System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及自动评测,更具体地,涉及一种基于知识图谱的问答题评分方法及系统。
技术介绍
1、问答题,是一种考察答题者的基础能力、语句能力、概括能力和逻辑能力的可靠方法,其回答属于开放性和发挥性题目,没有唯一的标准答案,因此,问答题的批阅过程相对复杂,并需要考察多个知识点。而针对答题者答题内容的反馈本身是一件需要消耗大量时间成本的工作,反馈者除了对答题情况进行评分外,有时还要通过答题情况对答题者的知识点掌握情况进行判断,根据薄弱的部分给出针对性的意见和建议,并通过人工的评分方法对成千上万中答案进行反馈,耗时耗力,且存在答案错误类别相似,但仍然需要重复给出相似反馈的情况。
2、随着人工智能大模型的广泛应用,推动了其在教育行业中的普及使用,大模型的问答能力能在一定程度上作为反馈者为答题者进行答疑和评估。现有技术通常是基于句子的表面信息或意思信息,如句子情感、句子顺序、句子部分、句法结构、关键词和词性,利用自然语言处理技术构建模型框架,比较回答答案与参考答案之间的意思相似度,但其忽视了问答题中所包含的大量逻辑关系与结构信息。
技术实现思路
1、本专利技术为克服上述现有技术未有效利用逻辑关系与结构信息的缺陷,提供一种基于知识图谱的问答题评分方法及系统。
2、为解决上述技术问题,本专利技术的技术方案如下:
3、第一方面,一种基于知识图谱的问答题评分方法,包括:
4、采用监督学习方法训练知识点关系联合抽取模型;
5、通过所述知识点关系
6、构建句子对表述相似度衡量模型并对其进行训练,以用于计算关于各个所述知识点的句子对相似度分值;
7、获取目标问答题的参考答案和回答答案,利用所述知识点关系联合抽取模型、所述图结构相似度衡量模型和所述句子对表述相似度衡量模型,得到关于所述回答答案的所述图结构相似度分值和所述句子对相似度分值,根据所述图结构相似度分值和所述句子对相似度分值输出所述回答答案相对于所述参考答案的总得分。
8、第二方面,一种基于知识图谱的问答题评分系统,包括:
9、知识点关系抽取模块,用于搭载完成训练的知识点关系联合抽取模型;还用于抽取关于目标问答题的参考答案与回答答案中的知识点及关系,构建成对的句子级知识图谱;
10、图结构相似度衡量模块,用于搭载完成训练的图结构相似度衡量模型;还用于基于所述句子级知识图谱,计算所述参考答案与所述回答答案间的图结构相似度分值;
11、句子对表述相似度衡量模块,用于搭载完成训练的句子对表述相似度衡量模型;还用于计算所述参考答案与所述回答答案间关于各个所述知识点的句子对相似度分值;
12、反馈模块,用于基于所述图结构相似度分值和所述句子对相似度分值输出回答答案相对于所述参考答案的总得分。
13、与现有技术相比,本专利技术技术方案的有益效果是:
14、本专利技术公开了一种基于知识图谱的问答题评分方法及系统,所述方法基于文本挖掘原理,通过训练得到的知识点关系联合抽取模型抽取问答题的参考答案与候选答案中的知识点和关系,并构建句子级知识图谱后由图结构相似度衡量模型计算图结构相似度分值,由句子对表述相似度衡量模型计算得到句子对相似度分值,根据图结构相似度分值与句子对相似度分值得到回答答案相对于参考答案的总得分。相较于现有技术,本专利技术挖掘了答案中的知识信息和逻辑关系,结合语义匹配和逻辑图匹配,即匹配了目标文本(候选答案或回答答案)和样例文本(参考答案)的语义和逻辑关系,充分利用逻辑关系与结构信息,具有泛化性,可适用于跨学科场景及模型能力评测场景,提高了问答题评分的质量和效率。
本文档来自技高网...【技术保护点】
1.一种基于知识图谱的问答题评分方法,其特征在于,包括:
2.根据权利要求1所述的一种基于知识图谱的问答题评分方法,其特征在于,所述采用监督学习方法训练知识点关系联合抽取模型,包括:
3.根据权利要求1所述的一种基于知识图谱的问答题评分方法,其特征在于,构建所述句子级知识图谱,以及利用所述句子级知识图谱训练所述图结构相似度衡量模型,包括:
4.根据权利要求1所述的一种基于知识图谱的问答题评分方法,其特征在于,所述构建句子对表述相似度衡量模型并对其进行训练,包括:
5.根据权利要求4所述的一种基于知识图谱的问答题评分方法,其特征在于,所述构建句子对数据集,包括:
6.根据权利要求4所述的一种基于知识图谱的问答题评分方法,其特征在于,所述利用所述首尾索引对所述句子对中的知识点进行掩码处理,包括:
7.根据权利要求6所述的一种基于知识图谱的问答题评分方法,其特征在于,所述第三预训练模型中,将所述句子对编码为成对的句子向量表示,包括:
8.根据权利要求1-7任一项所述的一种基于知识图谱的问答题评分方法,其
9.根据权利要求8所述的一种基于知识图谱的问答题评分方法,其特征在于,所述构建问答题知识图谱,包括:
10.一种基于知识图谱的问答题评分系统,应用权利要求1-9任一项所述方法,其特征在于,包括:
...【技术特征摘要】
1.一种基于知识图谱的问答题评分方法,其特征在于,包括:
2.根据权利要求1所述的一种基于知识图谱的问答题评分方法,其特征在于,所述采用监督学习方法训练知识点关系联合抽取模型,包括:
3.根据权利要求1所述的一种基于知识图谱的问答题评分方法,其特征在于,构建所述句子级知识图谱,以及利用所述句子级知识图谱训练所述图结构相似度衡量模型,包括:
4.根据权利要求1所述的一种基于知识图谱的问答题评分方法,其特征在于,所述构建句子对表述相似度衡量模型并对其进行训练,包括:
5.根据权利要求4所述的一种基于知识图谱的问答题评分方法,其特征在于,所述构建句子对数据集,包括:
6.根据权利要求4所述的一种基于知识图谱的问答题评分方法,其特征在...
【专利技术属性】
技术研发人员:牟昊,黄于晏,何宇轩,徐亚波,李旭日,
申请(专利权)人:广东横琴数说故事信息科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。