CN111191578A - 一种自动评分方法、装置、设备及存储介质 - Google Patents
一种自动评分方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111191578A CN111191578A CN201911377000.2A CN201911377000A CN111191578A CN 111191578 A CN111191578 A CN 111191578A CN 201911377000 A CN201911377000 A CN 201911377000A CN 111191578 A CN111191578 A CN 111191578A
- Authority
- CN
- China
- Prior art keywords
- evaluated
- formula
- cluster
- areas
- clustering
- 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
Links
- 238000013077 scoring method Methods 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 49
- 238000004458 analytical method Methods 0.000 claims abstract description 16
- 238000001514 detection method Methods 0.000 claims description 71
- 238000012545 processing Methods 0.000 claims description 28
- 230000014509 gene expression Effects 0.000 claims description 15
- 238000012216 screening Methods 0.000 claims description 13
- 238000012015 optical character recognition Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 16
- 238000004891 communication Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000003058 natural language processing Methods 0.000 description 5
- 238000012937 correction Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000004816 latex Substances 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011982 device technology Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
Images
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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Educational Technology (AREA)
- Strategic Management (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请提出一种自动评分方法、装置、设备及存储介质。其中方法包括：获取多个待评分区域的内容及位置；分析各个所述待评分区域的内容，根据分析结果确定所述多个待评分区域对应的算式数量信息；根据所述算式数量信息及各个所述待评分区域的位置，对所述待评分区域进行聚类处理，得到至少两个簇，每个簇包含至少一个所述待评分区域；分别将各个簇中待评分区域的内容进行组合，得到所述簇对应的算式；根据各个簇对应的算式及题目正确答案确定最终得分。本申请实施例能够提高评分准确率。
Description
技术领域
本申请涉及计算机设备技术领域，尤其涉及一种自动评分方法、装置、设备及存储介质。
背景技术
随着人工智能技术的发展，传统的由教师人工批改作业的工作将越来越多地被机器取代。目前，自动评分领域应用较多的是针对客观题(如选择、填空题)的批改；对于解答过程包含较多文字及算式的题目(例如数学应用题)，由于对答案中算式识别的准确率较低，导致目前自动评分方法的准确率不高。
发明内容
本申请实施例提供一种自动评分方法、装置、设备及存储介质，以解决相关技术存在的问题，技术方案如下：
第一方面，本申请实施例提供了一种自动评分方法，包括：
获取多个待评分区域的内容及位置；
分析各个待评分区域的内容，根据分析结果确定多个待评分区域对应的算式数量信息；
根据算式数量信息及各个待评分区域的位置，对待评分区域进行聚类处理，得到至少两个簇，每个簇包含至少一个待评分区域；
分别将各个簇中待评分区域的内容进行组合，得到簇对应的算式；
根据各个簇对应的算式及题目正确答案确定最终得分。
在一种实施方式中，算式数量信息为：算式的总数；
根据算式数量信息及各个待评分区域的位置，对待评分区域进行聚类处理，包括：根据算式的总数设置聚类中心数，利用聚类中心数及各个待评分区域的位置，对待评分区域进行第一聚类处理。
在一种实施方式中，算式数量信息为：至少两个算式种类、以及各个算式种类的算式个数；
根据算式数量信息及各个待评分区域的位置，对待评分区域进行聚类处理，包括：
根据算式种类及待评分区域的内容，将多个待评分区域划分为至少两个区域组合；每个区域组合对应一个算式种类，并包括属于算式种类的待评分区域；
针对各个区域组合分别进行第二聚类处理，第二聚类处理的方式为：根据区域组合对应的算式种类的算式个数设置第二聚类处理的聚类中心数；利用聚类中心数及区域组合包括的各个待评分区域的位置，对待评分区域进行第二聚类处理。
在一种实施方式中，获取多个待评分区域的内容及位置，包括：
对目标答案图片进行光学字符识别，得到多个答题区域的位置及各个答题区域中的字符信息；
将各个字符信息进行转换，得到各个答题区域的内容；
根据内容从多个答题区域中筛选多个待评分区域，获取多个待评分区域的内容及位置。
在一种实施方式中，将簇中待评分区域的内容进行组合，得到簇对应的算式，包括：
根据簇中各个待评分区域的位置，确定各个待评分区域的先后顺序；
按照先后顺序对待评分区域的内容进行组合，得到簇对应的算式。
在一种实施方式中，根据各个簇对应的算式及题目正确答案确定最终得分，包括：
判断各个簇对应的算式是否正确，得到判断结果；
提取判断结果正确的算式的第一得数；
分别将各个第一得数与题目正确答案进行匹配检测；
根据匹配检测的结果及判断结果确定最终得分。
在一种实施方式中，分别将各个簇中待评分区域的内容进行组合，得到簇对应的算式之后，还包括：分别根据各个簇中待评分区域的位置，确定簇对应的算式的位置；根据各个算式的位置，确定答题逻辑顺序；
提取判断结果正确的算式的第一得数，包括：根据答题逻辑顺序，提取判断结果正确、并且满足预设位置要求的算式的第一得数。
第二方面，本申请实施例提供了一种自动评分装置，包括：
获取模块，用于获取多个待评分区域的内容及位置；
分析模块，用于分析各个待评分区域的内容，根据分析结果确定多个待评分区域对应的算式数量信息；
聚类模块，用于根据算式数量信息及各个待评分区域的位置，对待评分区域进行聚类处理，得到至少两个簇，每个簇包含至少一个待评分区域；
组合模块，用于分别将各个簇中待评分区域的内容进行组合，得到簇对应的算式；
评分模块，用于根据各个簇对应的算式及题目正确答案确定最终得分。
在一种实施方式中，算式数量信息为：算式的总数；
聚类模块，用于根据算式的总数设置聚类处理的聚类中心数，利用聚类中心数及各个待评分区域的位置，对待评分区域进行第一聚类处理。
在一种实施方式中，算式数量信息为：至少两个算式种类、以及各个算式种类的算式个数；
聚类模块包括：
区域划分子模块，用于根据算式种类及待评分区域的内容，将多个待评分区域划分为至少两个区域组合；每个区域组合对应一个算式种类，并包括属于算式种类的待评分区域；
第二聚类处理子模块，用于针对各个区域组合分别进行第二聚类处理，第二聚类处理的方式为：根据区域组合对应的算式种类的算式个数设置第二聚类处理的聚类中心数；利用聚类中心数及区域组合包括的各个待评分区域的位置，对待评分区域进行第二聚类处理。
在一种实施方式中，获取模块包括：
识别子模块，用于对目标答案图片进行光学字符识别，得到多个答题区域的位置及各个答题区域中的字符信息；
转换子模块，用于将各个字符信息进行转换，得到各个答题区域的内容；
筛选子模块，用于根据内容从多个答题区域中筛选多个待评分区域，获取多个待评分区域的内容及位置。
在一种实施方式中，组合模块包括：
顺序确定子模块，用于根据簇中各个待评分区域的位置，确定各个待评分区域的先后顺序；
内容组合子模块，用于按照先后顺序对待评分区域的内容进行组合，得到簇对应的算式。
在一种实施方式中，评分模块包括：
判断子模块，用于判断各个簇对应的算式是否正确，得到判断结果；
提取子模块，用于提取判断结果正确的算式的第一得数；
匹配检测子模块，用于分别将各个第一得数与题目正确答案进行匹配检测；
得分确定子模块，用于根据匹配检测的结果及判断结果确定最终得分。
在一种实施方式中，评分模块还包括：答题逻辑确定子模块，用于分别根据各个簇中待评分区域的位置，确定簇对应的算式的位置；根据各个算式的位置，确定答题逻辑顺序；
提取子模块用于：根据答题逻辑顺序，提取判断结果正确、并且满足预设位置要求的算式的第一得数。
第三方面，本申请实施例提供了一种自动评分装置，该装置包括：存储器和处理器。其中，该该存储器和该处理器通过内部连接通路互相通信，该存储器用于存储指令，该处理器用于执行该存储器存储的指令，并且当该处理器执行该存储器存储的指令时，使得该处理器执行上述各方面任一种实施方式中的方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质存储计算机程序，当计算机程序在计算机上运行时，上述各方面任一种实施方式中的方法被执行。
上述技术方案中的优点或有益效果至少包括：本申请实施例利用对待评分区域内容的分析结果，确定答案中包含算式的数量信息；并根据算式的数量信息对待评分区域进行聚类处理，采用聚类处理的结果确定各个算式。这种方式能够减少运算量，提高效率，且能提高对答案中算式识别的准确率，从而提高评分的准确率。
上述概述仅仅是为了说明书的目的，并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外，通过参考附图和以下的详细描述，本申请进一步的方面、实施方式和特征将会是容易明白的。
附图说明
在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本申请公开的一些实施方式，而不应将其视为是对本申请范围的限制。
图1为本申请实施例的一种自动评分方法实现流程图；
图2为本申请实施例的一种自动评分方法中，步骤S101的实现流程图；
图3A为本申请实施例一个目标答案图片中的答题区域示意图；
图3B为本申请实施例对图3A进行筛选后得到的待评分区域示意图；
图3C为本申请实施例对图3B进行聚类处理后得到的簇的示意图；
图4为本申请实施例对待评分区域进行聚类处理的第一种实现方式示意图；
图5为本申请实施例对待评分区域进行聚类处理的第二种实现方式示意图；
图6为本申请实施例的一种自动评分方法中，步骤S104的实现流程图；
图7为本申请实施例的一种自动评分方法中，步骤S105的实现流程图；
图8为本申请实施例的一种自动评分装置结构示意图一；
图9为本申请实施例的一种自动评分装置结构示意图二；
图10为本申请实施例的一种自动评分设备结构示意图。
具体实施方式
在下文中，仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样，在不脱离本申请的精神或范围的情况下，可通过各种不同方式修改所描述的实施例。因此，附图和描述被认为本质上是示例性的而非限制性的。
本申请实施例提出一种自动评分方法，如图1为本申请实施例的一种自动评分方法实现流程图，包括：
步骤S101：获取多个待评分区域的内容及位置；
步骤S102：分析各个待评分区域的内容，根据分析结果确定多个待评分区域对应的算式数量信息；
步骤S103：根据算式数量信息及各个待评分区域的位置，对待评分区域进行聚类处理，得到至少两个簇，每个簇包含至少一个待评分区域；
步骤S104：分别将各个簇中待评分区域的内容进行组合，得到簇对应的算式；
步骤S105：根据各个簇对应的算式及题目正确答案确定最终得分。
本申请实施例提出的自动评分方法可以适用于答案中包括较多算式的题目类型，例如适用于小学数学中出现的应用题。上述算式可以包括口算、脱式、方程、不等式、估算、带余除法、单位换算、单位运算及代数式等。本申请实施例可以预先存储上述题目正确答案，或者在需要时从服务器提取题目正确答案。
题目正确答案可以包括最终答案得数，本申请一种实施例中，根据各个簇对应的算式及题目正确答案确定最终得分可以是：判断各个簇对应的算式是否正确，将正确算式的结果分别与最终答案得数进行匹配检测；如果检测成功，则说明学生答案中存在正确答案、并且该正确答案是由正确的算式推导出的，根据检测情况以及其他的相关情况，可以对学生答案进行打分。具体的打分方式将在后续实施例中详细介绍。
通过前述分析可见，本发明实施例在对学生答案进行打分时，利用对待评分区域内容的分析结果，确定算式数量信息，基于算式数量信息对待评分区域进行聚类处理，并针对每个簇，对簇中待评分区域的内容进行组合，得到簇对应的算式。这种方式能够减少运算量，提高效率，且能提高对答案中算式识别的准确率，提高评分准确度。
以下结合附图，介绍上述实施例中各个步骤的详细过程。
图2为本申请实施例的一种自动评分方法中，步骤S101的实现流程图，包括：
步骤S201：对目标答案图片进行光学字符识别，得到多个答题区域的位置及各个答题区域中的字符信息；
步骤S202：将各个字符信息进行转换，得到各个答题区域的内容；
步骤S203：根据内容从多个答题区域中筛选多个待评分区域，获取多个待评分区域的内容及位置。
上述目标答案图片可以指对学生答题内容进行拍照或扫描得到的图片。本申请实施例可以由终端设备对学生答题内容进行拍照或扫描，得到目标答案图片，将目标答案图片发送至服务器，由服务器执行本申请实施例的自动评分方法。或者，本申请实施例可以由终端或服务器单独执行拍照/扫描以及自动评分。前述终端设备可以为智能手机、平板电脑、台式电脑、可穿戴设备、扫描仪等计算机设备。前述服务器可以为一台服务器，也可以为多台服务器组成的服务器集群。
图2所示的过程可以划分为两个阶段。第一阶段包括步骤201，用于获取到多个答题区域；第二阶段包括步骤202和步骤S203，用于从答题区域中筛选出待评分区域。
在本申请实施例中，答题区域可以指学生在试卷或作业中有作答痕迹的区域；处于一个答题区域内的作答痕迹相对紧凑，不同答题区域的作答痕迹之间距离较远。在本申请实施例中，可以采用光学字符识别(OCR，Optical Character Recognition)技术对目标答案图片进行识别，识别出多个答题区域，每个答题区域对应一个检测框，每个检测框对应一个中心点坐标，该中心点坐标即为对应答题区域的位置。例如，如果一个检测框为矩形，则该检测框的中心点在目标答案图片中的坐标即为中心点坐标，该中心点坐标可以用于表示该检测框对应的答题区域的位置。图3A为本申请实施例一个目标答案图片中的答题区域示意图，在图3A中的9个矩形为检测框，每个检测框对应一个答题区域。为了后续描述方便，图3A中每个检测框的右上角标示出该检测框的编号。
通过采用OCR技术，可以识别出答题区域中的字符信息，也就是将作答痕迹这种图像信息转换成计算机能够识别的信息。在一种可能的实施方式中，可以采用拉泰赫(LaTeX)格式表示字符信息。以图3A所示的目标答案图片为例，经过OCR技术识别后，能够得到9个答题区域中的字符信息、以及各个答题区域的位置。其中，答题区域中的字符信息采用LaTeX格式表示。这里的答题区域的识别及录入顺序，可以支持按照学生作答顺序，同时也可以支持乱序，只需包含OCR识别之后答题区域的位置即可。在实际批改场景中，因为学生书写版面习惯的多样性，经OCR识别后，学生解答结果的顺序基本是乱序的；因此本申请实施例充分考虑了实际场景批改的可行性，具备很好的可行性与兼容性。
由于有些答题区域中的作答痕迹是无关信息(例如学生作答时涂改掉的作答痕迹，如图3A中检测框8对应的答题区域中的作答痕迹即为无关信息)，在评分时可以将无关信息删除，仅保留用于评分的信息。本申请实施例采用上述第二阶段对答题区域进行筛选，得到包含用于评分的信息的待评分区域。以图3A所示的目标答案图片为例，经过筛选后，从9个答题区域中筛选出8个作为待评分区域，即检测框1、2、3、4、5、6、7、9对应的区域为待评分区域；检测框8对应的答题区域中的作答痕迹属于无关信息，在后续的评分过程中不被考虑。图3B为本申请实施例对图3A进行筛选后得到的待评分区域示意图。需要说明的是，筛选之后，并不一定需要采用图3B所示的形式将各个待评分区域绘制出来，而是只需要记录各个待评分区域的内容及位置即可。
上述第二阶段包括步骤S202和步骤S203。其中，步骤S202中可以采用自然语言处理(NLP，Natural Language Processing)技术，对步骤S201中得到的字符信息进行转换，从而得到各个答题区域的内容，这里的“内容”可以包括文字及不同类型的算式。之后，在步骤S203中，可以采用正则匹配及公式解析等方式，从步骤S202得到的内容中识别出需要批改的内容，将这些需要批改的内容对应的答题区域筛选出来，作为待评分区域。
识别出待评分区域之后，本申请实施例采用上述步骤S102及步骤S103将待评分区域进行聚类操作，从而将对应一个算式的待评分区域聚合到一起，以便识别出各个算式。为了提高聚类操作的准确性以及减少聚类过程的运算量，本申请实施例首先采用步骤S102确定算式数量信息，之后在步骤S103中利用该算式数量信息设置聚类中心数，并对待评分区域进行聚类。
具体的，步骤S102中可以采用NLP技术对待评分区域的内容进行分析，根据分析结果确定出算式数量信息。其中，前述算式数量信息可以为以下两种形式：
第一种，算式数量信息包括算式的总数；
第二种，算式数量信息包括算式种类、以及各个算式种类的算式个数。
以图3B所示的多个待评分区域为例，采用NLP技术，可以识别出图3B的8个待评分区域中，存在3个包含算式起始内容的待评分区域(以下简称为起始待评分区域)；如图3B中的检测框1、检测框4、检测框7对应的待评分区域即为起始待评分区域。因此，可以确定图3B的8个待评分区域对应的算式总数为3。
进一步地，本申请实施例还可以识别出图3B的上述3个起始待评分区域分属于两个算式种类，即检测框1和检测框7对应的起始待评分区域属于方程，检测框4对应的起始待评分区域属于脱式；因此，可以确定出图3B的8个待评分区域对应的算式种类包括方程和脱式，其中属于方程的算式个数为2个，属于脱式的算式个数为1个。并且，图3B的8个待评分区域中，检测框1、检测框2、检测框3、检测框7和检测框9对应的待评分区域属于方程，检测框4、检测框5和检测框6对应的待评分区域属于脱式。
需要说明的是，上述确定算式数量信息的方式仅为一种可能的实施方式；本申请实施例可以利用NLP技术，从整体上分析多个待评分区域的内容，根据分析结果确定算式数量信息。
对应上述算式数量信息的两种形式，本申请实施例至少可以采用以下两种聚类方式。
(1)第一种聚类方式：
如图4所示，图4为本申请实施例对待评分区域进行聚类处理的第一种实现方式示意图，包括：
步骤S401：根据算式的总数设置聚类中心数；
步骤S402：利用聚类中心数及各个待评分区域的位置，对待评分区域进行第一聚类处理。
以图3B所示的待评分区域为例，由于已经确定出待评分区域对应的算式总数为3，因此将聚类中心数设置为3；即，将聚类中心数设置为等于待评分区域对应的算式总数。之后，利用各个待评分区域的位置(具体可以采用对应检测框的中心点坐标表示)，可以将待评分区域最终聚合为3个簇，每个簇包含至少一个待评分区域，每个簇对应一个算式。由于本申请实施例在聚类处理之前确定了聚类中心数，相比现有方法中随机设置聚类中心数的方式，本申请实施例能够减少聚类处理的运算量，并且提高聚类处理的准确度。
上述第一聚类处理可以采用聚类算法实现。例如，根据所确定的算式数量信息如算式数量为k，设置聚类中心数k，从多个待评分区域对应的位置(即待评分区域的中心点坐标)中随机选取k个位置作为初始聚类中心，分别计算剩余待评分区域与各个初始聚类中心的差异度，将剩余待评分区域归类到差异度最低的初始聚类中心对应的簇中，形成k个簇；具体地，在计算剩余待评分区域与各个初始聚类中心的差异度时，可以将待评分区域对应检测框的中心点坐标与各初始聚类中心之间的距离(如欧几里得距离)作为二者的差异度。归类之后，分别重新确定各个簇的中心位置，作为各个簇的新的聚类中心。重新确定各个簇的中心位置可以是计算簇中所有待评分区域对应的中心点坐标的算术平均数，将该算术平均数作为对应簇的新的聚类中心；还可以是将距离簇的中心位置最近的待评分区域对应的中心点坐标作为该簇的新的聚类中心，本发明实施例不做限定。确定出k个新的聚类中心后，采用新的聚类中心重新进行聚类。如此反复迭代，直至聚类结果不再变化为止，得到最终的k个簇。
图3C为本申请实施例对图3B进行聚类处理后得到的簇的示意图。在图3C中，三个虚线框对应三个簇。其中，簇A对应一个方程，簇A包含检测框1、检测框2和检测框3对应的三个待评分区域；簇B对应一个脱式，簇B包含检测框4、检测框5和检测框6对应的三个待评分区域；簇C对应一个方程，簇C包含检测框7和检测框9对应的两个待评分区域。
(2)第二种聚类方式：
如图5所示，图5为本申请实施例对待评分区域进行聚类处理的第二种实现方式示意图，包括：
步骤S501：根据算式种类及待评分区域的内容，将多个待评分区域划分为至少两个区域组合；每个区域组合对应一个算式种类，并包括属于算式种类的待评分区域；
步骤S502：针对各个区域组合分别进行第二聚类处理，第二聚类处理的方式为：根据区域组合对应的算式种类的算式个数设置第二聚类处理的聚类中心数；利用聚类中心数及区域组合包括的各个待评分区域的位置，对待评分区域进行第二聚类处理。
以图3B所示的待评分区域为例，前述过程已经确定出待评分区域对应的算式种类包括方程和脱式两种，其中方程类算式有2个，脱式类算式有1个；并且根据各个待评分区域的内容，已经确定出检测框1、检测框2、检测框3、检测框7和检测框9对应的待评分区域属于方程，检测框4、检测框5和检测框6对应的待评分区域属于脱式。因此，可以将多个待评分区域划分为2个区域组合(区域组合的数目与算式种类的数目相同)；其中检测框1、检测框2、检测框3、检测框7和检测框9对应的待评分区域属于一个区域组合(以下简称区域组合一)，检测框4、检测框5和检测框6对应的待评分区域属于另一个区域组合(以下简称区域组合二)。
之后，分别对区域组合一和区域组合二进行第二聚类处理。以区域组合一为例，根据属于方程的算式个数(图3B所示的实施例中，属于方程的算式个数为2)设置第二聚类处理的中心数；即，将区域组合一的聚类中心数设置为等于区域组合一对应算数种类的算数个数。之后，采用聚类算法进行针对区域组合一的第二聚类处理。处理之后，区域组合一被划分为两个簇，如图3C所示的簇A和簇C。针对区域组合二，采用与区域组合一相同的方式进行第二聚类处理，如图3C所示的簇B。
通过对区域组合一和区域组合二分别进行第二聚类处理，完成对整个待评分区域的划分。以图3B为例，划分结果与上述第一种聚类方式相同，即划分为如图3C所示的三个簇。
以上介绍了对待评分区域进行聚类处理的具体方式。聚类处理结束之后，多个待评分区域被划分为至少两个簇，每个簇对应一个算式，每个簇包含至少一个待评分区域。将各个簇中对应的待评分区域的内容进行组合，即可得到该簇对应的算式，即执行上述步骤S104。
图6为本申请实施例的一种自动评分方法中，步骤S104的实现流程图，包括：
步骤S601：根据簇中各个待评分区域的位置，确定各个待评分区域的先后顺序；
步骤S602：按照先后顺序对待评分区域的内容进行组合，得到簇对应的算式。
以图3C所示的簇A为例，在簇A中包括检测框1、2、3对应的三个待评分区域；根据三个待评分区域的位置(即对应检测框的中心点坐标)，可以确定出三个待评分区域的先后顺序为：检测框1对应的待评分区域——>检测框2对应的待评分区域——>检测框3对应的待评分区域。按照先后顺序对三个待评分区域的内容进行组合，可以得到簇A对应的方程。此处的方程是计算机设备能够理解的内容。
确定出各个簇对应的算式之后，可以进一步执行上述步骤105。具体地，可以分别判断各个算式是否正确，并根据判断结果及题目正确答案确定最终得分。
图7为本申请实施例的一种自动评分方法中，步骤S105的实现流程图，包括：
步骤S701：判断各个簇对应的算式是否正确，得到判断结果；
步骤S702：提取判断结果正确的算式的第一得数；
步骤S703：分别将各个第一得数与题目正确答案进行匹配检测；
步骤S704：根据匹配检测的结果及判断结果确定最终得分。
在一种实施方式中，题目正确答案包括最终答案得数；本申请实施例可以预先存储题目的最终答案得数；在自动评分过程中，提取预先存储的最终答案得数，将结果正确的算式的第一得数分别与最终答案得数进行匹配检测。其中，匹配的标准可以设置为第一得数与最终答案得数的实质内容相同、允许在形式上存在一定差异。例如，0.5和1/2是属于能够匹配成功的答案；“0.98L<1.25L”、“0.98升<1.25升”及“0.98L<1250ml”属于能够匹配成功的答案。
以图3C所示的簇为例，采用图3C的3个簇生成3个算式；为方便描述，以下将簇A、簇B、簇C生成的算式分别记为算式一、算式二、算式三。
在评分时采用以下两个标准：
第一，各个算式本身是否正确；此处的判断依据为数学算式的计算逻辑。
以上述3个算式为例，最终的判断结果是3个算式结果均正确。
第二，结果正确的算式的第一得数中是否存在与最终答案得数匹配成功的算式。
以上述3个算式为例，3个算式的结果均正确。因此，提取出3个算式的第一得数，分别为“x＝2”、“20”和“y＝10”。假定预先存储的最终答案得数为“10”，分别将前述3个第一得数与最终答案得数进行匹配检测；匹配检测的结果是：算式三的第一得数(即“y＝10”)与最终答案得数匹配成功。
根据上述两个标准确定最终得分。例如，如果各个算式均正确，并且在正确算式的第一得数中存在与最终答案得数匹配成功的算式，则可以认为答案正确，给出满分。评分标准可以根据实际情况具体设定，本申请实施例对此不做限制。
多数情况下，最后一个算式的答案是整个题目的最终答案。鉴于此，本申请实施例在评分时还可以将答题逻辑顺序也作为考量依据。例如，在分别将各个簇中待评分区域的内容进行组合，得到簇对应的算式之后，本申请实施例还可以包括：分别根据各个簇中待评分区域的位置，确定簇对应的算式的位置；根据各个算式的位置，确定答题逻辑顺序；
相应地，上述步骤S702可以具体为：根据答题逻辑顺序，提取判断结果正确、并且满足预设位置要求的算式的第一得数。
以图3C所示的簇A生成的算式一为例，根据簇A包括的3个待评分区域对应的检测框，可以确定出一个能够包含3个检测框的最小矩形，将该矩形的中心点坐标作为算式一的位置。采用同样的方式确定算式二和算式三的位置。
根据各个算式的位置，可以确定出答题逻辑顺序为：算式一——>算式二——>算式三。之后在选取第一得数时，可以将结果正确、并且在答题逻辑顺序中最后一位的算式(如算式三)的得数作为第一得数。或者，根据各个算式的位置及种类，可以确定出答题逻辑顺序为：答案包括方程和脱式，其中方程类算式的答题逻辑顺序为：算式一——>算式三；脱式类算式的答题逻辑顺序为仅包含算数二。之后在选取第一得数时，可以将结果正确、并且在答题逻辑顺序中各算式种类的最后一位的算式(如算式二和算式三)的得数作为第一得数。
由上述实施例可见，本申请实施例可以不依赖于完整的步骤参考答案，仅需最终答案得数即可，因此降低了答案录入的工作量，能够节约人力及时间成本。并且，由于学生的作答方式及思路是丰富多样的，存在跳步、多种解题思路等情况，本申请实施例采取这种不完全匹配的方式进行评分，能够提高评分的准确率。
本申请实施例还提出一种自动评分装置，图8为本申请实施例的一种自动评分装置结构示意图一，包括：
获取模块810，用于获取多个待评分区域的内容及位置；
分析模块820，用于分析各个待评分区域的内容，根据分析结果确定多个待评分区域对应的算式数量信息；
聚类模块830，用于根据算式数量信息及各个待评分区域的位置，对待评分区域进行聚类处理，得到至少两个簇，每个簇包含至少一个待评分区域；
组合模块840，用于分别将各个簇中待评分区域的内容进行组合，得到簇对应的算式；
评分模块850，用于根据各个簇对应的算式及题目正确答案确定最终得分。
在一种可能的实施方式中，算式数量信息为：算式的总数；
聚类模块830，用于根据算式的总数设置聚类中心数，利用聚类中心数及各个待评分区域的位置，对待评分区域进行第一聚类处理。
在一种可能的实施方式中，算式数量信息为：至少两个算式种类、以及各个算式种类的算式个数；
图9为本申请实施例的一种自动评分装置结构示意图二，如图9所示，聚类模块830包括：
区域划分子模块831，用于根据算式种类及待评分区域的内容，将多个待评分区域划分为至少两个区域组合；每个区域组合对应一个算式种类，并包括属于算式种类的待评分区域；
第二聚类处理子模块832，用于针对各个区域组合分别进行第二聚类处理，第二聚类处理的方式为：根据区域组合对应的算式种类的算式个数设置第二聚类处理的聚类中心数；利用聚类中心数及区域组合包括的各个待评分区域的位置，对待评分区域进行第二聚类处理。
如图9所示，获取模810可以块包括：
识别子模块811，用于对目标答案图片进行光学字符识别，得到多个答题区域的位置及各个答题区域中的字符信息；
转换子模块812，用于将各个字符信息进行转换，得到各个答题区域的内容；
筛选子模块813，用于根据内容从多个答题区域中筛选多个待评分区域，获取多个待评分区域的内容及位置。
如图9所示，组合模块840可以包括：
顺序确定子模块841，用于根据簇中各个待评分区域的位置，确定各个待评分区域的先后顺序；
内容组合子模块842，用于按照先后顺序对待评分区域的内容进行组合，得到簇对应的算式。
如图9所示，评分模块850可以包括：
判断子模块851，用于判断各个簇对应的算式是否正确，得到判断结果；
提取子模块852，用于提取判断结果正确的算式的第一得数；
匹配检测子模块853，用于分别对各个第一得数与题目正确答案进行匹配检测；
得分确定子模块854，用于根据匹配检测的结果及判断结果确定最终得分。
如图9所示，评分模块850还可以包括：
答题逻辑确定子模块855，用于分别根据各个簇中待评分区域的位置，确定簇对应的算式的位置；根据各个算式的位置，确定答题逻辑顺序；
上述提取子模块852可以用于：根据答题逻辑顺序，提取判断结果正确、并且满足预设位置要求的算式的第一得数。
本发明实施例各装置中的各模块的功能可以参见上述方法中的对应描述，在此不再赘述。
图10为本申请实施例的一种自动评分设备结构示意图，包括：存储器1010和处理器1020，存储器1010内存储有可在处理器1020上运行的计算机程序。处理器1020执行该计算机程序时实现上述实施例中的自动评分方法。存储器1010和处理器1020的数量可以为一个或多个。
该自动评分设备还包括：
通信接口1030，用于与外界设备进行通信，进行数据交互传输。
如果存储器1010、处理器1020和通信接口1030独立实现，则存储器1010、处理器1020和通信接口1030可以通过总线相互连接并完成相互间的通信。该总线可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外部设备互连(PeripheralComponent Interconnect，PCI)总线或扩展工业标准体系结构(Extended IndustryStandard Architecture，EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示，图10中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
可选的，在具体实现上，如果存储器1010、处理器1020及通信接口1030集成在一块芯片上，则存储器1010、处理器1020及通信接口1030可以通过内部接口完成相互间的通信。
本发明实施例提供了一种计算机可读存储介质，其存储有计算机程序，该程序被处理器执行时实现本申请实施例中提供的方法。
本申请实施例还提供了一种芯片，该芯片包括，包括处理器，用于从存储器中调用并运行存储器中存储的指令，使得安装有芯片的通信设备执行本申请实施例提供的方法。
本申请实施例还提供了一种芯片，包括：输入接口、输出接口、处理器和存储器，输入接口、输出接口、处理器以及存储器之间通过内部连接通路相连，处理器用于执行存储器中的代码，当代码被执行时，处理器用于执行申请实施例提供的方法。
应理解的是，上述处理器可以是中央处理器(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(digital signal processing，DSP)、专用集成电路(application specific integrated circuit，ASIC)、现场可编程门阵列(fieldprogrammablegate array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者是任何常规的处理器等。值得说明的是，处理器可以是支持进阶精简指令集机器(advanced RISC machines，ARM)架构的处理器。
进一步地，可选的，上述存储器可以包括只读存储器和随机存取存储器，还可以包括非易失性随机存取存储器。该存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以包括只读存储器(read-onlymemory，ROM)、可编程只读存储器(programmable ROM，PROM)、可擦除可编程只读存储器(erasable PROM，EPROM)、电可擦除可编程只读存储器(electrically EPROM，EEPROM)或闪存。易失性存储器可以包括随机存取存储器(random access memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用。例如，静态随机存取存储器(static RAM，SRAM)、动态随机存取存储器(dynamic random access memory，DRAM)、同步动态随机存取存储器(synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(double data date SDRAM，DDR SDRAM)、增强型同步动态随机存取存储器(enhancedSDRAM，ESDRAM)、同步连接动态随机存取存储器(synchlink DRAM，SLDRAM)和直接内存总线随机存取存储器(direct rambus RAM，DR RAM)。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本申请的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包括于本申请的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分。并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。
应理解的是，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。上述实施例方法的全部或部分步骤是可以通过程序来指令相关的硬件完成，该程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，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模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。上述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读存储介质中。该存储介质可以是只读存储器，磁盘或光盘等。
以上，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到其各种变化或替换，这些都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (16)
1.一种自动评分方法，其特征在于，包括：
获取多个待评分区域的内容及位置；
分析各个所述待评分区域的内容，根据分析结果确定所述多个待评分区域对应的算式数量信息；
根据所述算式数量信息及各个所述待评分区域的位置，对所述待评分区域进行聚类处理，得到至少两个簇，每个簇包含至少一个所述待评分区域；
分别将各个簇中待评分区域的内容进行组合，得到所述簇对应的算式；
根据各个簇对应的算式及题目正确答案确定最终得分。
2.根据权利要求1所述的方法，其特征在于，所述算式数量信息为：算式的总数；
所述根据所述算式数量信息及各个所述待评分区域的位置，对所述待评分区域进行聚类处理，包括：根据所述算式的总数设置聚类中心数，利用所述聚类中心数及各个所述待评分区域的位置，对所述待评分区域进行第一聚类处理。
3.根据权利要求1所述的方法，其特征在于，所述算式数量信息为：至少两个算式种类、以及各个所述算式种类的算式个数；
所述根据所述算式数量信息及各个所述待评分区域的位置，对所述待评分区域进行聚类处理，包括：
根据所述算式种类及所述待评分区域的内容，将多个待评分区域划分为至少两个区域组合；每个所述区域组合对应一个所述算式种类，并包括属于所述算式种类的待评分区域；
针对各个所述区域组合分别进行第二聚类处理，所述第二聚类处理的方式为：根据所述区域组合对应的算式种类的算式个数设置所述第二聚类处理的聚类中心数；利用所述聚类中心数及所述区域组合包括的各个待评分区域的位置，对所述待评分区域进行第二聚类处理。
4.根据权利要求1至3任一所述的方法，其特征在于，所述获取多个待评分区域的内容及位置，包括：
对目标答案图片进行光学字符识别，得到多个答题区域的位置及各个所述答题区域中的字符信息；
将各个所述字符信息进行转换，得到各个答题区域的内容；
根据所述内容从所述多个答题区域中筛选多个待评分区域，获取所述多个待评分区域的内容及位置。
5.根据权利要求1至3任一所述的方法，其特征在于，将簇中待评分区域的内容进行组合，得到所述簇对应的算式，包括：
根据所述簇中各个待评分区域的位置，确定所述各个待评分区域的先后顺序；
按照所述先后顺序对待评分区域的内容进行组合，得到所述簇对应的算式。
6.根据权利要求1至3任一所述的方法，其特征在于，所述根据各个簇对应的算式及题目正确答案确定最终得分，包括：
判断各个簇对应的算式是否正确，得到判断结果；
提取判断结果正确的算式的第一得数；
分别将各个所述第一得数与所述题目正确答案进行匹配检测；
根据匹配检测的结果及所述判断结果确定最终得分。
7.根据权利要求6所述的方法，其特征在于，所述分别将各个簇中待评分区域的内容进行组合，得到所述簇对应的算式之后，还包括：分别根据各个簇中待评分区域的位置，确定所述簇对应的算式的位置；根据各个算式的位置，确定答题逻辑顺序；
所述提取判断结果正确的算式的第一得数，包括：根据所述答题逻辑顺序，提取判断结果正确、并且满足预设位置要求的算式的第一得数。
8.一种自动评分装置，其特征在于，包括：
获取模块，用于获取多个待评分区域的内容及位置；
分析模块，用于分析各个所述待评分区域的内容，根据分析结果确定所述多个待评分区域对应的算式数量信息；
聚类模块，用于根据所述算式数量信息及各个所述待评分区域的位置，对所述待评分区域进行聚类处理，得到至少两个簇，每个簇包含至少一个所述待评分区域；
组合模块，用于分别将各个簇中待评分区域的内容进行组合，得到所述簇对应的算式；
评分模块，用于根据各个簇对应的算式及题目正确答案确定最终得分。
9.根据权利要求8所述的装置，其特征在于，所述算式数量信息为：算式的总数；
所述聚类模块，用于根据所述算式的总数设置聚类中心数，利用所述聚类中心数及各个所述待评分区域的位置，对所述待评分区域进行第一聚类处理。
10.根据权利要求8所述的装置，其特征在于，所述算式数量信息为：至少两个算式种类、以及各个所述算式种类的算式个数；
所述聚类模块包括：
区域划分子模块，用于根据所述算式种类及所述待评分区域的内容，将多个待评分区域划分为至少两个区域组合；每个所述区域组合对应一个所述算式种类，并包括属于所述算式种类的待评分区域；
第二聚类处理子模块，用于针对各个所述区域组合分别进行第二聚类处理，所述第二聚类处理的方式为：根据所述区域组合对应的算式种类的算式个数设置所述第二聚类处理的聚类中心数；利用所述聚类中心数及所述区域组合包括的各个待评分区域的位置，对所述待评分区域进行第二聚类处理。
11.根据权利要求8至10任一所述的装置，其特征在于，所述获取模块包括：
识别子模块，用于对目标答案图片进行光学字符识别，得到多个答题区域的位置及各个所述答题区域中的字符信息；
转换子模块，用于将各个所述字符信息进行转换，得到各个答题区域的内容；
筛选子模块，用于根据所述内容从所述多个答题区域中筛选多个待评分区域，获取所述多个待评分区域的内容及位置。
12.根据权利要求8至10任一所述的装置，其特征在于，所述组合模块包括：
顺序确定子模块，用于根据所述簇中各个待评分区域的位置，确定所述各个待评分区域的先后顺序；
内容组合子模块，用于按照所述先后顺序对待评分区域的内容进行组合，得到所述簇对应的算式。
13.根据权利要求8至10任一所述的装置，其特征在于，所述评分模块包括：
判断子模块，用于判断各个簇对应的算式是否正确，得到判断结果；
提取子模块，用于提取判断结果正确的算式的第一得数；
匹配检测子模块，用于分别对各个所述第一得数与所述题目正确答案进行匹配检测；
得分确定子模块，用于根据匹配检测的结果及所述判断结果确定最终得分。
14.根据权利要求13所述的装置，其特征在于，所述评分模块还包括：答题逻辑确定子模块，用于分别根据各个簇中待评分区域的位置，确定所述簇对应的算式的位置；根据各个算式的位置，确定答题逻辑顺序；
所述提取子模块用于：根据所述答题逻辑顺序，提取判断结果正确、并且满足预设位置要求的算式的第一得数。
15.一种自动评分设备，其特征在于，包括：包括处理器和存储器，所述存储器中存储指令，所述指令由处理器加载并执行，以实现如权利要求1至7任一项所述的方法。
16.一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911377000.2A CN111191578B (zh) | 2019-12-27 | 2019-12-27 | 一种自动评分方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911377000.2A CN111191578B (zh) | 2019-12-27 | 2019-12-27 | 一种自动评分方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111191578A true CN111191578A (zh) | 2020-05-22 |
| CN111191578B CN111191578B (zh) | 2021-04-20 |
Family
ID=70709496
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911377000.2A Active CN111191578B (zh) | 2019-12-27 | 2019-12-27 | 一种自动评分方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111191578B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1790332A (zh) * | 2005-12-28 | 2006-06-21 | 刘文印 | 一种问题答案的阅读浏览显示方法及其系统 |
| US20090282009A1 (en) * | 2008-05-09 | 2009-11-12 | Tags Ltd | System, method, and program product for automated grading |
| US20160171902A1 (en) * | 2014-12-12 | 2016-06-16 | William Marsh Rice University | Mathematical Language Processing: Automatic Grading and Feedback for Open Response Mathematical Questions |
| CN107909066A (zh) * | 2017-11-06 | 2018-04-13 | 泉州市雄蓝教育科技有限公司 | 一种移动终端系统的自动阅卡评分方法 |
| CN107967318A (zh) * | 2017-11-23 | 2018-04-27 | 北京师范大学 | 一种采用lstm神经网络的中文短文本主观题自动评分方法和系统 |
| CN110189000A (zh) * | 2019-05-16 | 2019-08-30 | 北京字节跳动网络技术有限公司 | 一种评分统一方法、装置及存储介质 |
| CN110348400A (zh) * | 2019-07-15 | 2019-10-18 | 京东方科技集团股份有限公司 | 一种评分获取方法、装置及电子设备 |
-
2019
- 2019-12-27 CN CN201911377000.2A patent/CN111191578B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1790332A (zh) * | 2005-12-28 | 2006-06-21 | 刘文印 | 一种问题答案的阅读浏览显示方法及其系统 |
| US20090282009A1 (en) * | 2008-05-09 | 2009-11-12 | Tags Ltd | System, method, and program product for automated grading |
| US20160171902A1 (en) * | 2014-12-12 | 2016-06-16 | William Marsh Rice University | Mathematical Language Processing: Automatic Grading and Feedback for Open Response Mathematical Questions |
| CN107909066A (zh) * | 2017-11-06 | 2018-04-13 | 泉州市雄蓝教育科技有限公司 | 一种移动终端系统的自动阅卡评分方法 |
| CN107967318A (zh) * | 2017-11-23 | 2018-04-27 | 北京师范大学 | 一种采用lstm神经网络的中文短文本主观题自动评分方法和系统 |
| CN110189000A (zh) * | 2019-05-16 | 2019-08-30 | 北京字节跳动网络技术有限公司 | 一种评分统一方法、装置及存储介质 |
| CN110348400A (zh) * | 2019-07-15 | 2019-10-18 | 京东方科技集团股份有限公司 | 一种评分获取方法、装置及电子设备 |
Non-Patent Citations (3)
| Title |
|---|
| ANDREW S. LAN 等: "Mathematical Language Processing:Automatic Grading and Feedback for Open Response Mathematical Questions", 《PROCEEDINGS OF THE SECOND (2015) ACM CONFERENCE ON LEARNING》 * |
| GURSIMRAN SINGH 等: "Question Independent Grading using Machine Learning:The Case of Computer Program Grading", 《PROCEEDINGS OF THE 22ND ACM SIGKDD INTERNATIONAL CONFERENCE ON KNOWLEDGE DISCOVERY AND DATA MINING》 * |
| 许添舒: "小学生在解决开放性问题中的创造性思维分析", 《中国优秀硕士学位论文全文数据库 (社会科学Ⅱ辑)》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111191578B (zh) | 2021-04-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102106462B1 (ko) | 가중치 기반의 유사 문제 필터링 방법 | |
| CN109344831B (zh) | 一种数据表识别方法、装置及终端设备 | |
| CN112990180B (zh) | 判题方法、装置、设备及存储介质 | |
| US9286526B1 (en) | Cohort-based learning from user edits | |
| CN111931730B (zh) | 判题方法、装置、电子设备及存储介质 | |
| CN111522970A (zh) | 习题推荐方法、装置、设备及存储介质 | |
| US20150278619A1 (en) | Method and system for verification by reading | |
| CN111813998A (zh) | 一种视频数据处理方法、装置、设备及存储介质 | |
| JP2018194919A (ja) | 学習プログラム、学習方法及び学習装置 | |
| CN113688273B (zh) | 面向图形类题目的作答及判定方法和装置 | |
| CN111652141A (zh) | 基于题号和文本行的题目分割方法、装置、设备和介质 | |
| CN112949649B (zh) | 一种文本图像的识别方法、装置及计算设备 | |
| CN112396047B (zh) | 训练样本生成方法、装置、计算机设备和存储介质 | |
| CN111191578B (zh) | 一种自动评分方法、装置、设备及存储介质 | |
| CN113673294A (zh) | 文献关键信息的提取方法、装置、计算机设备和存储介质 | |
| CN116860747A (zh) | 训练样本的生成方法、装置、电子设备及存储介质 | |
| CN109190615A (zh) | 形近字识别判定方法、装置、计算机设备和存储介质 | |
| WO2023024898A1 (zh) | 题目辅助方法、题目辅助装置和题目辅助系统 | |
| CN110569401A (zh) | 阅卷方法、装置、计算机设备和存储介质 | |
| CN111832550B (zh) | 数据集制作方法、装置、电子设备及存储介质 | |
| CN113486171B (zh) | 一种图像处理方法及装置、电子设备 | |
| CN114996510A (zh) | 教学视频分段及信息点提取方法、装置、电子设备和介质 | |
| CN112183253A (zh) | 数据处理方法、装置、电子设备及计算机可读存储介质 | |
| CN111090989A (zh) | 一种基于文字识别的提示方法及电子设备 | |
| CN111582281A (zh) | 一种图片显示优化的方法、装置、电子设备和存储介质 |
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 |