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：山东千人考试服务有限公司

摘要：本发明提供了一种基于HanLP的无纸化考试主观题自动评阅方法，属于基于计算机技术的考试评卷技术领域；该方法包含主观题参考答案预处理、主观题考生答案预处理、考生答案相似度计算、试题得分计算的四个功能模块。该方法通过结合Hanlp和Word2Vec，实现分段、分句、分词，语句相似度和词语相似度的计算；基于试题得分计算规则得出试题分数。这种方法可以快速处理大量数据，使得自动阅卷成为可能，尤其在考生众多的考试中，能显著提高评分效率；能保持评分的一致性，每个考生的答案都按照统一标准评估，减少人为评分的主观偏差；减少对人力资源的依赖，长期来看，有助于降低考试评分成本；避免人为情感和偏见，提高评分的客观性。

主权项：1.一种基于HanLP的无纸化考试主观题自动评阅方法，其特征在于，包括以下过程：步骤1，对主观题参考答案进行预处理；步骤包括段落拆分、语句拆分、词语拆分、关键词设定、语句得分点设定、关键词得分点设定、得分规则设定和生成自定义词典；其中，词语拆分是基于Hanlp设置自定义词典路径、采用双向最长匹配并开启合并与词性标注功能，对语句拆分的语句列表中的语句进行逐句词语拆分，拆分的词语按照语句为单位分别存储，形成词语列表；通过以上步骤形成试题阅卷规则结构，包含试题ID、试题分数、句子数量和句子列表；其中，句子列表包含句子分数、句子内容、判分方式、关键词分数和关键词列表；所述关键词设定，具体为：在词语拆分后得到的词语列表中选择关键词，并放置到关键词列表中；为确保试题关键词的准确性和相关性，采用复选列表展示方式，在获取的词语列表中，形成一个可供选择的复选列表，这个列表包含了所有可能的词语及其对应的属性信息，包括词性、词义和出现频率；命题专家将访问这个复选列表，进行关键词的选择，对每个词语进行复选，完成关键词设定，命题专家将通过逐句循环选择的方式，对试题中的每一句进行关键词的设定；所述关键词得分点设定包括匹配得分和漏词扣分两种方式，设定本语句关键词的总分；其中，匹配得分方式为本语句关键词得分等于关键词总分除以关键词数量乘以匹配数量；首先，系统将分析参考答案本语句中的关键词，并记录它们的数量以及它们的总分数；其次，系统将根据预设的阈值，对考生的答案进行逐个分析，统计考生答案中与参考答案中本语句关键词的匹配情况；如果出现多个考生答案中的关键词对应同一个参考答案中的关键词，系统将采用匹配度最高的关键词，以确保评分的准确性；最后，系统将综合以上信息，计算出考生在本语句关键词上的得分；其中，漏词扣分方式为本语句关键词扣分等于关键总分除以关键词数量乘以漏词数量；首先，系统将从标准答案中获取本语句的关键词，并记录这些关键词的数量以及它们得分；其次，系统将根据预设的阈值，对考生的答案进行详细分析，以统计考生答案中关键词与标准答案中本语句关键词的匹配程度；如果出现多个考生答案中的关键词对应同一个参考答案中的关键词，系统将采用匹配度最高的关键词；接下来系统进行反向统计，识别并记录那些在考生答案中未能与标准答案中本语句关键词匹配的关键词；最后，系统将综合以上统计信息，计算出考生因遗漏关键词而应被扣除的分数，扣分将基于关键词的重要性和考生答案中关键词的遗漏情况；步骤2，对主观题考生答案进行预处理；步骤包括段落拆分、语句拆分和词语拆分，其中，词语拆分采用HanLP分词模型，并融合分词策略；最终形成待评阅试题结构，包括试题ID、得分、句子数量和句子列表；句子列表包含句子内容、句子得分、相似度、得分方式、关键词得分和关键词列表，关键词列表包含关键词和相似度；所述词语拆分，采用HanLP分词模型，并融合三种不同的分词策略，包括CTB分词模型、PKU分词模型以及BERT分词模型，这三种模型各自针对不同的分词需求和场景，通过多次分词并合并去重，并包括以下过程：首先，利用HanLP提供的CTB分词模型对语句进行第一次分词，能够识别和拆分出复杂的语法结构和词汇；接着，对语句进行第二次分词，使用的是HanLP的PKU分词模型，能够识别和处理日常使用的词汇和句子结构；最后，对语句进行第三次分词，采用的是HanLP的BERT分词模型，能够捕捉句子中的细微语义差异；通过这三次分词，得到三个不同角度的词语列表；为了合并这些列表并去除重复的词语，使用HanLP的去重功能，确保最终考生答案词语列表的准确性和完整性；步骤3，对考生答案进行相似度计算；步骤包括语句相似度计算、查找最匹配语句和词语相似度计算；步骤4，试题得分计算；步骤包括计算参考答案语句得分和计算本题总得分。

全文数据：

权利要求：

百度查询： 山东千人考试服务有限公司 一种基于HanLP的无纸化考试主观题自动评阅方法