数据规模对自动作文评分引擎的影响

我们研究了数据规模与质量对按照三种不同范式设计的自动作文评分（AES）引擎性能的影响：基于频率与人工特征工程特征的模型、循环神经网络模型，以及为分类任务微调的预训练 transformer 语言模型。我们预期每类模型从训练数据的规模与质量中获益的方式截然不同。用于开发 AES 引擎训练数据的标准实践是在基于特征的方法背景下确立的，然而，由于神经网络日益在生产环境中被考量，本工作旨在告知我们如何为将用于生产环境的神经网络建立更好的训练数据。