动态损失函数在基于神经网络的自动作文评分中的有效性

神经网络尤其是注意力机制为自动作文评分领域带来了显著进展。许多此类系统使用基于回归的模型，当模型仅预测训练数据的均值时，可能容易出现欠拟合。本文中，我们提出一种动态损失函数，它激励模型在预测正确数值的同时，以正确的分布进行预测。我们的损失函数在实现这一目标的同时不牺牲任何性能，在Automated Student Assessment Prize自动作文评分数据集上取得了0.752的二次加权Kappa分数。