不见而评者乐：利用注视行为的多任务学习方法评阅作文

读者的注视行为有助于解决若干自然语言处理任务，例如自动作文评分。然而，从读者处收集注视行为在时间和金钱上代价高昂。本文提出一种利用注视行为改进自动作文评分的方法，该注视行为在运行时通过多任务学习框架习得。为证明这种基于多任务学习的自动作文评分方法的有效性，我们收集了 4 个作文集合中 48 篇作文的注视行为，并为其余超过 7000 篇作文学习注视行为。利用习得的注视行为，我们在拥有注视数据的作文集合上相比最先进（SOTA）系统取得了统计显著的性能提升。对于另外 4 个作文集合（约 6000 篇作文）且无可用的注视行为数据，我们也取得了统计显著的改进。我们的方法证实了学习注视行为可改进自动作文评分。