龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：西安交通大学
摘要：本发明公开了一种基于动态词向量表征的中文作文评分方法及系统，所述基于动态词向量表征的中文作文评分方法包括以下步骤：获取分词处理后的待评分中文作文文本；将所述分词处理后的待评分中文作文文本输入预训练好的中文作文评分模型中，通过所述中文作文评分模型输出评分结果。本发明的方法基于深度学习，引入双向长短周期记忆BidirectionalLongShort‑TermMemory，BiLSTM网络，并且动态地训练作文的中文词向量，最终可以保证作文评分的准确性。
主权项：1.一种基于动态词向量表征的中文作文评分方法，其特征在于，包括以下步骤：获取分词处理后的待评分中文作文文本；将所述分词处理后的待评分中文作文文本输入预训练好的中文作文评分模型中，通过所述中文作文评分模型输出评分结果；其中，所述中文作文评分模型包括：输入层，用于输入分词处理后的中文作文文本，并基于预训练好的二进制词向量字典将中文作文文本中的词转化为序列矩阵；嵌入层，用于输入所述序列矩阵，并转化为词向量矩阵输出；BiLSTM层，用于输入所述词向量矩阵并进行特征提取，输出作文上下文特征向量；全连接层，用于输入所述作文上下文特征向量，输出分类结果向量；输出层，用于输入所述分类结果向量，输出评分结果；其中，所述中文作文评分模型还包括：Dropout层，设置于BiLSTM层和全连接层之间；用于输入所述BiLSTM层输出的作文上下文特征向量并随机使预设定比例的神经元输出为0，获得处理后的作文上下文特征向量；所述处理后的作文上下文特征向量用于输入所述全连接层；所述预训练好的二进制词向量字典的获取步骤包括：获取训练所述中文作文评分模型采用的训练样本集中每个训练样本的分词处理后的样本中文作文文本组成新的训练样本集；基于所述新的训练样本集，采用gensim库中的Word2Vec函数实现词向量的训练，获得所述预训练好的二进制词向量字典。
全文数据：
权利要求：
百度查询： 西安交通大学 一种基于动态词向量表征的中文作文评分方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号