基于深度学习的自动短答案评分综述：从词嵌入到Transformer
计算与语言
2022-04-08 v1 人工智能
机器学习
摘要
自动短答案评分（ASAG）作为将教育任务规模化以适应日益增长的学生数量的一种手段，已在教育领域受到关注。自然语言处理和机器学习的最新进展极大地影响了ASAG领域，我们对该领域的最新研究进展进行了综述。我们通过全面分析最近发表的采用深度学习方法的论文，对以往的综述进行了补充。我们特别将分析重点放在从手工设计特征到表示学习方法的转变上，后者能从大型数据语料库中自动学习当前任务所需的代表性特征。我们将深度学习方法的结构化分析分为三个类别：词嵌入、序列模型和基于注意力的方法。深度学习对ASAG的影响不同于其他NLP领域，因为我们注意到，仅凭学习到的表示本身并不能取得最佳结果，而是显示出它们与手工设计特征以互补的方式协同工作。最佳性能确实是由那些将精心手工设计的特征与最新模型（如Transformer架构）提供的语义描述能力相结合的方法实现的。我们指出了挑战，并对未来可以探索的研究方向进行了展望。
引用
@article{arxiv.2204.03503,
title = {Survey on Automated Short Answer Grading with Deep Learning: from Word Embeddings to Transformers},
author = {Stefan Haller and Adina Aldea and Christin Seifert and Nicola Strisciuglio},
journal= {arXiv preprint arXiv:2204.03503},
year = {2022}
}
备注
Under review