本发明涉及一种主观题评分模型及评分方法,具体涉及一种基于深度学习BERT--CNN的主观题评分模型及评分方法,属于人工智能领域。
背景技术:
目前,仅仅依靠关键词的匹配对主观题进行评分,也就是通过提取参考答案与考生答案中关键词的方法,然后将参考答案中的关键词与考生答案中关键词进行匹配,若匹配率高,则得分高,否则得分低或不得分。
该技术虽然能提取到关键词,但往往会忽略词义或语义,以及词与词之间的关系所隐藏了大量的语义信息,基于关键词的匹配会导致这一部分信息丢失,导致评分结果不准确。
技术实现要素:
为了克服现有技术的不足,本发明的目的之一在于提供了一种基于深度学习BERT--CNN的主观题评分模型,通过该模型对主观题进行评分,以解决现有人工评分中人力、财力的浪费及评分结构不合理的问题。
一种基于深度学习BERT--CNN的主观题评分模型,包括BERT转换词向量矩阵模块、CNN语义特征提取模块、相似度计算模块、评分模块,其中BERT转换词向量矩阵模块,用于将所述答案文本转换为词向量矩阵,然后将各答案的词向量矩阵传至CNN语义特征提取模块,CNN语义特征提取模块用于获取所述答案文本的语义特征向量,包括卷积层和池化层,将所述答案文本映射矩阵输入到CNN卷积层,得到部分或所有隐含层的输出,得到各答案文本语义特征矩阵,然后将答案文本语义特征矩阵进行池化运算,获得各答案文本语义特征向量,并将其输送到相似度计算模块ÿ