挖掘连贯性与句法特征在神经模型中的潜力用于自动作文评分
计算与语言
2022-11-28 v1
摘要
在自动作文评分的提示相关整体分数预测任务中，通用方法包括预训练神经模型、连贯性模型，以及将句法特征与神经模型相结合的混合模型。本文提出一种新方法，利用提示学习式 NSP 提取并表示作文连贯性特征，其效果与最先进的 AES 连贯性模型相当，并在长作文上取得最佳性能。我们应用句法特征稠密嵌入来增强基于 BERT 的模型，在 AES 混合方法中取得最佳性能。此外，我们探索了多种将连贯性、句法信息与语义嵌入相结合的想法，这是以往研究未曾涉及的。我们的组合模型也优于现有的组合模型 SOTA，尽管其未超越我们的句法增强神经模型。我们进一步提供了对未来研究有益的分析。
引用
@article{arxiv.2211.13373,
title = {Tapping the Potential of Coherence and Syntactic Features in Neural Models for Automatic Essay Scoring},
author = {Xinying Qiu and Shuxuan Liao and Jiajun Xie and Jian-Yun Nie},
journal= {arXiv preprint arXiv:2211.13373},
year = {2022}
}
备注
Accepted to "2022 International Conference on Asian Language Processing (IALP)"