用于自动作文评分的深度学习架构
计算与语言
2022-06-17 v1 人工智能
摘要
由于 Coursera、Udemy、Khan academy 等在线学习与评估平台的兴起，自动作文评估（AES，亦称自动作文评分）已成为一个严峻问题。研究人员近期提出了许多自动评估技术。然而，其中许多技术使用手工特征，因而从特征表示角度看存在局限。深度学习已成为机器学习中的新范式，可挖掘海量数据并识别对作文评估有用的特征。为此，我们提出一种基于循环网络（RNN）和卷积神经网络（CNN）的新架构。在该架构中，多通道卷积层从词嵌入向量中学习并捕获词 n-gram 的上下文特征及基本语义概念，通过最大池化操作在作文层面形成特征向量。使用一种称为双向门控循环单元（BGRU）的 RNN 变体来访问前文与后文的上下文表示。实验在 Kaggle 上可用的八个数据集上针对 AES 任务展开。实验结果表明，我们提出的系统取得了显著高于其他基于深度学习的 AES 系统及其他最先进 AES 系统的评分准确率。
引用
@article{arxiv.2206.08232,
title = {Deep Learning Architecture for Automatic Essay Scoring},
author = {Tsegaye Misikir Tashu and Chandresh Kumar Maurya and Tomas Horvath},
journal= {arXiv preprint arXiv:2206.08232},
year = {2022}
}