CN117709330A - 结合写作要求的作文评分方法及相关设备 - Google Patents
结合写作要求的作文评分方法及相关设备 Download PDFInfo
- Publication number
- CN117709330A CN117709330A CN202410027977.6A CN202410027977A CN117709330A CN 117709330 A CN117709330 A CN 117709330A CN 202410027977 A CN202410027977 A CN 202410027977A CN 117709330 A CN117709330 A CN 117709330A
- Authority
- CN
- China
- Prior art keywords
- composition
- scoring
- scored
- score
- school
- 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.)
- Pending
Links
- 239000000203 mixture Substances 0.000 title claims abstract description 382
- 238000013077 scoring method Methods 0.000 title claims abstract description 15
- 238000000034 method Methods 0.000 claims description 29
- 238000012549 training Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 6
- 238000011161 development Methods 0.000 claims description 4
- 230000008451 emotion Effects 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000006399 behavior Effects 0.000 claims description 3
- 230000003750 conditioning effect Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 3
- 238000013145 classification model Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000001072 colon Anatomy 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例公开了结合写作要求的作文评分方法及相关设备,通过利用不同学段、不同体裁的作文的评分标准对预设的第一模型进行训练,并将待评分作文的目标学段、目标体裁输入至训练后的第一模型中,使训练后的第一模型能够针对待评分作文的学段和体裁进行打分,获得待评分作文的第一作文分值;并对待评分作文的写作要求进行解析,获得待评分作文的内容要求;将待评分作文和内容要求输入至预设的大语言模型中,预设的大语言模型对待评分作文的内容进行打分,获得待评分作文的第二作文分值;根据第一作文分值、第二作文分值和预设的第三评分权重规则获得待评分作文的实际分值。
Description
【技术领域】
本发明涉及自动化评分技术领域,尤其涉及结合写作要求的作文评分方法及相关设备。
【背景技术】
近年来,随着自然语言处理技术的逐渐成熟,大语言模型在各个领域渗透,作文批改自动批改技术也在日益成熟。一般来说,实现作文评分的方法会先围绕专家知识建立一套评分标准,评分标准一般包括多个评分维度,如内容、结构、主题、中心等,然后会基于文章标题和文章内容对评分标准中的每一个评价维度进行评分,然后按照一定的比重结合打出总分。但这种评分标准无法适用于不同年级、不同考试要求作文的评判,仅能根据专家建立的评分标准进统一标准的打分,因此利用当前的打分标准对作文进行打分后所获得的总分准确性较差。
【发明内容】
有鉴于此,本发明提供结合写作要求的作文评分方法及相关设备,以获得较为准确的作文分值。
本发明第一实施例的具体技术方案为:一种结合写作要求的作文评分方法,所述方法包括:根据作文的学段和体裁构建第一作文评分标准集;所述第一作文评分标准集中包括不同学段、不同体裁的作文的评分标准;利用所述第一作文评分标准集对预设的第一模型进行训练,获得训练后的第一模型;获取待评分作文的目标学段和目标体裁;将所述待评分作文、所述目标学段和目标体裁输入至所述训练后的第一模型,所述训练后的第一模型对所述待评分作文进行打分,获得所述待评分作文的第一作文分值;所述方法还包括:对所述待评分作文的写作要求进行解析,获得所述待评分作文的内容要求;将所述待评分作文和所述内容要求输入至预设的大语言模型中,所述预设的大语言模型对所述待评分作文的内容进行打分,获得所述待评分作文的第二作文分值;根据所述第一作文分值、所述第二作文分值和预设的第三评分权重规则获得所述待评分作文的实际分值;所述预设的第三权重规则包括所述第一作文分值的权重系数和所述第二作文分值的权重系数。
优选的,当所述学段为小学时,小学学段的评分标准包括一级小学评分标准和二级小学评分标准;其中,一级小学评分标准为对作文的内容、表达、结构和行为规范进行评分;二级小学评分标准为对作文是否切合题意、中心明确、内容充实、情感表达、语句通顺、描述生动、段落分明、调理清楚、书写无误和标点正确进行评分;当所述学段为初中时,初中学段的评分标准包括一级初中评分标准和二级初中评分标准;其中,一级初中评分标准为对作文的内容、表达、结构和发展进行评分;二级初中评分标准为对作文是否切合题意、中心明确、内容具体、思想健康、语言流畅、文体规范、段落分明、条理清晰、寓意深刻和文采斐然进行评分;所述不同体裁的作文的评分标准包括记叙文的评分标准、说明文的评分标准、应用文的评分标准和议论文的评分标准。
优选的,当所述待评分作文的目标学段为小学时,根据一级小学评分标准的评分、二级小学评分标准的评分和预设的第一评分权重规则获得所述待评分作文的第一作文评分;所述第一评分权重规则包括一级小学评分标准的评分的权重系数和二级小学评分标准的评分的权重系数;当所述待评分作文的目标学段为初中时,根据一级初中评分标准的评分、二级初中评分标准的评分和预设的第二评分权重规则获得所述待评分作文的第一作文评分;所述第二评分权重规则包括一级初中评分标准的评分的权重系数和二级初中评分标准的评分的权重系数。
优选的,所述方法还包括:对所述待评分作文的写作要求进行解析,获得所述待评分作文的字数要求;根据所述待评分作文的总字数与所述待评分作文的字数要求相除获得字数百分比;所述字数百分比为所述待评分作文的总字数与所述待评分作文的字数要求相除的数值;根据所述字数百分比和预设字数打分规则对所述待评分作文进行评分,获得所述待评分作文的第三作文分值;所述预设字数打分规则包括不同的字数百分比与不同的第三作文分值的对应关系;根据所述第一作文分值、所述第三作文分值和预设的第四评分权重规则获得所述待评分作文的实际分值;所述预设的第四权重规则包括所述第一作文分值的权重系数和所述第三作文分值的权重系数。
优选的,所述方法还包括:对所述待评分作文的写作要求进行解析,获得所述待评分作文的格式要求;根据预设的格式检测规则和所述格式要求,获取所述格式要求对应的目标行和关键字;所述预设的格式检测规则包括不同的格式要求对应的不同的目标行和不同的关键字;判断所述待评分作文的目标行中是否包含所述关键字;若所述待评分作文中包含所述关键字,则输出所述待评分作文的第四作文分值;根据所述第一作文分值、所述第四作文分值和预设的第五评分权重规则获得所述待评分作文的实际分值;所述预设的第五权重规则包括所述第一作文分值的权重系数和所述第四作文分值的权重系数。
优选的,当所述格式要求为日记格式时,根据所述关键字和预设的日记排版规则对所述关键字进行排版,获得日记格式的关键字;则所述判断所述待评分作文的目标行中是否包含所述关键字,包括:判断所述待评分作文的目标行中是否包含所述日记格式的关键字;所述若所述待评分作文中包含所述关键字,则输出所述待评分作文的第四作文分值,包括:若所述待评分作文中包含所述日记格式的关键字,则输出所述待评分作文的第四作文分值。
本发明第二实施例的具体技术方案为:一种结合写作要求的作文评分系统,所述系统包括:评分标准集构建模块、训练模块、评分目标获取模块和分数输出模块;所述评分标准集构建模块用于根据作文的学段和体裁构建第一作文评分标准集;所述第一作文评分标准集中包括不同学段、不同体裁的作文的评分标准;所述训练模块用于利用所述第一作文评分标准集对预设的第一模型进行训练,获得训练后的第一模型;所述评分目标获取模块用于获取待评分作文的目标学段和目标体裁;所述分数输出模块用于将所述待评分作文、所述目标学段和目标体裁输入至所述训练后的第一模型,所述训练后的第一模型对所述待评分作文进行打分,获得所述待评分作文的第一作文分值;所述解析模块用于对所述待评分作文的写作要求进行解析,获得所述待评分作文的内容要求;所述分数输出模块还用于将所述待评分作文和所述内容要求输入至预设的大语言模型中,所述预设的大语言模型对所述待评分作文的内容进行打分,获得所述待评分作文的第二作文分值;根据所述第一作文分值、所述第二作文分值和预设的第三评分权重规则获得所述待评分作文的实际分值;所述预设的第三权重规则包括所述第一作文分值的权重系数和所述第二作文分值的权重系数。
本发明第三实施例的具体技术方案为:一种结合写作要求的作文评分设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如本申请第一实施例中任一项所述方法的步骤。
本发明第四实施例的具体技术方案为:一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如本申请第一实施例中任一项所述方法的步骤。
实施本发明实施例,将具有如下有益效果:
本发明根据作文的学段和体裁构建第一作文评分标准集;第一作文评分标准集中包括不同学段、不同体裁的作文的评分标准;利用第一作文评分标准集对预设的第一模型进行训练,获得训练后的第一模型;获取待评分作文的目标学段和目标体裁;将待评分作文、目标学段和目标体裁输入至训练后的第一模型,训练后的第一模型对待评分作文进行打分,获得待评分作文的第一作文分值。
通过利用不同学段、不同体裁的作文的评分标准对预设的第一模型进行训练,并将待评分作文的目标学段、目标体裁输入至训练后的第一模型中,使训练后的第一模型能够针对待评分作文的学段和体裁进行打分,以获得较为准确的作文分值。通过使用大语言模型对待评分作文的内容要求进行识别并打分,使所获得的第二作文分值更贴切作文的写作要求。
【附图说明】
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为结合写作要求的作文评分方法的步骤流程图;
图2为根据字数要求进行打分的步骤流程图;
图3为根据格式要求进行打分的步骤流程图;
图4为根据日记格式进行打分的步骤流程图;
图5为作文的评分系统的结构图;
其中,501、评分标准集构建模块;502、训练模块;503、评分目标获取模块;504、分数输出模块。
【具体实施方式】
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
请参阅图1,为本申请第一实施例中一种结合写作要求的作文评分方法的步骤流程图,以获得较为准确的作文分值,方法包括:
步骤101、根据作文的学段和体裁构建第一作文评分标准集;所述第一作文评分标准集中包括不同学段、不同体裁的作文的评分标准;
步骤102、利用所述第一作文评分标准集对预设的第一模型进行训练,获得训练后的第一模型;
步骤103、获取待评分作文的目标学段和目标体裁;
步骤104、将所述待评分作文、所述目标学段和目标体裁输入至所述训练后的第一模型,所述训练后的第一模型对所述待评分作文进行打分,获得所述待评分作文的第一作文分值。
具体的,根据学段和体裁构建不同作文的评分标准,构建第一作文评分标准集,第一作文评分标准集包括小学记叙文(状物)的评分标准、小学记叙文(写人)的评分标准、小学记叙文(写事)的评分标准、小学记叙文(写景)的评分标准、小学记叙文(想象)的评分标准、小学说明文的评分标准、小学应用文(日记)的评分标准、小学应用文(读后感)的评分标准、小学应用文(书信)的评分标准、小学应用文(其他)的评分标准、初中记叙文的评分标准和初中议论文的评分标准;利用第一作文评分标准集对预设的第一模型进行训练,获得训练后的第一模型;获取待评分作文的目标学段和目标体裁,如小学记叙文(写事),具体的,可以使用深度学习模型获取待评分作文的目标学段和目标体裁,将待评分作文、小学记叙文(写事)输入至训练后的第一模型,训练后的第一模型根据小学记叙文(写事)的评分标准对待评分作文进行打分,获得待评分作文的第一作文分值。
本实施例中的方法通过利用不同学段、不同体裁的作文的评分标准对预设的第一模型进行训练,并将待评分作文的目标学段、目标体裁输入至训练后的第一模型中,使训练后的第一模型能够针对待评分作文的学段和体裁进行打分,以获得较为准确的作文分值。
在具体实施例中,当所述学段为小学时,小学学段的评分标准包括一级小学评分标准和二级小学评分标准;其中,一级小学评分标准为对作文的内容、表达、结构和行为规范进行评分;二级小学评分标准为对作文是否切合题意、中心明确、内容充实、情感表达、语句通顺、描述生动、段落分明、调理清楚、书写无误和标点正确进行评分;
当所述学段为初中时,初中学段的评分标准包括一级初中评分标准和二级初中评分标准;其中,一级初中评分标准为对作文的内容、表达、结构和发展进行评分;二级初中评分标准为对作文是否切合题意、中心明确、内容具体、思想健康、语言流畅、文体规范、段落分明、条理清晰、寓意深刻和文采斐然进行评分;
所述不同体裁的作文的评分标准包括记叙文的评分标准、说明文的评分标准、应用文的评分标准和议论文的评分标准。
具体的,对于评分标准中的每一个维度制定具体的评分方法,例如:对于小学记叙文(状物)体裁,制定的评分标准为一级评价维度:内容、表达、结构、行文规范;二级评价维度为:切合题意、中心明确、内容充实、情感表达、语句通顺、描写生动、段落分明、条理清楚、书写无误、标点正确,并对每一个评价维度建立打分规则;对于初中议论文我们建立的评价维度为一级评价维度:内容、表达、结构、发展;二级评价维度为切合题意、中心明确、内容具体、思想健康、语言流畅、文体规范、段落分明、条理清晰、寓意深刻、文采斐然,并对每一级评价维度建立打分规则。然后,对于一篇作文根据年级以及训练好的作文体裁分类模型进行作文体裁判定,作文体裁分类模型将作文类型分为记叙文-写人、记叙文-写事、记叙文-写景、记叙文-状物、记叙文-想象、说明文、应用文、议论文。通过根据不同的评价维度对作文进行打分,获得较为准确的分值。
在具体实施例中,当所述待评分作文的目标学段为小学时,根据一级小学评分标准的评分、二级小学评分标准的评分和预设的第一评分权重规则获得所述待评分作文的第一作文评分;所述第一评分权重规则包括一级小学评分标准的评分的权重系数和二级小学评分标准的评分的权重系数;
当所述待评分作文的目标学段为初中时,根据一级初中评分标准的评分、二级初中评分标准的评分和预设的第二评分权重规则获得所述待评分作文的第一作文评分;所述第二评分权重规则包括一级初中评分标准的评分的权重系数和二级初中评分标准的评分的权重系数。
具体的,一级小学评分标准的权重系数为30%,二级小学评分标准的权重系数为70%,一级小学评分标准的评分为20分,二级小学评分标准的评分为15分,则作文的得分为20*30%+15*70%,即为16.5分。具体的,一级初中评分标准的权重系数为40%,二级初中评分标准的权重系数为60%,一级初中评分标准的评分为30分,二级初中评分标准的评分为20分,则作文的得分为30*40%+20*60%,即为24分。通过对不同的评分标准设置不同的权重系数,以实现对作文的不同要求进行区别性打分,从而提升打分的准确性。
在具体实施例中,请参阅图1,所述方法还包括:
步骤105、对所述待评分作文的写作要求进行解析,获得所述待评分作文的内容要求;
步骤106、将所述待评分作文和所述内容要求输入至预设的大语言模型中,所述预设的大语言模型对所述待评分作文的内容进行打分,获得所述待评分作文的第二作文分值;
步骤107、根据所述第一作文分值、所述第二作文分值和预设的第三评分权重规则获得所述待评分作文的实际分值;所述预设的第三权重规则包括所述第一作文分值的权重系数和所述第二作文分值的权重系数。
具体的,通过设计prompt调用大语言模型,大语言模型输出待评分作文的实际内容与内容要求的符合程度评分,prompt设计为(“作文内容:“*”和内容要求:“*”,请以一个语文教师的角度对作文内容符合内容要求的程度进行打分),解析大语言模型返回的结果,获得待评分作文的第二作文分值。具体的,首先给大语言模型一个人设:你是一个负责打分作文的语文老师,然后对大语言模型进行任务描述:待评分作文:变量1,内容要求:变量2,请阅读待评分作文后,根据内容要求对待评分作进行打分,满分为100分,返回示例:{'内容要求':'100分'},将上述信息组合起来成为一个prompt,并且填充具体的变量之后,整体输送给大语言模型中,然后解析大模型返回示例中的第二作文分值。获得第二作文分值后,根据第一作文分值、第二作文分值和预设的第三评分权重规则获得待评分作文的实际分值。通过使用大语言模型对待评分作文的内容要求进行识别并打分,使所获得的第二作文分值更贴切作文的写作要求。
在具体实施例中,请参阅图2,所述方法还包括:
步骤201、对所述待评分作文的写作要求进行解析,获得所述待评分作文的字数要求;
步骤202、根据所述待评分作文的总字数与所述待评分作文的字数要求相除获得字数百分比;所述字数百分比为所述待评分作文的总字数与所述待评分作文的字数要求相除的数值;
步骤203、根据所述字数百分比和预设字数打分规则对所述待评分作文进行评分,获得所述待评分作文的第三作文分值;所述预设字数打分规则包括不同的字数百分比与不同的第三作文分值的对应关系;
步骤204、根据所述第一作文分值、所述第三作文分值和预设的第四评分权重规则获得所述待评分作文的实际分值;所述预设的第四权重规则包括所述第一作文分值的权重系数和所述第三作文分值的权重系数。
具体的,利用正则匹配方法对待评分作文的写作要求进行解析,获得待评分作文的字数要求,字数要求如不少于400字,其中重要的两个参数为“不少于”和“400”。根据待评分作文的实际字数与字数要求的情况建立字数打分规则(如每缺少多少字扣多少分),即根据待评分作文的实际字数与解析出的字数要求进行打分获得第三作文分值,比如待评分作文字数占要求的字数的比例,占百分之多少得多少分,比如要求100字,实际作文内容99字,则得分为99。
在具体实施例中,请参阅图3,所述方法还包括:
步骤301、对所述待评分作文的写作要求进行解析,获得所述待评分作文的格式要求;
步骤302、根据预设的格式检测规则和所述格式要求,获取所述格式要求对应的目标行和关键字;所述预设的格式检测规则包括不同的格式要求对应的不同的目标行和不同的关键字;
步骤303、判断所述待评分作文的目标行中是否包含所述关键字;
步骤304、若所述待评分作文中包含所述关键字,则输出所述待评分作文的第四作文分值;
步骤305、根据所述第一作文分值、所述第四作文分值和预设的第五评分权重规则获得所述待评分作文的实际分值;所述预设的第五权重规则包括所述第一作文分值的权重系数和所述第四作文分值的权重系数。
具体的,对待评分作文的写作要求进行解析,获得待评分作文的格式要求,不同格式中会设有不同的目标行和关键字,如日记格式是在第一行设有有年月日等关键字,对待评分作文的第一行检测是否含有年月日等关键字,若包含关键字,则输出待评分作文的第四作文分值,并根据第一作文分值、第四作文分值和预设的第五评分权重规则获得待评分作文的实际分值,例如首行出现所有要求的关键词则得满分,都没有得0分,缺失部分则扣除一定的分数。通过对待评分作文的目标行是否存在关键字进行检测,从而确定待评分作文是否满足写作要求中的格式要求,从而实现精确的打分。
在具体实施例中,请参阅图4,所述方法还包括:
步骤401、当所述格式要求为日记格式时,根据所述关键字和预设的日记排版规则对所述关键字进行排版,获得日记格式的关键字;
则步骤303中判断所述待评分作文的目标行中是否包含所述关键字,包括:
步骤402、判断所述待评分作文的目标行中是否包含所述日记格式的关键字;
步骤304中若所述待评分作文中包含所述关键字,则输出所述待评分作文的第四作文分值,包括:
步骤403、若所述待评分作文中包含所述日记格式的关键字,则输出所述待评分作文的第四作文分值。
具体的,当格式要求为日记格式时,根据关键字和预设的日记排版规则对关键字进行排版,获得日记格式的关键字,如“*年*月*日-星期 [天气-候选字词]”;判断待评分作文的目标行中是否包含日记格式的关键字,若待评分作文中包含所述日记格式的关键字,则输出所述待评分作文的第四作文分值。通过对待评分作文的目标行中是否存在日记格式的关键字,从而精准的识别待评分作文是否符合格式要求,从而实现精准的打分。
在具体实施例中,不同体裁的待评分作文进行格式要求打分时,所使用的格式是不同的,如:书信:检测正文区域第一行是否有称呼+冒号,并且顶格;检测正文倒数后三行是否有一个单独的行出现祝颂语;检测祝颂词下一行是否是署名;检测最后一行是否是日期。日记:检测正文首行是否按顺序出现”月“、”日“,”星期“、代表天气的词语。倡议书:检测标题是否有”倡议书“关键词,检测文本倒数后三段是否有表示建议的关键词,检测文本倒数第二行是否有表示人名的词语,检测文本倒数第一行是否有日期。在对格式要求进行打分时,所使用的方法与日记格式所用到的方法是相同的,仅目标行、关键字的格式要求是不同的,在此不再重复描述。
在具体实施例中,请参阅图5,为本申请第二实施例中一种结合写作要求的作文评分系统的结构图,所述系统包括:评分标准集构建模块501、训练模块502、评分目标获取模块503和分数输出模块504;评分标准集构建模块501用于根据作文的学段和体裁构建第一作文评分标准集;所述第一作文评分标准集中包括不同学段、不同体裁的作文的评分标准;训练模块502用于利用所述第一作文评分标准集对预设的第一模型进行训练,获得训练后的第一模型;评分目标获取模块503用于获取待评分作文的目标学段和目标体裁;分数输出模块504用于将所述待评分作文、所述目标学段和目标体裁输入至所述训练后的第一模型,所述训练后的第一模型对所述待评分作文进行打分,获得所述待评分作文的第一作文分值。
本实施例中的系统通过利用不同学段、不同体裁的作文的评分标准对预设的第一模型进行训练,并将待评分作文的目标学段、目标体裁输入至训练后的第一模型中,使训练后的第一模型能够针对待评分作文的学段和体裁进行打分,以获得较为准确的作文分值。
在具体实施例中,本申请第三实施例提供一种结合写作要求的作文评分设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如本申请第一实施例中任一项所述方法的步骤。
在具体实施例中,本申请第四实施例提供一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如本申请第一实施例中任一项所述方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。故,本申请专利的保护范围应以所附权利要求为准。
Claims (9)
1.一种结合写作要求的作文评分方法,其特征在于,所述方法包括:
根据作文的学段和体裁构建第一作文评分标准集;所述第一作文评分标准集中包括不同学段、不同体裁的作文的评分标准;
利用所述第一作文评分标准集对预设的第一模型进行训练,获得训练后的第一模型;
获取待评分作文的目标学段和目标体裁;
将所述待评分作文、所述目标学段和目标体裁输入至所述训练后的第一模型,所述训练后的第一模型对所述待评分作文进行打分,获得所述待评分作文的第一作文分值;
所述方法还包括:
对所述待评分作文的写作要求进行解析,获得所述待评分作文的内容要求;
将所述待评分作文和所述内容要求输入至预设的大语言模型中,所述预设的大语言模型对所述待评分作文的内容进行打分,获得所述待评分作文的第二作文分值;
根据所述第一作文分值、所述第二作文分值和预设的第三评分权重规则获得所述待评分作文的实际分值;所述预设的第三权重规则包括所述第一作文分值的权重系数和所述第二作文分值的权重系数。
2.如权利要求1所述的结合写作要求的作文评分方法,其特征在于,当所述学段为小学时,小学学段的评分标准包括一级小学评分标准和二级小学评分标准;其中,一级小学评分标准为对作文的内容、表达、结构和行为规范进行评分;二级小学评分标准为对作文是否切合题意、中心明确、内容充实、情感表达、语句通顺、描述生动、段落分明、调理清楚、书写无误和标点正确进行评分;
当所述学段为初中时,初中学段的评分标准包括一级初中评分标准和二级初中评分标准;其中,一级初中评分标准为对作文的内容、表达、结构和发展进行评分;二级初中评分标准为对作文是否切合题意、中心明确、内容具体、思想健康、语言流畅、文体规范、段落分明、条理清晰、寓意深刻和文采斐然进行评分;
所述不同体裁的作文的评分标准包括记叙文的评分标准、说明文的评分标准、应用文的评分标准和议论文的评分标准。
3.如权利要求2所述的结合写作要求的作文评分方法,其特征在于,当所述待评分作文的目标学段为小学时,根据一级小学评分标准的评分、二级小学评分标准的评分和预设的第一评分权重规则获得所述待评分作文的第一作文评分;所述第一评分权重规则包括一级小学评分标准的评分的权重系数和二级小学评分标准的评分的权重系数;
当所述待评分作文的目标学段为初中时,根据一级初中评分标准的评分、二级初中评分标准的评分和预设的第二评分权重规则获得所述待评分作文的第一作文评分;所述第二评分权重规则包括一级初中评分标准的评分的权重系数和二级初中评分标准的评分的权重系数。
4.如权利要求1所述的结合写作要求的作文评分方法,其特征在于,所述方法还包括:
对所述待评分作文的写作要求进行解析,获得所述待评分作文的字数要求;
根据所述待评分作文的总字数与所述待评分作文的字数要求相除获得字数百分比;所述字数百分比为所述待评分作文的总字数与所述待评分作文的字数要求相除的数值;
根据所述字数百分比和预设字数打分规则对所述待评分作文进行评分,获得所述待评分作文的第三作文分值;所述预设字数打分规则包括不同的字数百分比与不同的第三作文分值的对应关系;
根据所述第一作文分值、所述第三作文分值和预设的第四评分权重规则获得所述待评分作文的实际分值;所述预设的第四权重规则包括所述第一作文分值的权重系数和所述第三作文分值的权重系数。
5.如权利要求1所述的结合写作要求的作文评分方法,其特征在于,所述方法还包括:对所述待评分作文的写作要求进行解析,获得所述待评分作文的格式要求;
根据预设的格式检测规则和所述格式要求,获取所述格式要求对应的目标行和关键字;所述预设的格式检测规则包括不同的格式要求对应的不同的目标行和不同的关键字;
判断所述待评分作文的目标行中是否包含所述关键字;
若所述待评分作文中包含所述关键字,则输出所述待评分作文的第四作文分值;
根据所述第一作文分值、所述第四作文分值和预设的第五评分权重规则获得所述待评分作文的实际分值;所述预设的第五权重规则包括所述第一作文分值的权重系数和所述第四作文分值的权重系数。
6.如权利要求5所述的结合写作要求的作文评分方法,其特征在于,当所述格式要求为日记格式时,根据所述关键字和预设的日记排版规则对所述关键字进行排版,获得日记格式的关键字;
则所述判断所述待评分作文的目标行中是否包含所述关键字,包括:
判断所述待评分作文的目标行中是否包含所述日记格式的关键字;
所述若所述待评分作文中包含所述关键字,则输出所述待评分作文的第四作文分值,包括:
若所述待评分作文中包含所述日记格式的关键字,则输出所述待评分作文的第四作文分值。
7.一种结合写作要求的作文评分系统,其特征在于,所述系统包括:评分标准集构建模块、训练模块、评分目标获取模块、分数输出模块和解析模块;
所述评分标准集构建模块用于根据作文的学段和体裁构建第一作文评分标准集;所述第一作文评分标准集中包括不同学段、不同体裁的作文的评分标准;
所述训练模块用于利用所述第一作文评分标准集对预设的第一模型进行训练,获得训练后的第一模型;
所述评分目标获取模块用于获取待评分作文的目标学段和目标体裁;
所述分数输出模块用于将所述待评分作文、所述目标学段和目标体裁输入至所述训练后的第一模型,所述训练后的第一模型对所述待评分作文进行打分,获得所述待评分作文的第一作文分值;
所述解析模块用于对所述待评分作文的写作要求进行解析,获得所述待评分作文的内容要求;
所述分数输出模块还用于将所述待评分作文和所述内容要求输入至预设的大语言模型中,所述预设的大语言模型对所述待评分作文的内容进行打分,获得所述待评分作文的第二作文分值;
根据所述第一作文分值、所述第二作文分值和预设的第三评分权重规则获得所述待评分作文的实际分值;所述预设的第三权重规则包括所述第一作文分值的权重系数和所述第二作文分值的权重系数。
8.一种结合写作要求的作文评分设备,包括存储器和处理器,其特征在于,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1至6中任一项所述方法的步骤。
9.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,使得所述处理器执行如权利要求1至6中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410027977.6A CN117709330A (zh) | 2024-01-09 | 2024-01-09 | 结合写作要求的作文评分方法及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410027977.6A CN117709330A (zh) | 2024-01-09 | 2024-01-09 | 结合写作要求的作文评分方法及相关设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117709330A true CN117709330A (zh) | 2024-03-15 |
Family
ID=90162493
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410027977.6A Pending CN117709330A (zh) | 2024-01-09 | 2024-01-09 | 结合写作要求的作文评分方法及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117709330A (zh) |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050142529A1 (en) * | 2003-10-27 | 2005-06-30 | Yvacheslav Andreyev | Automatic essay scoring system |
KR20070030734A (ko) * | 2003-11-28 | 2007-03-16 | 코토바노모리 인코포레이션 | 작문 소논문의 평가 채점 장치 |
US20120131015A1 (en) * | 2010-11-24 | 2012-05-24 | King Abdulaziz City For Science And Technology | System and method for rating a written document |
US20140370485A1 (en) * | 2013-04-19 | 2014-12-18 | Educational Testing Service | Systems and Methods for Generating Automated Evaluation Models |
CN105718855A (zh) * | 2015-12-03 | 2016-06-29 | 王晓龙 | 一种在线作文测评方法及其系统 |
CN110413991A (zh) * | 2019-06-20 | 2019-11-05 | 华中师范大学 | 一种基于修辞使用的小学语文作文自动评价方法 |
CN111737968A (zh) * | 2019-03-20 | 2020-10-02 | 小船出海教育科技(北京)有限公司 | 一种作文自动批改及评分的方法及终端 |
CN111914532A (zh) * | 2020-09-14 | 2020-11-10 | 北京阅神智能科技有限公司 | 一种中文作文评分方法 |
CN112307176A (zh) * | 2020-03-09 | 2021-02-02 | 北京字节跳动网络技术有限公司 | 一种引导用户写作的方法和装置 |
CN112765973A (zh) * | 2021-01-18 | 2021-05-07 | 鲁东大学 | 评分模型训练方法及装置、作文评分方法及装置 |
CN113033180A (zh) * | 2021-03-02 | 2021-06-25 | 中央民族大学 | 一种面向小学藏语文阅读问题自动生成的服务系统 |
CN113435179A (zh) * | 2021-06-24 | 2021-09-24 | 科大讯飞股份有限公司 | 一种作文评阅方法、装置、设备及存储介质 |
CN113743091A (zh) * | 2021-11-08 | 2021-12-03 | 山东山大鸥玛软件股份有限公司 | 一种作文类文本智能评分方法、系统与设备 |
CN113836306A (zh) * | 2021-09-30 | 2021-12-24 | 首都师范大学 | 基于篇章成分识别的作文自动测评方法、设备和存储介质 |
CN114048739A (zh) * | 2021-11-18 | 2022-02-15 | 王月珠 | 一种智能作文批改方法及系统 |
CN114882502A (zh) * | 2022-04-18 | 2022-08-09 | 天津集智量文教育科技发展有限公司 | 一种能自动甄别作文文体进行智能批量阅卷的系统方法 |
CN115048523A (zh) * | 2022-06-27 | 2022-09-13 | 北京百度网讯科技有限公司 | 文本分类方法、装置、设备以及存储介质 |
CN115659954A (zh) * | 2022-10-31 | 2023-01-31 | 北京工业大学 | 一种基于多阶段学习的作文自动评分方法 |
-
2024
- 2024-01-09 CN CN202410027977.6A patent/CN117709330A/zh active Pending
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050142529A1 (en) * | 2003-10-27 | 2005-06-30 | Yvacheslav Andreyev | Automatic essay scoring system |
KR20070030734A (ko) * | 2003-11-28 | 2007-03-16 | 코토바노모리 인코포레이션 | 작문 소논문의 평가 채점 장치 |
US20120131015A1 (en) * | 2010-11-24 | 2012-05-24 | King Abdulaziz City For Science And Technology | System and method for rating a written document |
US20140370485A1 (en) * | 2013-04-19 | 2014-12-18 | Educational Testing Service | Systems and Methods for Generating Automated Evaluation Models |
CN105718855A (zh) * | 2015-12-03 | 2016-06-29 | 王晓龙 | 一种在线作文测评方法及其系统 |
CN111737968A (zh) * | 2019-03-20 | 2020-10-02 | 小船出海教育科技(北京)有限公司 | 一种作文自动批改及评分的方法及终端 |
CN110413991A (zh) * | 2019-06-20 | 2019-11-05 | 华中师范大学 | 一种基于修辞使用的小学语文作文自动评价方法 |
CN112307176A (zh) * | 2020-03-09 | 2021-02-02 | 北京字节跳动网络技术有限公司 | 一种引导用户写作的方法和装置 |
CN111914532A (zh) * | 2020-09-14 | 2020-11-10 | 北京阅神智能科技有限公司 | 一种中文作文评分方法 |
CN112765973A (zh) * | 2021-01-18 | 2021-05-07 | 鲁东大学 | 评分模型训练方法及装置、作文评分方法及装置 |
CN113033180A (zh) * | 2021-03-02 | 2021-06-25 | 中央民族大学 | 一种面向小学藏语文阅读问题自动生成的服务系统 |
CN113435179A (zh) * | 2021-06-24 | 2021-09-24 | 科大讯飞股份有限公司 | 一种作文评阅方法、装置、设备及存储介质 |
CN113836306A (zh) * | 2021-09-30 | 2021-12-24 | 首都师范大学 | 基于篇章成分识别的作文自动测评方法、设备和存储介质 |
CN113743091A (zh) * | 2021-11-08 | 2021-12-03 | 山东山大鸥玛软件股份有限公司 | 一种作文类文本智能评分方法、系统与设备 |
CN114048739A (zh) * | 2021-11-18 | 2022-02-15 | 王月珠 | 一种智能作文批改方法及系统 |
CN114882502A (zh) * | 2022-04-18 | 2022-08-09 | 天津集智量文教育科技发展有限公司 | 一种能自动甄别作文文体进行智能批量阅卷的系统方法 |
CN115048523A (zh) * | 2022-06-27 | 2022-09-13 | 北京百度网讯科技有限公司 | 文本分类方法、装置、设备以及存储介质 |
CN115659954A (zh) * | 2022-10-31 | 2023-01-31 | 北京工业大学 | 一种基于多阶段学习的作文自动评分方法 |
Non-Patent Citations (1)
Title |
---|
佚名: "作文评分标准及批改要求", 百度文库, 7 May 2023 (2023-05-07), pages 1 - 7 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109947836B (zh) | 英语试卷结构化方法和装置 | |
CN110659352B (zh) | 试题考点识别方法及其系统 | |
Wright et al. | Academic achievement of English language learners in post Proposition 203 Arizona. | |
KR102484007B1 (ko) | 국어 텍스트 자동 분석을 통한 독해지수 측정 방법 및 시스템 | |
CN114048327A (zh) | 一种基于知识图谱的主观题自动评分方法及系统 | |
Reynolds et al. | Modeling Taiwanese adolescent learners' English vocabulary acquisition and retention: The washback effect of the College entrance examination center's reference word list | |
CN111597305A (zh) | 实体标记方法、装置、计算机设备和存储介质 | |
CN113836894B (zh) | 多维度英语作文评分方法、装置及可读存储介质 | |
Ghosh et al. | Design of an Automated Essay Grading (AEG) system in Indian context | |
Vidhiasi et al. | The implementation of Grammarly in error analysis implementasi Grammarly dalam error analysis | |
Owen et al. | Researching lexical thresholds and lexical profiles across the Common European Framework of Reference for Languages (CEFR) levels assessed in the APTIS test | |
Kyle et al. | Evaluating evidence for the reliability and validity of lexical diversity indices in L2 oral task responses | |
Santos et al. | Identifying important factors in essay grading using machine learning | |
US10854106B2 (en) | Targeted repetition and targeted reinforcement in a language learning system | |
CN117709330A (zh) | 结合写作要求的作文评分方法及相关设备 | |
Lee et al. | Readability measurement of Japanese texts based on levelled corpora | |
Nonci et al. | The Effectiveness of Contextual Video in Increasing Students’ English Listening Comprehension: A Quasi-Experimental Study of Seventh Years Students of SMPN 13 Poleang Utara | |
CN112102127B (zh) | 可解释智能学习报告生产方法 | |
Alotaibi et al. | Hybrid approach for automatic short answer marking | |
Bestgen | Measuring lexical diversity in texts: The twofold length problem | |
CN115205879B (zh) | 一种基于人工智能的学生教材内容审核评价方法、系统及存储介质 | |
Gil | School evaluation: a socio-historical contribution to the study of grade assignment | |
TORKI | Algerian University English Language Teaching Materials: How readable are they? | |
Sari et al. | A study of grammatical errors in Skripsi abstract on undergraduate EFL students | |
CN111008534B (zh) | 一种英语翻译测试系统 |
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 |