基于两阶段学习的自动作文评分
计算与语言
2019-12-23 v2
摘要
当前最先进的特征工程与端到端自动作文评分（AES）方法被证明无法检测对抗样本，例如由置换句子组成的作文以及与提示无关的作文。针对该问题，我们开发了两阶段学习框架（TSLF），其融合了特征工程与端到端 AES 模型的优势。在实验中，我们将 TSLF 与若干强基线进行比较，结果证明了我们模型的有效性与鲁棒性。TSLF 在八分之五的提示上超越所有基线，并在无负样本时取得新的最先进平均性能。在向原始数据集加入一些对抗作文后，TSLF 大幅优于特征工程与端到端基线，并展现出极强的鲁棒性。
引用
@article{arxiv.1901.07744,
title = {Automated Essay Scoring based on Two-Stage Learning},
author = {Jiawei Liu and Yang Xu and Yaguang Zhu},
journal= {arXiv preprint arXiv:1901.07744},
year = {2019}
}
备注
7 pages, 4 figures