基于藏语句多特征融合的主观题自动评分算法

3.3
句子长度相似度计算
假设学生答案和标准答案的句子文本字符串分别
SentMeanSim(S1 S 2) =
å åWeight x y å β ´ vz
z=1
k
Nx
=
为 S1 和 S 2 令 Length(S1) 和 Length(S 2) 为字符串长度， 其 中在计算句子长度时， 不排除格助词和虚词， 则句子长 度相似度为：
于洪志， 夏建华， 万福成， 等： 基于藏语句多特征融合的主观题自动评分算法
2014， 50 （5）
217
键词语， 即考试答案以指定教材为参考。比如， 名词解 释： ， 其中， 、 和 为关键词内 ， 由于句中关键 词部分是该名词解释的主要意思的表达， 因此， 句子中 的主要关键词是不能变化的。简答题的答案是由多个 知识点构成， 可以分为多个句子或者多个段落组成， 比如： （1） （2） （4） （5） 。本算法所使用的藏语主观题既具有主 观性又具有客观性， 主观性体现在学生可以根据自己对 教材知识的理解， 组织语言进行解答； 客观性体现在学 生答案中必须包括客观题所包含的具有客观性的关键词 部分， 比如名词解释的举例中 为关键词内容。 由于在藏文句子相似度计算等信息处理方面缺乏 类似 《知网》 和 WordNet 的藏文详细知识词典， 本文以藏 语主观题的标准答案与学生答案 （二者皆为文本内容） 为计算内容， 根据二者之间的关键词词形、 词序、 句长、 句子和段落语义相似度的多特征融合计算来实现主观 题自动评测。 算法基本思想： 首先， 自动评分算法对参考答案和 学生答案进行分句处理， 即标准答案和学生答案被切分 成多个子句， 形成句集； 其次， 根据藏语词库和自定义关 键词， 将藏语子句集进行分词处理 [6-7]， 形成藏语词集合； 再次， 进行藏语词相似度计算， 然后， 根据词相似度计算 藏语句子相似度； 最后， 对藏语主观题的标准答案与学 生答案进行自动评分。其算法思想流程如图 1 所示。 、 和 （3） 容， 当句子发生了不同句子但意思相同的情况时， 比如：
语等其他语言考试系统都已经相对成熟， 但是， 在藏语 主观题的自动评测中， 大部分考试试题的评分策略仍然 采用教师手动评阅， 所以， 藏语主观题自动评分策略成 为藏语在线考试系统的关键技术难点， 其涉及到藏语分 词， 人工智能和模式识别等多方面的交叉知识点。藏语 主观题的自动评分算法主要是通过计算藏语句之间的 相似度， 并根据其相似度和相关权值， 给出评阅分值。 在计算语句相似度方面， 文献 [1] 采用动态规划算法计 算短语相似度， 并将其应用于主观题自动评阅。文献 [2] 采用散列单词倒排索引的粗选算法， 进行藏语句相似度 的计算。文献 [3] 采用倒排索引表和句子长度表计算语 句相似度， 以及其他自动评测算法
Keysim(S1 S 2) = 2 ´ |S1 S 2| |S1| + |S 2|
（1）
其中，P1 P 2 表示标准答案与学生答案之间关键词集 合的相同元素的序列集合。
3.2
词序相似度计算
在藏语语法和藏语句子结构中， 句子的词序变化
则会引起句子的语义变化。如， 同一个词位置发生改 变则词性和词义则会发什么一定的改变。所以， 词序 的 变 化 会 影 响 句 子 的 相 似 度 。 假 设 句 子 S1 和 S 2 ，
WordOnce(S1 S 2) 表示在句子 S1 和 S 2 中仅出现一次的词
3 藏语句子相似度计算模型 3.1 关键词词形计算
关键词是指针对问题的求解， 其能够主要表达问题 主要解答内容的词语或者短语 （注意： 这里的关键词不 是指所有的名词、 代词、 动词或者形容词） 。为了保证标 准答案中关键词的正确切分， 对藏语词库添加标准答案
W i 为 S1 中的划分词，S 2 为从 设 S1 为藏语词集合， S 2 中提取出来的关键词序列集合。
（1） for (i = W ; i len(S1); i + + ) { If （藏语词 i 为关键词） 提取藏语词 i， 写入到 S 2 中； } （2） 形成藏语关键词序列集合 S 2 。 藏语关键词相似度计算： 在计算关键词相似度时， 设置某些专业名词、 专有 名词或者其他短语不可以用同义词替代， 设 S1 和 S 2 分 别为标准答案和学生答案的关键词序列集合， 则关键词 相似度为：
1
引言
藏语在线考试系统的客观题的自动评分策略与汉
计算策略在主观题评阅方面有所进步， 但在计算语句相 似度方面， 其缺乏对语句、 词语、 关键字和短语的语义关 系， 导致评阅效果不佳。本文在已有的语句相似度计算 策略的基础上， 针对藏语名词解释和解答题等主观题， 设计和提出了基于藏语语句相似度的主观题自动评分 算法， 并结合藏语同义词库， 融合藏语句子多特征计算 模型来计算句子相似度， 实验结果表明， 相对于其他自 动评分算法， 本文算法更加有效可靠， 误差更小。
x = 1y = 1 M
素的逆序数。因此， 句子 S1 和 S 2 的词序相似度计算 公式如下：
[10-11]
ReveseOrder (S1 S 2) ì ï1 - |WordOnce(S S )| - 1 if |WordOnce(S1 S 2)| > 1 ï 1 2 OrderSim(S1 S 2) = í （2） ï1 if |WordOnce(S1 S 2)| = 1 ï0 if |WordOnce(S S )| = 0 1 2 î
中自定义藏语词或藏语短语。然后， 根据藏语词库和停 用藏语词表， 对标准答案和学生答案进行关键词的划 分， 并 设 置 关 键 词 的 权 值 [8-9]。 例 如 ： ， 按照藏文分词， 则其中 ， 而 被划分成 是作为专有名词， 也是该名词
解释的关键词， 本文所使用的藏语词库和藏语同义词库 由本研究院语言监测技术研究中心提供。 关键词相似度计算流程： 首先， 提取藏语句中的关 键词， 形成关键词序列集合； 再次， 计算关键词相似度， 其中， 关键词相似度计算分为词形相似度计算和词序相 似度计算。 藏语关键词提取算法描述如下：
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。 关键词： 藏语主观题； 多特征融合； 语义相似度； 相似度矩阵 文献标志码： A 中图分类号： TP301.6 doi： 10.3778/j.issn.1002-8331.1209-0275
[4-5]
2
藏语主观题的自动评分算法思想
藏语主观题 （本 算 法 所 涉 及 的） 包括名词解释和
简答题。学生对主观题的解答主要是根据对指定教 材 内 容的理解和掌握， 对问题答案的解答中可以自行 组织句子的结构， 但句子中必须包含教材所指定的关
。上述语句相似度
基金项目： 国家科技支撑计划基金项目 （No.2009BAH41B01， No.2009BAH41B04） 。 作者简介： 于洪志 （1947—） ， 女， 教授， 博士生导师， 研究方向： 中文信息处理； 夏建华 （1984—） ， 男， 硕士研究生， 研究方向： 计算机 软件与理论； 万福成 （1986—） ， 男， 博士研究生， 研究方向： 中文信息处理； 陈新一 （1957—） ， 男， 教授， 硕士生导师， 研究 方向： 复杂网络与舆情监测。 E-mail： xiajh2008@ 收稿日期： 2012-09-25 修回日期： 2013-01-18 文章编号： 1002-8331 （2014） 05-0216-05 CNKI 网络优先出版： 2013-02-21, /kcms/detail/11.2127.TP.20130221.1108.001.html
216
2014，ቤተ መጻሕፍቲ ባይዱ50 （5）
Computer Engineering and Applications 计算机工程与应用
基于藏语句多特征融合的主观题自动评分算法
于洪志， 夏建华， 万福成， 陈新一
YU Hongzhi, XIA Jianhua, WAN Fucheng, CHEN Xinyi
西北民族大学 中国民族信息技术研究院， 兰州 730030 China Institute of Information Technology for Nationalities, Northwest University for Nationalities, Lanzhou 730030, China YU Hongzhi, XIA Jianhua, WAN Fucheng, et al. Automatic scoring algorithm for Tibetan subjective questions based on multi-features combination. Computer Engineering and Applications, 2014, 50 （5） ： 216-220. Abstract：This paper proposes an automatic scoring algorithm for Tibetan subjective questions based on multi-features combination, which establishes similarity computing model that consists of keyword-form, word-order, sentences length and semantic of sentence. This algorithm combines computing model with maximum similarity matrix to compute the result between standard answer and student’ s answer, in the end, scores automatically. The results of experiment prove, comparing with other algorithm, that this algorithm can effectively reduce the average deviation. Key words： Tibetan subjective question; multi-features combination; semantic similarity; similarity matrix 摘 要： 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