自动作文评分：基于Jaccard系数与Cosine相似度的n-gram变体向量空间模型方法
计算与语言
2025-10-20 v1 计算机与社会
软件工程
摘要
自动作文评分（Automated Essay Scoring, AES）是旨在提供高效且准确评估工具以评估书写内容的关键研究领域。本研究探讨了两种流行相似度度量——Jaccard系数和Cosine相似度——在向量空间模型（VSM）中采用unigram、bigram和trigram表示的有效性。本研究使用的数据来自初中毕业证教育科目的形成性作文。每篇作文经过预处理，以n-gram模型提取特征，随后进行向量化以将文本数据转换为数值表示。然后，使用Jaccard系数和Cosine相似度计算作文之间的相似度得分。通过分析根均方误差（RMSE），即人类评分员与系统生成评分之间的差异，来评估系统性能。结果表明，Cosine相似度优于Jaccard系数。在n-gram方面，unigram的RMSE低于bigram和trigram。
引用
@article{arxiv.2510.15311,
title = {Automatic essay scoring: leveraging Jaccard coefficient and Cosine similaritywith n-gram variation in vector space model approach},
author = {Andharini Dwi Cahyani and Moh. Wildan Fathoni and Fika Hastarita Rachman and Ari Basuki and Salman Amin and Bain Khusnul Khotimah},
journal= {arXiv preprint arXiv:2510.15311},
year = {2025}
}