分，使得得到的分词更具有实际意义。初步对用户答案分词处理后得到的分词进行去重，得到原始分词，一份用户答案可以得到无数个原始分词。然后可以根据预先设置的过滤词词库中的各过滤词对数个原始用户分词进行过滤，得到多个用户分词。本实施例中预先设置的过滤词库为一些没有实际意义或者对用户答案的评分没有贡献的一些词。例如过滤词库中可以为包括“的”、“地”、“得”、以及“你”、“我”、“他”、“她”、“你们”、“我们”、“他们”、“她们”以及“吗”、“啊”、“呢”、“哦”等等之类的词语。根据过滤词库，对数个原始用户分词中的过滤词进行过滤，可以得到多个用户分词。最后将多个用户分词组合在一起，便形成该用户答案对应的用户分词库。
然后根据用户分词库、预先生成的标准答案对应的标准分词库以及标准分词库中的各标准分词的权重，可以获取基于标准答案为用户答案进行评分的分值。也就是说，在对用户答案评分之前，需要预先获取到考题对应的标准答案，并基于标准答案预先生成标准答案对应的标准分词库，并配置标准分词库中的各标准分词的权重。具体地，在步骤102“根据用户分词库、预先生成的标准答案对应的标准分词库以及标准分词库中的各标准分词的权重，为用户答案进行评分”之前，还可以包括如下步骤：
(b1)获取考题以及考题对应的标准答案；
本实施例中的考题以及考题对应的标准答案可以为电子形式的，也可以为纸件形式的。对应的获取考题及考题对应的标准答案与上述获取考题对应的用户答案的方式相同，在此不再赘述。
(b2)根据标准答案，生成标准答案对应的标准分词库；
对应地，本实施例的根据标准答案，生成标准答案对应的标准分词库与上述实施例中的根据用户答案，生成用户答案对应的用户分词库的方式相同，例如该步骤(b2)具体可以包括如下步骤：
(c1)对标准答案进行分词，获取到数个原始标准分词；
(c2)根据过滤词词库中的各过滤词对数个原始标准分词进行过滤，得到多个标准分词；
(c3)将多个标准分词组合在一起，构成标准分词库。
步骤(c1)-(c3)的具体实现与上述步骤(a1)-(a3)的具体实现方式相同，详细可以参考上述步骤(a1)-(a3)的具体实现方式，在此不再赘述。
(b3)为标准分词库中的各标准分词设置权重。
本实施例中为标准分词库中的各标准分词设置权重具体可以包括如下两种方式：
第一种方式：统计各标准分词在标准答案中出现的频率，根据各标准分词在标准答案中出现的频率，为各标准分词设置权重，使得出现频率高的标准分词的权重大于出现频率低的标准分词的权重；
例如，由智能评分装置统计各个标准分词在标准答案中出现的频率，然后可以将各个标准分词按照出现的频率的高低排序，得到标准分词序列；出现频率较高的标准分词可以认为是对标准答案比较重要的、关键的标准分词，出现频率较低的标准分词可以认为是对标准答案不太重要的、非关键的标准分词。例如可以将排序后的标准分词序列中的前N个设置较高的权重，如权重设置为10，作为关键的标准分词，其中的N可以根据标准分词库中包括的标准分词的总数量来合理设置，如N的数量可以占据到标准分词库中包括的标准分词的总数量的30％-50％。然后将标准分词序列中的其它标准分词的权重设置为1，作为非关键的标准分词。本实施例中以设置两档权重为例，实际应用中，也可以根据各个标准分词在标准答案中出现的频率，依次设置多档权重，例如可以将标准分词序列中前1/3的标准分词设置的权重为10，中间1/3的标准分词设置的权重为6，后三分之一的标准分词设置的权重为1；同理还可以设置4档或者4档以上任意档的权重，在此不再一一举例。
第二种方式：显示各标准分词，以供判卷者为各标准分词设置权重；并接收判卷者通过人机接口模块输入的各标准分词的权重。
该方案中，智能评分装置可以不对标准分词库中的标准分词做频率统计，仅显示各标准分词，以供判卷者可以查看各个标准分词，并且在智能评分装置上可以设置有人机交互模块，以供判卷者从显示的各标准分词中选择哪些标准分词为关键的标准分词，哪些为非关键的标准分词，并为各标准分词设置权重。最后由判卷者通过智能评分装置的人机接口模块返回给智能评分装置。因此，本实施例中，该智能评分装置可以带有显示屏，以对各标准分词进行显示。该智能评分装置的人机接口模块可以包括鼠标和/或键盘，以供判卷者通过鼠标和/或键盘实现对各标准分词设置权重。或者该智能评分装置的人机接口模块可以为触摸屏，该触摸屏不仅可以显示各标准分词，还可以带有检测模块，检测判卷者在触摸屏上的设置标准分词的权重的操作的输入，并接收判卷者的输入，完成对各标准分词的权重的设置。若该智能评分装置没有显示屏，也可以带有通讯模块，以通过通讯模块发送给判卷者所使用的终端，并在判卷者所使用的终端上显示各标准分词。然后判卷者根据显示的各标准分词，以及对标准答案的了解，从中选择关键的标准分词，并为关键的标准分词设置权重，例如判卷者可以仅选择权重为10的标准分词；而对于其它的标准分词，可以按照预先约定的方式，由智能评分装置都设置为10。同理，当需要对多个标准分词设置多档权重时，判卷者也可以分别选择最关键的一个、两个或者多个标准分词，然后将选择的这一类标准分词的权重都设置为10；然后依次选择次关键的一类标准分词，对应的可以设置为小于10的权重，以此类推，根据各类标准分词的关键程度的降低，可以依次较小设置的权重的数值。且最后没有被用户选择的一些标准分词，可以认为是不重要的标准分词，可以统一设置较小的权重，例如1。
另外，可选地，也可以将第一种方式和第二种方式结合起来，智能评分装置先根据第一种方式设置为各标准分词的权重之后，然后根据第二种方式显示各标准分词的权重，以供判卷者查看智能评分装置设置的各标准分词的权重是否合理，若不合理，此时判卷者可以根据人机接口模块修改标准分词的权重。例如，若某标准分词应该是标准答案中的关键词，权重应该设置为最大权重，如10，但是智能评分装置根据频率统计的结果，仅能够将其权重设置为6，此时，判卷者可以根据显示的标准分词的权重，将该标准分词的权重由6改为10。
根据上述实施例的方式，可以获取到考题的用户答案对应的用户分词库、考题的标准答案对应的标准分词库以及标准分词库中各个标准分词的权重，由于大部分用户的用户答案并不一样与标准答案完全相同，所以根据用户答案形成的用户分词库与根据标准答案形成的标准分词库中包括的分词有相同的，也有不同的；同时本实施例中，在基于该标准答案为该用户答案评分时，还考虑各标准分词的权重，以使得若用户分词库中的用户分词命中标准分词库中权重大的标准分词，可以获得较高的得分，若用户分词库中的用户分词仅命中标准分词库中权重小的标准分词，可以获得较低的得分，从而使用智能评分装置做出的评分更加合理，得到的评分更加准确。
本实施例的智能评分方法，通过获取考题对应的用户答案；根据用户答案，生成用户答案对应的用户分词库；根据用户分词库、预先生成的标准答案对应的标准分词库以及标准分词库中的各标准分词的权重，为用户答案进行评分。采用本实施例的技术方案，可以智能化地对类型为主观题的考题的用户答案进行智能化地评分，能够克服现有技术中采用人工阅卷的方式，导致评分时间较长，人力成本较高的缺陷，从而能够有效地缩短对考题的评分时间，还能够有效地节约人力成本，进而大大地提高对类型为主观题的用户答案的评分效率。
图2为本发明的智能评分方法实施例二的流程图。如图2所示，本实施例的智能评分方法，在上述实施例的技术方案的基础上，以考题仅包括一份标准答案为例来描述本发明的技术方案。如图2所示，本实施例的智能评分方法，具体可以包括如下步骤：
200、获取类型为主观题的考题以及该考题对应的标准答案；
本实施例的智能评分方法的执行主体仍为智能评分装置。本实施例的考题以及该考题对应的标准答案的获取方式，可以参考上述实施例中用户答案和标准答案的获取方式，在此不再赘述。
201、根据标准答案，生成标准答案对应的标准分词库；
本实施例中以仅包括一个标准答案为例，在获取到该标准答案之后，详细可以根据上述实施例中的步骤(c1)-(c3)获取标准答案对应的标准分词库。
202、为标准分词库中的各标准分词设置权重；
具体设置权重的方式可以参考上述实施例中的两种设置权重的方式，在此不再赘述。
203、获取用户做出用户答案所使用的考题；
同理，用户做出用户答案所使用的考题也可以为电子形式或者纸件形式。
204、检测用户做出用户答案所使用的考题与获取的标准答案对应的考题是否一致；若一致，执行步骤205；否则，确定考题不一致，退出本轮评分。
205、获取该考题对应的用户答案；
206、根据用户答案，生成用户答案对应的用户分词库；
本实施例中，获取用户答案的过程与上述实施例相同，在获取到该用户答案之后，详细可以根据上述实施例中的步骤(a1)-(a3)生成用户答案对应的用户分词库。
207、将用户分词库中的所有用户分词和标准分词库中的所有标准分词组合在一起并去重，构成总分词库；
208、根据标准分词库中的各标准分词在总分词库中的命中情况以及各标准分词的权重，生成第一权重数组；
209、根据用户分词库中的各用户分词在总分词库中的命中情况、命中的各用户分词与标准分词库中的各标准分词的关系、以及各标准分词的权重，生成第二权重数组；
210、计算第一权重数组和第二权重数组的余弦相似数值；
211、根据余弦相似数值，计算基于标准答案为用户答案进行评分的分值。
本实施例的步骤207-211为上述图1所示实施例中的步骤102“根据用户分词库、预先生成的标准答案对应的标准分词库以及标准分词库中的各标准分词的权重，为用户答案进行评分”的一种具体实现方式。
针对同样的考题，用户做出的用户答案不可能完全偏离标准答案，因此，用户答案对应的用户分词库中总会有一些用户分词能够命中标准分词库中标准分词，即用户分词库中的部分用户分词会与标准分词库中的部分标准分词重合。在将用户分词库中的所有用户分词和标准分词库中的所有标准分词组合在一起之后，去重，构成总分词库。这里的去重便指的是若用户分词与标准分词相同，仅保留其中一个，得到的总分词库中的分词是没有重复的。然后将标准分词库与总分词库进行比对，根据标准分词库中的各标准分词在总分词库中的命中情况以及各标准分词的权重，生成第一权重数组；其中第一权重数组中的元素的数量与总分词库中包括的分词的数量相同。例如，若某标准分词库中的标准分词M命中总分词库中的分词M，标准分词M在标准分词库中对应的权重为10，在第一权重数组中该分词M对应的位置上，设置的权重数值为该标准分词M的权重。对于总分词库中未被标准分词库中的标准分词命中的分词，在第一权重数组中对应的位置上设置的权重为0。即，若标准分词库中的标准分词命中总分词库中的分词，在第一权重数组中，该被命中的分词对应的位置上设置命中的标准分词预先设置的权重；而总分词库中其余未被命中的分词对应的位置上，权重均设置为0。
按照同样的方式，再根据用户分词库中的各用户分词在总分词库中的命中情况、命中的各用户分词与标准分词库中的各标准分词的关系、以及各标准分词的权重，生成第二权重数组。同样第二权重数组中的元素的数量与总分词库中包括的分词的数量相同。将用户分词库与总分词库进行比对时，若某用户分词中的用户分词N命中总分词库中的分词N，且该命中的用户分词又是标准分词库中的标准分词，可以获取该标准分词对应的权重，此时在第二权重数组中，该被命中的分词对应的位置上设置对应的标准分词的权重。若某用户分词中的用户分词N命中总分词库中的分词N，但是该命中的用户分词又不是标准分词库中的标准分词，所以不存在预先设置的权重，此时在第二权重数组中，该被命中的分词对应的位置上设置权重1。最后对于总分词库中其余未被命中的分词对应的位置上，权重均设置为0。
为了便于描述，下面以标准答案对应的标准分词库中包括A、B、C和D四个标准分词，其中设置关键的标准分词A和B的权重为10，非关键的标准分词C和D的权重为1为例，用户答案对应的用户分词库中包括A、B、E和F四个用户分词为例，此时组成的总分词库中包括A、B、C、D、E和F共6个分词；可以得知第一权重数组和第二权重数组所包括的元素均为6个。将标准分词库中的A、B、C和D，与总分词库中包括A、B、C、D、E和F比对，其中标准分词库中的标准分词A命中总分词库中的分词A，此时，获取标准分词A对应的权重10，在第一权重数组中分词A对应的位置设置权重为10。同样的方式，可以在第一权重数组中分词B对应的位置设置权重也为10，分词C和D对应的位置设置权重为1。而总分词库中的分词E和F未被标准分词库中的标准分词命中，可以在第一权重数组中分词E和F对应的位置设置权重为0，这样得到的第一权重数组为[10,10,1,1,0,0]。
将用户分词库中的A、B、E和F，与总分词库中包括A、B、C、D、E和F比对，其中用户分词库中的用户分词A命中总分词库中的分词A，且该用户分词A也为标准分词库中的标准分词，获取该标准分词A的权重10，在第二权重数组中分词A对应的位置设置权重为10。同样的方式，可以在第二权重数组中分词B对应的位置设置权重也为10；用户分词E和F也分别命中总分词库中的分词E和F，但是该用户分词A和F不是标准分词库中的分词，此时可以在第二权重数组中分词E和F对应的位置设置权重为1；而对于总分词库中的分词C和D未被用户分词库中的用户分词命中，可以在第二权重数组中分词C和D对应的位置设置权重为0，这样得到的第一权重数组为[10,10,0,0,1,1]。
经过上述方式，可以得到第一权重数组和第二权重数组，然后计算第一权重数组和第二权重数组的余弦相似数值；例如具体可以通过如下公式来计算：
其中S为第一权重数组，表示的是标准分词库中的标准分词在总分词库中的命中的权重信息；n为第一权重数组中的元素的数量。第一权重数组可以表示为[S1,S2,……,Sn]；其中的Si表示第一权重数组中的第i个元素。
U为第二权重数组，表示的是用户分词库中的用户分词在总分词库中的命中的权重信息；n为第二权重数组中的元素的数量。第二权重数组可以表示为[U1,U2,……,Un]；其中的UI表示第二权重数组中的第i个元素。
经过上述公式的计算，可以得到第一权重数组和第二权重数组的余弦相似数值cosθ，即对应得到的结果为一个0到1之间的数值；所得到的余弦相似数值越靠近1，表示用户答案越接近标准答案。若结果为1，则表示该用户答案可以近似于标准答案，该考题可以得满分。然后根据余弦相似数值，计算基于标准答案为用户答案进行评分的分值。例如，具体可以将该余弦相似数值乘以该考题的总分值，作为基于标准答案为用户答案进行评分的分值。例如若该考题的分数为100分，得到的余弦相似数值为0.81，则该用户答案的评分可以为0.81×100＝81分。
上述实施例中以仅包括一个标准答案，对一个用户答案进行评分的全过程；按照上述方式，可以依次对所有的用户答案进行评分。
另外，同一考题中也可以包括多个标准答案，基于每一个标准答案，均可以根据上述实施例的方式对用户答案进行评分，得到一个分值。对于同一个用户答案，按照上述实施例的方式，可以分别基于多个标准答案进行评分，得到多个分值。最后从基于各标准答案为用户答案进行打分的多个分值中获取最高分值，作为该用户答案的最终分值。
本实施例的智能评分方法，通过采用上述技术方案，可以智能化地对类型为主观题的考题的用户答案进行智能化地评分，能够克服现有技术中采用人工阅卷的方式，导致评分时间较长，人力成本较高的缺陷，从而能够有效地缩短对考题的评分时间，还能够有效地节约人力成本，进而大大地提高对类型为主观题的用户答案的评分效率。
图3为本发明的智能评分装置实施例一的结构图。如图3所示，本实施例的智能评分装置，具体可以包括：获取模块10、生成模块11和评分模块12。
其中获取模块10用于获取考题对应的用户答案；生成模块11用于根据获取模块10获取的用户答案，生成用户答案对应的用户分词库；评分模块12用于根据生成模块11生成的用户分词库、预先生成的标准答案对应的标准分词库以及标准分词库中的各标准分词的权重，为用户答案进行评分。
本实施例的智能评分装置，通过采用上述模块实现智能评分的实现原理以及技术效果与上述相关方法实施例的实现相同，详细可以参考上述相关方法实施例的记载，在此不再赘述。
图4为本发明的智能评分装置实施例二的结构图。如图4所示，本实施例的智能评分装置在上述图3所示实施例的技术方案的基础上，进一步还包括如下技术方案。
如图4所示，本实施例的智能评分装置还包括设置模块13。
其中获取模块10还用于获取考题以及考题对应的标准答案；生成模块11还用于根据获取模块10获取的标准答案，生成标准答案对应的标准分词库；设置模块13用于为生成模块11生成的标准分词库中的各标准分词设置权重。
进一步可选地，如图4所示，本实施例的智能评分装置还包括检测模块14。
其中获取模块10还用于获取用户做出用户答案所使用的考题；检测模块14用于检测并确定获取模块10用户做出用户答案所使用的考题与标准答案对应的考题一致。
进一步可选地，本实施例的智能评分装置中，设置模块13具体用于：
统计各标准分词在标准答案中出现的频率，根据各标准分词在标准答案中出现的频率，为各标准分词设置权重，使得出现频率高的标准分词的权重大于出现频率低的标准分词的权重；
或者显示各标准分词，以供判卷者为各标准分词设置权重；并接收判卷者通过人机接口模块输入的各标准分词的权重。
进一步可选地，本实施例的智能评分装置中，生成模块11具体用于：
对用户答案进行分词，获取到数个原始用户分词；
根据预先设置的过滤词词库中的各过滤词对数个原始用户分词进行过滤，得到多个用户分词；
将多个用户分词组合在一起，构成用户分词库；
进一步可选地，本实施例的智能评分装置中，生成模块11具体还用于：
对标准答案进行分词，获取到数个原始标准分词；
根据过滤词词库中的各过滤词对数个原始标准分词进行过滤，得到多个标准分词；
将多个标准分词组合在一起，构成标准分词库。
进一步可选地，本实施例的智能评分装置中，获取模块10还用于当考题对应的标准答案有多个时，从基于各标准答案为用户答案进行打分的多个分值中获取最高分值，作为用户答案的最终分值。
进一步可选地，本实施例的智能评分装置中，评分模块12具体用于：
将用户分词库中的所有用户分词和标准分词库中的所有标准分词组合在一起并去重，构成总分词库；
根据标准分词库中的各标准分词在总分词库中的命中情况以及各标准分词的权重，生成第一权重数组；
根据用户分词库中的各用户分词在总分词库中的命中情况、命中的各用户分词与标准分词库中的各标准分词的关系、以及各标准分词的权重，生成第二权重数组；
计算第一权重数组和第二权重数组的余弦相似数值；
根据余弦相似数值，计算基于标准答案为用户答案进行评分的分值。
本实施例的智能评分装置，通过采用上述模块实现智能评分的实现原理以及技术效果与上述相关方法实施例的实现相同，详细可以参考上述相关方法实施例的记载，在此不再赘述。
图5为本发明的计算机设备实施例的结构图。如图5所示，本实施例的计算机设备，包括：一个或多个处理器20，以及存储器30，存储器30用于存储一个或多个程序，当存储器30中存储的一个或多个程序被一个或多个处理器20执行，使得一个或多个处理器20实现如上图1-图2所示实施例的智能评分方法。图5所示实施例中以包括多个处理器20为例。
例如，图6为本发明提供的一种计算机设备的示例图。图6示出了适于用来实现本发明实施方式的示例性计算机设备12a的框图。图6显示的计算机设备12a仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示，计算机设备12a以通用计算设备的形式表现。计算机设备12a的组件可以包括但不限于：一个或者多个处理器16a，系统存储器28a，连接不同系统组件(包括系统存储器28a和处理器16a)的总线18a。
总线18a表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机设备12a典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12a访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28a可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30a和/或高速缓存存储器32a。计算机设备12a可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34a可以用于读写不可移动的、非易失性磁介质(图6未显示，通常称为“硬盘驱动器”)。尽管图6中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18a相连。系统存储器28a可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明上述图1-图4各实施例的功能。
具有一组(至少一个)程序模块42a的程序/实用工具40a，可以存储在例如系统存储器28a中，这样的程序模块42a包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42a通常执行本发明所描述的上述图1-图4各实施例中的功能和/或方法。
计算机设备12a也可以与一个或多个外部设备14a(例如键盘、指向设备、显示器24a等)通信，还可与一个或者多个使得用户能与该计算机设备12a交互的设备通信，和/或与使得该计算机设备12a能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22a进行。并且，计算机设备12a还可以通过网络适配器20a与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20a通过总线18a与计算机设备12a的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备12a使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理器16a通过运行存储在系统存储器28a中的程序，从而执行各种功能应用以及数据处理，例如实现上述实施例所示的障碍物识别方法。
本发明还提供一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上述实施例所示的智能评分方法。
本实施例的计算机可读介质可以包括上述图6所示实施例中的系统存储器28a中的RAM30a、和/或高速缓存存储器32a、和/或存储系统34a。
随着科技的发展，计算机程序的传播途径不再受限于有形介质，还可以直接从网络下载，或者采用其他方式获取。因此，本实施例中的计算机可读介质不仅可以包括有形的介质，还可以包括无形的介质。
本实施例的计算机可读介质可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (16)

1.一种智能评分方法，其特征在于，所述方法包括：
获取考题对应的用户答案；
根据所述用户答案，生成所述用户答案对应的用户分词库；
根据所述用户分词库、预先生成的标准答案对应的标准分词库以及所述标准分词库中的各标准分词的权重，为所述用户答案进行评分。
2.根据权利要求1所述的方法，其特征在于，根据所述用户分词库、预先生成的标准答案对应的标准分词库以及所述标准分词库中的各标准分词的权重，获取基于所述标准答案为所述用户答案进行评分的分值之前，所述方法还包括：
获取所述考题以及所述考题对应的所述标准答案；
根据所述标准答案，生成所述标准答案对应的标准分词库；
为所述标准分词库中的各所述标准分词设置权重。
3.根据权利要求2所述的方法，其特征在于，根据所述用户答案，生成所述用户答案对应的用户分词库之前，所述方法还包括：
获取用户做出所述用户答案所使用的考题；
检测并确定所述用户做出所述用户答案所使用的考题与所述标准答案对应的考题一致。
4.根据权利要求2所述的方法，其特征在于，为所述标准分词库中的各所述标准分词设置权重，具体包括：
统计各所述标准分词在所述标准答案中出现的频率，根据各所述标准分词在所述标准答案中出现的频率，为各所述标准分词设置权重，使得出现频率高的所述标准分词的权重大于出现频率低的所述标准分词的权重；
或者显示各所述标准分词，以供判卷者为各所述标准分词设置权重；并接收所述判卷者通过人机接口模块输入的各所述标准分词的权重。
5.根据权利要求2所述的方法，其特征在于，根据所述用户答案，生成所述用户答案对应的用户分词库，具体包括：
对所述用户答案进行分词，获取到数个原始用户分词；
根据预先设置的过滤词词库中的各过滤词对所述数个原始用户分词进行过滤，得到多个所述用户分词；
将多个所述用户分词组合在一起，构成所述用户分词库；
根据所述标准答案，生成所述标准答案对应的标准分词库，具体包括：
对所述标准答案进行分词，获取到数个原始标准分词；
根据所述过滤词词库中的各所述过滤词对所述数个原始标准分词进行过滤，得到多个所述标准分词；
将多个所述标准分词组合在一起，构成所述标准分词库。
6.根据权利要求1所述的方法，其特征在于，当所述考题对应的所述标准答案有多个时，所述方法还包括：
从基于各所述标准答案为所述用户答案进行打分的多个分值中获取最高分值，作为所述用户答案的最终分值。
7.根据权利要求1-6任一所述的方法，其特征在于，根据所述用户分词库、预先生成的标准答案对应的标准分词库以及所述标准分词库中的各标准分词的权重，为所述用户答案进行评分，具体包括：
将所述用户分词库中的所有所述用户分词和所述标准分词库中的所有标准分词组合在一起并去重，构成总分词库；
根据所述标准分词库中的各所述标准分词在所述总分词库中的命中情况以及各所述标准分词的权重，生成第一权重数组；
根据所述用户分词库中的各所述用户分词在所述总分词库中的命中情况、命中的各所述用户分词与所述标准分词库中的各所述标准分词的关系、以及各所述标准分词的权重，生成第二权重数组；
计算所述第一权重数组和所述第二权重数组的余弦相似数值；
根据所述余弦相似数值，计算基于所述标准答案为所述用户答案进行评分的分值。
8.一种智能评分装置，其特征在于，所述装置包括：
获取模块，用于获取考题对应的用户答案；
生成模块，用于根据所述用户答案，生成所述用户答案对应的用户分词库；
评分模块，用于根据所述用户分词库、预先生成的标准答案对应的标准分词库以及所述标准分词库中的各标准分词的权重，为所述用户答案进行评分。
9.根据权利要求8所述的装置，其特征在于，所述装置还包括设置模块；
所述获取模块，还用于获取所述考题以及所述考题对应的所述标准答案；
所述生成模块，还用于根据所述标准答案，生成所述标准答案对应的标准分词库；
所述设置模块，用于为所述标准分词库中的各所述标准分词设置权重。
10.根据权利要求9所述的装置，其特征在于，所述装置还包括检测模块；
所述获取模块，还用于获取用户做出所述用户答案所使用的考题；
所述检测模块，用于检测并确定所述用户做出所述用户答案所使用的考题与所述标准答案对应的考题一致。
11.根据权利要求9所述的装置，其特征在于，所述设置模块，具体用于：
统计各所述标准分词在所述标准答案中出现的频率，根据各所述标准分词在所述标准答案中出现的频率，为各所述标准分词设置权重，使得出现频率高的所述标准分词的权重大于出现频率低的所述标准分词的权重；
或者显示各所述标准分词，以供判卷者为各所述标准分词设置权重；并接收所述判卷者通过人机接口模块输入的各所述标准分词的权重。
12.根据权利要求9所述的装置，其特征在于，所述生成模块，具体用于：
对所述用户答案进行分词，获取到数个原始用户分词；
根据预先设置的过滤词词库中的各过滤词对所述数个原始用户分词进行过滤，得到多个所述用户分词；
将多个所述用户分词组合在一起，构成所述用户分词库；
所述生成模块，具体还用于：
对所述标准答案进行分词，获取到数个原始标准分词；
根据所述过滤词词库中的各所述过滤词对所述数个原始标准分词进行过滤，得到多个所述标准分词；
将多个所述标准分词组合在一起，构成所述标准分词库。
13.根据权利要求8所述的装置，其特征在于，所述获取模块，还用于当所述考题对应的所述标准答案有多个时，从基于各所述标准答案为所述用户答案进行打分的多个分值中获取最高分值，作为所述用户答案的最终分值。
14.根据权利要求8-13任一所述的装置，其特征在于，所述评分模块，具体用于：
将所述用户分词库中的所有所述用户分词和所述标准分词库中的所有标准分词组合在一起并去重，构成总分词库；
根据所述标准分词库中的各所述标准分词在所述总分词库中的命中情况以及各所述标准分词的权重，生成第一权重数组；
根据所述用户分词库中的各所述用户分词在所述总分词库中的命中情况、命中的各所述用户分词与所述标准分词库中的各所述标准分词的关系、以及各所述标准分词的权重，生成第二权重数组；
计算所述第一权重数组和所述第二权重数组的余弦相似数值；
根据所述余弦相似数值，计算基于所述标准答案为所述用户答案进行评分的分值。
15.一种计算机设备，其特征在于，所述设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
16.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的方法。
CN201710131133.6A 2017-03-07 2017-03-07 智能评分方法及装置、计算机设备及计算机可读介质 Active CN106940788B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201710131133.6A CN106940788B (zh) 2017-03-07 2017-03-07 智能评分方法及装置、计算机设备及计算机可读介质
PCT/CN2018/078278 WO2018161917A1 (zh) 2017-03-07 2018-03-07 智能评分方法及装置、计算机设备及计算机可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710131133.6A CN106940788B (zh) 2017-03-07 2017-03-07 智能评分方法及装置、计算机设备及计算机可读介质

Publications (2)

Publication Number Publication Date
CN106940788A true CN106940788A (zh) 2017-07-11
CN106940788B CN106940788B (zh) 2020-05-29

Family

ID=59468723

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710131133.6A Active CN106940788B (zh) 2017-03-07 2017-03-07 智能评分方法及装置、计算机设备及计算机可读介质

Country Status (2)

Country Link
CN (1) CN106940788B (zh)
WO (1) WO2018161917A1 (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107705231A (zh) * 2017-11-07 2018-02-16 语联网（武汉）信息技术有限公司 一种计算机辅助的阅卷方法、装置及计算机可读存储介质
CN107845047A (zh) * 2017-11-07 2018-03-27 语联网（武汉）信息技术有限公司 一种动态评分系统、方法以及计算机可读存储介质
CN107945596A (zh) * 2017-12-25 2018-04-20 成都福润得科技有限责任公司 一种便于灵活教学的交互式教学方法
CN108446277A (zh) * 2018-03-27 2018-08-24 北京大前科技有限责任公司 模拟学习的方法及装置
WO2018161917A1 (zh) * 2017-03-07 2018-09-13 百度在线网络技术（北京）有限公司 智能评分方法及装置、计算机设备及计算机可读介质
CN109146432A (zh) * 2018-09-26 2019-01-04 北京城市网邻信息技术有限公司 针对于程序开发人员的面试方法、装置、设备及存储介质
CN109543177A (zh) * 2018-10-19 2019-03-29 中国平安人寿保险股份有限公司 消息数据处理方法、装置、计算机设备和存储介质
CN109993387A (zh) * 2017-12-29 2019-07-09 Tcl集团股份有限公司 一种基于nlp的自动评分方法及装置、考试系统
CN110764662A (zh) * 2019-08-30 2020-02-07 北京字节跳动网络技术有限公司 信息处理方法、装置、电子设备及存储介质
CN111369151A (zh) * 2020-03-09 2020-07-03 北京红亚华宇科技有限公司 一种智能竞赛评分方法、系统及设备
CN112101005A (zh) * 2020-04-02 2020-12-18 上海迷因网络科技有限公司 一种快速表达力测试题目生成和动态调整方法

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110096702B (zh) * 2019-04-22 2023-07-25 安徽省泰岳祥升软件有限公司 一种主观题评分方法及装置
US20220147861A1 (en) * 2020-11-06 2022-05-12 Robert Bosch Gmbh Knowledge-Driven and Self-Supervised System for Question-Answering
CN112733674A (zh) * 2020-12-31 2021-04-30 北京华图宏阳网络科技有限公司 一种公务员申论考试应用文智能批改方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060194183A1 (en) * 2005-02-28 2006-08-31 Yigal Attali Method of model scaling for an automated essay scoring system
CN102298587A (zh) * 2010-06-24 2011-12-28 深圳市腾讯计算机系统有限公司 满意度调查方法及系统
CN102982153A (zh) * 2012-11-29 2013-03-20 北京亿赞普网络技术有限公司 一种信息检索方法及其装置
CN104462051A (zh) * 2013-09-12 2015-03-25 腾讯科技（深圳）有限公司 分词方法及装置
CN106021288A (zh) * 2016-04-27 2016-10-12 南京慕测信息科技有限公司 一种基于自然语言分析的随堂测试答案快速自动分类方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106940788B (zh) * 2017-03-07 2020-05-29 百度在线网络技术（北京）有限公司 智能评分方法及装置、计算机设备及计算机可读介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060194183A1 (en) * 2005-02-28 2006-08-31 Yigal Attali Method of model scaling for an automated essay scoring system
CN102298587A (zh) * 2010-06-24 2011-12-28 深圳市腾讯计算机系统有限公司 满意度调查方法及系统
CN102982153A (zh) * 2012-11-29 2013-03-20 北京亿赞普网络技术有限公司 一种信息检索方法及其装置
CN104462051A (zh) * 2013-09-12 2015-03-25 腾讯科技（深圳）有限公司 分词方法及装置
CN106021288A (zh) * 2016-04-27 2016-10-12 南京慕测信息科技有限公司 一种基于自然语言分析的随堂测试答案快速自动分类方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李学俊: "基于人工智能的主观题自动评分算法实现", 《江南大学学报》 *

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018161917A1 (zh) * 2017-03-07 2018-09-13 百度在线网络技术（北京）有限公司 智能评分方法及装置、计算机设备及计算机可读介质
CN107845047A (zh) * 2017-11-07 2018-03-27 语联网（武汉）信息技术有限公司 一种动态评分系统、方法以及计算机可读存储介质
CN107705231A (zh) * 2017-11-07 2018-02-16 语联网（武汉）信息技术有限公司 一种计算机辅助的阅卷方法、装置及计算机可读存储介质
CN107705231B (zh) * 2017-11-07 2021-08-20 语联网（武汉）信息技术有限公司 一种计算机辅助的阅卷方法、装置及计算机可读存储介质
CN107945596A (zh) * 2017-12-25 2018-04-20 成都福润得科技有限责任公司 一种便于灵活教学的交互式教学方法
CN109993387A (zh) * 2017-12-29 2019-07-09 Tcl集团股份有限公司 一种基于nlp的自动评分方法及装置、考试系统
CN108446277B (zh) * 2018-03-27 2021-08-17 北京大前科技有限责任公司 模拟学习的方法及装置
CN108446277A (zh) * 2018-03-27 2018-08-24 北京大前科技有限责任公司 模拟学习的方法及装置
CN109146432A (zh) * 2018-09-26 2019-01-04 北京城市网邻信息技术有限公司 针对于程序开发人员的面试方法、装置、设备及存储介质
CN109543177A (zh) * 2018-10-19 2019-03-29 中国平安人寿保险股份有限公司 消息数据处理方法、装置、计算机设备和存储介质
CN109543177B (zh) * 2018-10-19 2022-04-12 中国平安人寿保险股份有限公司 消息数据处理方法、装置、计算机设备和存储介质
CN110764662A (zh) * 2019-08-30 2020-02-07 北京字节跳动网络技术有限公司 信息处理方法、装置、电子设备及存储介质
CN111369151A (zh) * 2020-03-09 2020-07-03 北京红亚华宇科技有限公司 一种智能竞赛评分方法、系统及设备
CN112101005A (zh) * 2020-04-02 2020-12-18 上海迷因网络科技有限公司 一种快速表达力测试题目生成和动态调整方法
CN112101005B (zh) * 2020-04-02 2022-08-30 上海迷因网络科技有限公司 一种快速表达力测试题目生成和动态调整方法

Also Published As

Publication number Publication date
CN106940788B (zh) 2020-05-29
WO2018161917A1 (zh) 2018-09-13

Similar Documents

Publication Publication Date Title
CN106940788A (zh) 智能评分方法及装置、计算机设备及计算机可读介质
CN107193973A (zh) 语义解析信息的领域识别方法及装置、设备及可读介质
CN107832432A (zh) 一种搜索结果排序方法、装置、服务器和存储介质
CN107402913A (zh) 先行词的确定方法和装置
CN110096711A (zh) 序列全局关注和局部动态关注的自然语言语义匹配方法
CN110377916A (zh) 词预测方法、装置、计算机设备及存储介质
CN109766557A (zh) 一种情感分析方法、装置、存储介质及终端设备
CN109800413A (zh) 新闻事件的识别方法、装置、设备及可读存储介质
CN107766577A (zh) 一种舆情监测方法、装置、设备及存储介质
CN107766250A (zh) 广告样式的测试方法、装置、服务器和存储介质
CN105630801A (zh) 用于检测偏离用户的方法和装置
CN107808674A (zh) 一种测评语音的方法、介质、装置及电子设备
CN110032734B (zh) 近义词扩展及生成对抗网络模型训练方法和装置
CN107943940A (zh) 数据处理方法、介质、系统和电子设备
CN107145446A (zh) 一种应用程序app的测试方法、装置和介质
CN109710732A (zh) 信息查询方法、装置、存储介质和电子设备
CN103577557A (zh) 一种确定网络资源点的抓取频率的装置和方法
WO2021135322A1 (zh) 一种自动出题方法、装置及系统
CN116402166B (zh) 一种预测模型的训练方法、装置、电子设备及存储介质
CN108268443A (zh) 确定话题点转移以及获取回复文本的方法、装置
CN108268602A (zh) 分析文本话题点的方法、装置、设备和计算机存储介质
US20220215775A1 (en) Hardware software complex for language teaching with ad support
CN109684467A (zh) 一种文本的分类方法及装置
CN115525750A (zh) 机器人话术检测可视化方法、装置、电子设备及存储介质
CN114330339B (zh) 文本处理方法、计算机可读存储介质及计算机设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant