基于神经网络模型堆叠的自动短答案评分
计算与语言
2021-03-24 v1 机器学习
摘要
自动短答案评分是文本分类问题之一，用于在考试中自动评估学生的答案。构建自动短答案评分系统会出现若干挑战，其中之一是数据的数量与质量。数据标注过程并不容易，因为它需要领域专家的人工标注者。此外，数据不平衡过程也是一项挑战，因为正确答案的标签数量总是远少于错误答案。在本文中，我们提出使用基于神经网络和XGBoost的堆叠模型结合句子嵌入特征进行分类处理。我们还提出使用数据上采样方法来处理不平衡类别，以及使用超参数优化算法自动寻找鲁棒模型。我们使用Ukara 1.0 Challenge数据集，我们的最佳模型获得了0.821的F1分数，超过了同一数据集上的先前工作。
引用
@article{arxiv.2010.11092,
title = {Stacking Neural Network Models for Automatic Short Answer Scoring},
author = {Rian Adam Rajagede and Rochana Prih Hastuti},
journal= {arXiv preprint arXiv:2010.11092},
year = {2021}
}
备注
submitted to The 5th International Conference on Information Technology and Digital Applications 2020