论文部分内容阅读
随着人工智能的兴起,在教育领域利用人工智能实现教学信息化、测评智能化是符合时代发展的一项重要举措。考试作为检验学生学习情况的方法,但是考试成绩均由人工批改得到,教师批阅试卷不仅会增加工作负担,而且在评阅主观题时会受到个人主观因素的影响,容易出现判卷误差和错误,对考试结果造成影响,导致测评结果不能真实反映学生学业水平和学习能力。因此借助人工智能技术实现主观题自动评分是有意义和价值的。近年来,深度学习在自然语言处理(Natural Language Processing,NLP)领域得到广泛应用并取得突破性进展,因此本文重点研究深度学习在主观题自动评分中的应用。首先,本文对主观题自动评分和深度学习在NLP领域的国内外研究现状做了详细介绍,对研究内容当前发展现状有了更深入了解。随后,重点分析了《农业物联网》课程中的名词解释、简答题和论述题等主观题特点,详细分析了教师批改主观题的思路,并根据该思路设计出计算机自动判分流程。此外针对主观题分数可以看成离散型分数段类别,将主观题自动评分研究转换成文本分类过程,提出一种基于双向长短期记忆网络(Bidirectional Long Short-Term Memory,BiLSTM)和卷积神经网络(Convolutional Neural Network,CNN)相结合的深度神经网络模型BiLSTM-CA用于文本分类,并在SST-1和SST-2数据集中分别取得了52.8%和89.7%的正确率,与相关模型比较的结果中可以看出本文提出的模型在性能上具有一定优势。最后,本文基于ASP.NET平台、SQL Server 2012数据库和C#编程语言设计并实现了《农业物联网》在线考试系统,主要功能包括学生信息管理、自动出题和自动判分等,并基于文本相似度算法实现了主观题自动评分功能。