肖靈云，劉軍庫

(廣東海洋大學寸金學院 智能制造學院，廣東 湛江 524000)

隨著互聯(lián)網(wǎng)技術(shù)、信息技術(shù)和經(jīng)濟的發(fā)展速度的提高，對現(xiàn)代教育以及企業(yè)的影響逐漸顯現(xiàn)出來，使得現(xiàn)代教育及企業(yè)的變革迎來了新的機遇及挑戰(zhàn)。在現(xiàn)代教育教學中，許多現(xiàn)代化教育手段(如線上授課、在線考試等)被普遍應(yīng)用于日常教學中[1]。通過自動評分系統(tǒng)的應(yīng)用，教師不僅可以減少閱卷的工作量，而且可以使閱卷結(jié)果更加公平公正[2]。在企業(yè)發(fā)展的過程中，企業(yè)進行招聘人員及日?？己思芭嘤枙r，需要進行考試。尤其是經(jīng)過疫情之后，現(xiàn)代教育中的線上授課及線上考試現(xiàn)象更加普遍，企業(yè)的招聘和日常測試的試題也轉(zhuǎn)到了線上。隨之而來的問題就更加明顯，如何對主觀題進行自動評分，就成為困擾教師和企業(yè)考核者的難題。

考試作為一種選拔人才及檢測考生水平的工具，普遍被用在學校、企業(yè)中，考試的題型主要有客觀題和主觀題。考試中對于單選題、多選題等的自動批改技術(shù)已經(jīng)較成熟，而主觀題自動評分方法涉及了自然語言處理、人工智能等多方面的理論知識，使得主觀題的評分難度增加。目前的主觀題評分方式仍采用人工方式，不僅時間耗量大、工作量大，而且不同批閱者之間的評分標準有差異，易受改卷人主觀因素影響，造成評分偏差，體現(xiàn)不出考試的公平性。因此，研究并實現(xiàn)主觀題自動評分系統(tǒng)，能提高教師批改試卷的效率及公平性。

由于主觀題題型的復(fù)雜性，目前還沒有完善且成熟的主觀題自動評分系統(tǒng)。而在已有的主觀題自動評分系統(tǒng)中，其可用性與實際的需求差距還很大。因此，對于主觀題的自動評分，不僅是當前亟需解決的問題，也是一件難度很大的問題。通過對文本、語義、關(guān)鍵詞等方法計算主觀題相似度進行研究，發(fā)現(xiàn)文本相似度、語義相似度、關(guān)鍵詞相似度計算算法都存在著不同的短板。文本語義所包含的信息較多，能夠代表文本所表達的整體意思，但這種方法有時會忽略掉關(guān)鍵詞的作用；語句語義能夠準確地提取語句的信息，但容易忽略掉語句與前后文之間的關(guān)聯(lián)；關(guān)鍵詞相似度能夠以更小的單位提取信息，但僅依據(jù)一些關(guān)鍵詞，往往會將語句信息和文本信息忽略掉，而且會存在只寫出關(guān)鍵詞就能得高分的弊端，如果這種弊端被考生利用，那么評分也就沒有意義。

針對這些不足，本文對主觀題自動評分方法進行研究，所涉及的核心技術(shù)是基于相似度組合的方法來計算考生得分。它涉及到人工智能(artificial intelligence，AI)、自然語言處理(natuarl language processing，NLP)等多方面理論知識[3]，以及一些自然語言范疇的先進關(guān)鍵技術(shù)。在理論意義上，將相似度組合模型應(yīng)用在主觀題自動評分上，擴展了主觀題評分模型；在應(yīng)用意義上，可以積累主觀題自動評分的經(jīng)驗，為后續(xù)進一步深入研究主觀題的自動評分提供一定的借鑒與參考。

1 相關(guān)技術(shù)

文本向量化的作用主要是將文本轉(zhuǎn)化為結(jié)構(gòu)化的數(shù)據(jù)，即將文本用可以表達文本語義信息的向量來表示。對文本向量化的很多探究都是在Word2vec(詞向量化)的基礎(chǔ)上來完成，而Doc2vec(段向量化或句向量化)是將文本段落或句子作為文本處理的基礎(chǔ)單元進行處理。這里僅介紹Doc2vec模型。

1.1 Doc2vec模型

基于分布假說理論，Word2vec能夠較好地挖掘出文本中詞語所蘊含的潛在的語義信息，能夠計算詞語與詞語之間的相似度、句子與句子之間或其他長文本之間的相似度。由于該方法沒有將文本中的語序信息考慮進去，從而也就丟失了很多的主要信息，所以Word2vec技術(shù)存在不足之處。

Doc2vec技術(shù)中包含的模型有DM和DBOW兩種[4]。在DM模型中，增加了一個段向量，該段向量與詞向量的長度相同，也就是說該模型中上下文所包含的范圍更廣泛。它既涵蓋了文本中上下文中的單詞，又涵蓋了其所對應(yīng)的段落。它可以通過文本中上下文中的詞向量和段向量，對目標詞的概率分布進行預(yù)測。而且在對文本進行向量訓練的過程中，在DM模型中增加了一個paragraph ID，首先將其映射成一個向量。在后面的計算中，可以將段落向量與詞向量進行累加，也可以將它們連接起來，并將其輸入給softmax層。在對文本中的語句或者整個文檔進行訓練時，要保證paragraph ID是固定的，它不發(fā)生改變，共同使用同一個paragraph vector，相當于每次在預(yù)測目標詞的概率時，都用到了該句子的整體語義信息。在對文本進行預(yù)測時，需要給待預(yù)測的語句新分配一個paragraph ID，輸入到詞向量和輸出層softmax的參數(shù)，應(yīng)該與訓練階段得到的參數(shù)保持一致；然后利用隨機梯度下降算法對待預(yù)測的語句進行訓練；等誤差達到一定的要求，收斂后，即得到待預(yù)測語句的段向量。DM模型示意圖如圖1所示。

圖1 DM模型示意圖Fig.1 Schematic diagram of DM model

DBOW模型在只給出某個段落的情景下，應(yīng)用DBOW模型預(yù)測相應(yīng)段落中的一些隨機詞的概率。DBOW模型示意圖如圖2所示。

圖2 DBOW模型示意圖Fig.2 Schematic diagram of DBOW model

應(yīng)用Doc2vec技術(shù)既可以將文本中的語義信息進一步提取出來，又能將文本中的語序信息有效保留。

1.2 文本相似度技術(shù)

本文采用余弦相似度[5-6]來計算考生提交的答案和參考答案之間的相似度，其中以參考答案作為標準。將考生答案和參考答案進行段向量化，依據(jù)兩個文本答案的向量之間夾角的余弦值大小，評估兩個文本向量之間的相似程度，計算公式如式(1)所示：

(1)

其中，sim表示相似度，M為已給出的參考答案中文本的語義信息段向量，N為考生提交的答案中文本的語義信息段向量，θ為文本向量M和N之間的夾角，Mi、Ni為文本向量M、N中的各個分向量，n為各個分向量的總個數(shù)。

2 基于相似度組合的評分方法

通過分析對比基于TF-IDF相似度算法、Word2vec語義相似度及Doc2vec文本相似度算法，發(fā)現(xiàn)各種算法中存在的問題。為了充分應(yīng)用各種算法的優(yōu)點，構(gòu)建了一種基于相似度組合的主觀題(簡答題、論述題)自動評分模型。

2.1 基于Doc2vec計算文本相似度

利用Doc2vec計算文本相似度的原理為：通過文本中上下文中的詞向量和段向量，對目標詞的概率分布進行預(yù)測，并利用該向量計算文本相似度。具體步驟如下：1)對文本進行預(yù)處理；2)將文本向量化；3)進行文本相似度計算。

基于Doc2vec計算文本相似度的具體算法如圖3所示：

圖3 基于Doc2vec計算文本相似度的具體算法Fig.3 Specific algorithm of text similarity calculation algorithm based on Doc2vec

2.2 評分模型構(gòu)建

評分模型構(gòu)建的思想為：1)考慮整體語義的準確性；2)將文本、語義、關(guān)鍵詞相似度3種方法組合起來使用，并設(shè)置閥值，通過靈活調(diào)節(jié)閥值的大小來保證評分的公平性，閥值為C，取值范圍為[0.85，0.99]。本文設(shè)置的閥值為0.9。依次計算參考答案與考生答案的文本相似度、語義相似度及關(guān)鍵詞相似度。如果任一種算法的相似度值達到0.9，則將該考生答案判為滿分(該道題的分值)；如果這3種算法的相似度值都低于0.9，則從這3種相似度中選擇最大的相似度值作為該考生答案的最終相似度值，并計算出考生的得分。構(gòu)建的評分模型如式(2)所示，構(gòu)建的評分模型流程如圖4所示。

圖4 評分模型流程Fig.4 Scoring model flow

(2)

式中，yi為第i道題的評分，C為設(shè)置的閥值，Si為第i道題的分值，sim為相似度。

3 實驗數(shù)據(jù)收集與評價指標

3.1 實驗數(shù)據(jù)集

本文以《系統(tǒng)建模與仿真》考試中的簡答題、論述題構(gòu)建試題庫，共165道題目。55名考生參加考試， 155道題選自《系統(tǒng)建模與仿真》試題庫。通過考生答題情況，收集有效數(shù)據(jù)1 539份，作為實驗數(shù)據(jù)集。將考生作答的答案輸入系統(tǒng)中，并由老師對簡答題、論述題進行人工評分及系統(tǒng)自動評分，將評分結(jié)果存儲到系統(tǒng)中。

3.2 實驗評價指標

本文采用平均值、方差及偏離率3個指標來衡量相似度組合評分與人工評分的一致程度。平均值的計算公式為

(3)

方差是指數(shù)據(jù)點的離散程度。其數(shù)學定義為

(4)

本文采用的偏差率是指實際值比理論值或者估計值的偏差程度[7]，用于表征實驗效果的好壞情況。偏差率計算公式為

(5)

(6)

式中，D為偏差率，Davg為平均偏差率。

3.3 實驗結(jié)果分析與對比

為了驗證提出的基于相似度組合的主觀題自動評分方法的有效性、準確率及實用性，以《系統(tǒng)建模與仿真》試題作為實驗數(shù)據(jù)，并將評分結(jié)果與傳統(tǒng)方法的評分結(jié)果進行對比。

1 539份《系統(tǒng)建模與仿真》試題利用本文構(gòu)建的基于相似度組合自動評分模型進行評分，并與基于Word2vec算法評分、基于TF_IDF算法評分、基于Doc2vec算法評分進行對比，然后再分別與人工評分進行兩兩對比。表1僅展示了4種自動評分方法與人工評分結(jié)果對比的部分數(shù)據(jù)。這幾種算法計算的簡答題、論述題的自動評分結(jié)果(共1 539份)的平均值、方差比較如表2所示。自動評分結(jié)果的偏差率比較如表3所示。

表1 4種自動評分方法與人工評分結(jié)果對比表Tab.1 Analysis of four automatic scoring methods and manual scoring results

表2 自動評分結(jié)果比較Tab.2 Automatic scoring result comparison

表3 自動評分結(jié)果偏差率(D)Tab.3 Deviation rate(D) of automatic scoring results

由表2可知，相對于其他評分方法，本文所提出的評分方法計算得到的分數(shù)與人工評分的分數(shù)最吻合。本文提出的算法，能夠準確進行整體文本語義分析，有效提高文本相似度計算的準確性。而其他評分方法無法準確分析文本語義信息，得到的評分結(jié)果與教師評分的結(jié)果就有較大的偏差。說明基于相似度組合算法評分較穩(wěn)定，評分效果較好。

從表3，更能進一步說明本文提出的基于相似度組合算法的評分是有效的，與其他幾種算法的自動評分結(jié)果相比，基于相似度組合算法自動評分結(jié)果的平均偏差率為0.199，偏差率波動范圍為1。

4 結(jié)束語

本文以《系統(tǒng)建模與仿真》的主觀題試題作為數(shù)據(jù)集，研究中文主觀題自動評分問題。針對文本相似度、語義相似度、關(guān)鍵詞相似度的不足，提出一種新的主觀題評分模型，實現(xiàn)了一個主觀題評分系統(tǒng)。

采用本文構(gòu)建的基于相似度組合的主觀題評分模型進行主觀題自動評分，通過對比分析，得出評分模型的評分結(jié)果波動性較小，穩(wěn)定性較好，說明提出的評分模型是可行有效的。由于構(gòu)建實驗數(shù)據(jù)集需耗費大量的人力，導(dǎo)致實驗所使用的數(shù)據(jù)集的科目范圍較少，無法全面地評估主觀題自動化評分方法的有效性及普適性。因此，如何構(gòu)建一個文本覆蓋面廣、涉及多領(lǐng)域的評分數(shù)據(jù)集，將是后續(xù)的一個研究方向。