一种基于深度学习BERT--CNN的主观题评分模型及评分方法

专利申请号：CN201910423110.1

公 开 号：CN110309503A

发 明 人：侯开虎 肖灵云 戴洪涛 杨少琦 

专利类型：发明申请

申 请 日：20191008

公 开 日：20190521

专利主分类号：G06F17/27(20060101)

关 键 词：词向量 答案 语义特征提取 相似度计算模块 矩阵 矩阵模块 评分模块 特征向量 文本语义 相似度 主观题 文本 关键词匹配 评分结果 评分模型 人力成本 文本转换 语义特征 转换 池化 卷积 向量 应用 学习 

摘      要：本发明公开了一种基于深度学习BERT‑‑CNN的主观题评分模型及评分方法，包括BERT转换词向量矩阵模块、CNN语义特征提取模块、相似度计算模块、评分模块，其中BERT转换词向量矩阵模块，用于将所述答案文本转换为词向量矩阵，然后将各答案的词向量矩阵传至CNN语义特征提取模块，CNN语义特征提取模块用于获取所述答案文本的语义特征向量，包括卷积层和池化层，获得各答案文本语义特征向量，并将其输送到相似度计算模块，计算出各答案文本语义特征向量之间的相似度值，然后将相似度值输送到评分模块，用于确定答案文本的得分，本发明应用于主观题评分中,可以有效降低人力成本，且可以克服人工评分中仅仅进行关键词匹配所造成的评分结果不准确、评分不公平的问题。