提示与特质关系感知的跨提示作文特质评分

自动作文评分（AES）旨在对给定提示（定义写作主题）所写的作文进行评分。多数现有AES系统假设对训练所用同一提示的作文评分，且只给出整体分。然而，此类设定与真实教育场景冲突：特定提示的预评分作文匮乏，且需要子评分细则的详细特质分。因此，预测未见提示作文的多种特质分（称为跨提示作文特质评分）是AES的一大待解挑战。本文提出一种鲁棒模型：提示与特质关系感知的跨提示作文特质评分器。我们通过作文-提示注意力编码提示感知的作文表征，并利用主题建模机制提取的主题连贯特征（无需标注数据），从而即使在跨提示设定下也考量作文的提示贴合度。为促进多特质评分，我们设计了封装特质间相关性的特质相似度损失。实验证明了模型的有效性，在所有提示与特质上均取得最优结果。在低资源提示与弱势特质上的显著提升进一步表明了本模型的优势。