语句相似度计算在主观题自动批改技术中的初步应用

文字类主观题的自动批改是实现远程教学系统中在线考试功能的一个关键技术,由于其具有相当的难度,目前国内外在这方面的研究还不是很多,真正实用的系统更少。该文着重对语句相似度的计算进行了深入的研究,利用基于动态规划的语句相似度计算方法实现了文字类主观题的自动批改,测试结果初步达到预期目标。     

基于语句结构及语义相似度计算主观题评分算法的研究

文字类主观题的自动评分是实现远程教育中在线考试系统的一个关键技术,由于其自动评判具有相当难度,使自动评分系统中在对语句结构、关键字匹配、词性、词义以及语义方面的判断还存在很多问题.通过对已有的算法分析,提出了一种方法,采用浅层次句法结构分析和深层次语义分析相结合的算法计算相似度,该方法可以提高主观题自动评分的效率和准确度,具有一定的实用价值.     

语句相似度计算在主观题评判中的应用

在网络考试系统中对主观题自动评判运用自然语言识别技术是计算机领域的一个研究热点。结合中文分词方法,在基于《知网》知识库的词语相似度算法的基础上,运用数学上求解最优指派问题的匈牙利算法建立句子和句群的相似度计算模型,并根据句子相似度值给出主观题正确分数评判。     

格语法在主观题自动阅卷中的应用

主观题阅卷技术是计算机自动阅卷中的关键技术。国内外专家都致力于自动批改技术的研究,但成熟应用的系统很少。语句相似度计算是主观题自动阅卷的关键问题,本文结合格语法进行语义分析,在此基础上设计语句相似度算法,能有效提高评分准确率。     

基于语义相似度的主观题阅卷系统模型设计

主观题阅卷系统是一个值得研究的问题.常见的主观题评分是比对学生答案和参考答案的相似程度得出分数的.自然语言处理里面的分词技术可以将文字切分为词的组合,然后通过计算句子的语义相似度可以得出学生答案和主观题答案的相似度.在这些理论的支撑下,文章提出了一种基于.NET实现的主观题系统模型设计方法.     

结合学科同义词与词向量的相似度评分算法

为实现主观题自动评分,提出结合学科同义词与词向量的相似度评分算法。以地理学科为背景,通过提取学科知识信息,建立地理词典,将其引入Word2vec模型中训练词向量,构建地理语料库;针对同义词词林对学科同义词识别不准确的问题,建立地理同义词词库;基于词性提出一种关键词提取及权重分配算法,在文本相似度计算中融入学科知识背景,依据词语相似度建立语句相似度的可信值,实现相似度评分算法。实验结果表明,该方法与教师评分趋势基本一致,评分准确率达到了88.82%。     

基于分段语义比较的语句相似度计算方法

为了能更为准确地计算两个语句之间的语义相似度;提出了一种基于分段语义比较的语句相似度计算方法.将语句分成主干部分和修饰部分,并根据设定的语法规则,对修饰部分进行更为细致的划分;计算语义相似度时,将计算过程分为两部分:主干部分计算、修饰部分计算,并赋以不同权值;能够按照语法和语义结构,更为合理、细致地计算出两个语句之间的语义相似程度.实验结果表明了该方法的能够取得较好的计算结果.     

主观题自动阅卷技术研究

为了实现考试系统中主观题型的自动阅卷,提出了基于语句相似度的计算方法对主观题进行自动批改.通过对语句相似度的定义和计算模型的建立以及汉语的特殊性分析,同时借鉴自动问答、自动文摘、信息检索等领域内关于语句相似度的研究,建立了对主观题的自动阅卷模型.通过对语句的词形、词序、词义3个层次计算相似度的融合,使句子的相似度计算更加准确.实验结果表明,主观题自动阅卷技术的正确率达到81.5%.     

基于分词匹配的主观题自动评阅技术研究

目前,计算机自动阅卷系统中,针对简答题、论述题等主观题的自动评阅技术发展尚不成熟。为了解决主观题自动评阅系统中存在的准确度问题,本文采用基于最大正向匹配的中文分词提取技术和关键词匹配技术实现一种性能稳定且准确率较高的主观题自动评阅系统。实验测试表明,本文的主观试题自动评分方法基本可以满足系统设计的需求,是有效可行的方法。     

基于词网的主观题自动评阅算法的研究

通过构建有限领域概念网模型,形成一种新颖的自然语言文本处理方法。该方法首先构建领域概念网,再对目标文本进行常规处理后提取其语句框架,最后计算文本相似度。据此开发的试卷主观题评测系统表明,与目前方法相比,该系统以语义为核心,使得命题所指的概念网与考生答案的语义之间有联系,从而提高评分准确率。     

基于藏语句多特征融合的主观题自动评分算法

提出了一种藏语句多特征融合的主观题自动评分算法,构建了关键词词形相似度计算模型、词序相似度计算模型、句子长度相似度计算模型和句子语义相似度计算模型。该算法将计算模型与最大相似度矩阵相结合,计算主观题的标准答案与学生答案之间句子、段落的相似度,最终做出自动评分。实验结果表明,与其他方法比较,该算法能有效降低平均误差值。     

基于多因素语义相似度的主观题自动评阅方法研究

主观试题自动评阅系统涉及人工智能、模式识别以及计算机自然语言理解等复杂的系统知识,是无纸化考试中自动阅卷系统的设计难点。为此,仿照传统考试过程中人工阅卷的基本思路,把主观试题的自动评阅问题分解为知识库的构建、概念相似度的计算以及语句结构的处理等三部分,并把一种改进的多因素语义相似度算法引入到概念相似度计算,详细设计了主观试题的计算机自动评阅模型。实例运行结果表明,占总数70%的计算结果在可接受误差范围内。     

基于子区域相似度的医学图像分割算法

将传统的区域生长算法思想融入到一种轮廓线逼近方法中。通过定义子区域的相似度准则,利用围绕像素的子区域的统计相似性,作为一个初始多边形轮廓演化的驱动因子,从粗到细,实现了对目标区域的逼近分割。实验表明,所提算法具有较好的抗噪性和较高的分割效率,可以有效分割出医学图像中的目标区域。     

A novel image segmentation algorithm based on neutrosophic similarity clustering

Segmentation is an important research area in image processing, which has been used to extract objects in images. A variety of algorithms have been proposed in this area. However, these methods perform well on the images without noise, and their results on the noisy images are not good. Neutrosophic set (NS) is a general formal framework to study the neutralities’ origin, nature, and scope. It has an inherent ability to handle the indeterminant information. Noise is one kind of indeterminant information on images. Therefore, NS has been successfully applied into image processing algorithms. This paper proposed a novel algorithm based on neutrosophic similarity clustering (NSC) to segment gray level images. We utilize the neutrosophic set in image processing field and define a new similarity function for clustering. At first, an image is represented in the neutrosophic set domain via three membership sets: T, I and F. Then, a neutrosophic similarity function (NSF) is defined and employed in the objective function of the clustering analysis. Finally, the new defined clustering algorithm classifies the pixels on the image into different groups. Experiments have been conducted on a variety of artificial and real images. Several measurements are used to evaluate the proposed method's performance. The experimental results demonstrate that the NSC method segment the images effectively and accurately. It can process both images without noise and noisy images having different levels of noises well. It will be helpful to applications in image processing and computer vision.     

基于RandomWalk算法的CT图像肺实质自动分割

针对复杂情况下肺实质的分割问题,提出了一种基于Random Walk算法对肺实质自动分割的方法。首先,根据胸部组织解剖学及其计算机断层扫描(CT)图像的影像学特征,在肺实质及其周围组织分别确定目标区域种子点和背景种子点位置;然后,使用Random Walk算法对CT图像进行分割,提取近似肺区域的掩模;接下来,对掩模实施数学形态学运算,来进一步调整目标区域种子点和背景种子点的标定位置,使其适合具体的复杂情况;最后,再次使用Random Walk算法分割图像,得到最终的肺实质分割结果。实验结果显示,该方法与金标准的平均绝对距离为0.44±0.13 mm,重合率(DC)为99.21%±0.38%。与其他分割方法相比,该方法在分割精度上得到了显著提高。结果表明,提出的方法能够解决复杂情况下肺实质分割的问题,确保了分割的完整性、准确性、实时性和鲁棒性,分割结果和时间均可满足临床需求。     

多特征融合的语句相似度计算模型

句子的相似度计算在自然语言处理的各个领域都占有十分重要的地位。提出了一种多特征融合的句子相似度计算模型,该计算方法把句子的词形、词序、结构、长度、距离和语义这6种特征相似度考虑进来,通过对不同的特征赋予不同的权重来调节各个特征对于句子相似度的贡献,从而使计算结果得到最优。实验结果表明,该方法与其他方法相比,描述句子的信息更加全面,在计算句子相似度方面具有较高的准确率。     

基于问句相似度的中文FAQ问答系统

常见问题(FAQ)问答系统是一种在已有的“问题—答案”对集合中找到与用户提问相匹配的问句,并将其对应的答案返回给用户的问答式检索系统。其关键问题是用户提出问句与FAQ库中问句进行相似度计算,找出FAQ库中最相近的问句,并返回事先存储好的问题答案。通过对常见问句特点的研究,给出一种基于分解的向量空间模型和语义概念的问句相似度计算方法,其主要思想是对一个问句向量进行分解,提取其三个关键部分:问点、主题词和疑问词,表示成三个分向量,然后对每个分向量计算基于《HIT-IRLab同义词词林(扩展版)》的语义相似度,通过线性加权就可以得出两个问句的语义相似度。试验表明,与传统的基于向量空间模型的TF-DF问句相似度计算方法相比,可以提高问句匹配的精度。     

基于情感词汇本体的主观性句子倾向性计算

如何有效提取句子的主观信息,计算主观性句子倾向性,并对其情感进行细粒度分析,成为一个热门的研究话题。提出了一种基于情感本体的主观性句子倾向性分析方法,分析句子的上下文语义关系,建立规则集。依据情感词汇本体和规则集,提出连续三词词类组合(3-POS)模型识别主观性句子,最后计算主观性句子倾向性值。实验结果表明,该模型对主观性句子的倾向性进行识别和计算的准确率达到81.02%。