(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210349192.1 (22)申请日 2022.04.01 (71)申请人 郭兵 地址 315100 浙江省宁波市 鄞州区精英路1 号 (72)发明人 郭兵　 (51)Int.Cl. G06F 40/211(2020.01) G06F 40/289(2020.01) G06F 40/30(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 50/20(2012.01) (54)发明名称 基于人工智能的智慧教育自动阅卷方法及 系统 (57)摘要 本发明涉及人工智能技术领域， 具体涉及一 种基于人工智能的智慧教育自动阅卷方法及系 统。 该方法分别获取主观题的学生答案和对应的 标准答案的多个句子； 利用LS TM网络提取每个句 子的初始全局语义特征； 基于句子成分为句子的 每个词分配初始化权重以得到每个句子的语义 特征； 利用初始全局语义特征和语义特征训练全 连接神经网络； 由全 连接神经网络得到的长句子 中每个词向量的权重对句子进行截 取， 将截取后 的句子输入LSTM网络得到全局语义特征； 由学生 答案和标准答案中句子之间全局语义特征的相 似度得到主观题的评分结果。 基于句子成分， 由 句子中每个词的权重对长句子进行截 取， 使得截 取后长句子的语义特征的损失最小， 降低了主观 题评分结果的误差 。 权利要求书2页 说明书6页 附图2页 CN 114781357 A 2022.07.22 CN 114781357 A 1.一种基于人工智能的智慧教育自动阅卷 方法， 其特 征在于， 该 方法包括： 获取主观题的学生答案和对应的标准答案， 对所述学生答案和所述标准答案分别进行 分句预处 理以得到多个句子； 对所述句子进行分词操作后将每个词生成词向量， 将所述词向量与LSTM网络的输入长 度匹配以通过 所述LSTM网络提取 出每个所述句子的初始全局语义特 征； 基于句子成分为所述句子 中的每个所述词向量分配初始化权重， 对每个所述词向量和 对应的所述初始 化权重进 行加权求和得到每个所述句子的语义特征； 利用所述初始全局语 义特征和所述语义特 征构建的损失函数训练所述全连接神经网络； 当所述句子的所述词向量大于所述LSTM网络的输入长度时， 利用训练好的所述全连接 神经网络得到所述句子中每个所述词向量的权重； 根据所述权重对所述句子的所述词向量 进行截取， 将截取后的所述词向量输入所述 LSTM网络得到每 个所述句子的全局语义特 征； 根据所述学生答案和所述标准答案中每个所述句子之间所述全局语义特征的相似度 得到所述主观 题的评分结果。 2.如权利要求1所述的方法， 其特 征在于， 所述分句预处 理的方法， 包括： 根据所述学生答案和所述标准答案中的标点符号进行分句； 所述标点符号包括句号和 分号。 3.如权利要求1所述的方法， 其特征在于， 所述将所述词向量与LSTM网络的输入长度匹 配以通过 所述LSTM网络提取 出每个所述句子的初始全局语义特 征的方法， 包括： 由所述词向量构成所述句子的初始特 征矩阵； 根据所述LSTM网络的输入长度设定滑窗的尺寸， 利用所述滑窗对所述初始特征矩阵从 上到下进行截取 得到与所述 LSTM网络的输入长度匹配的所述特 征矩阵； 将所述特 征矩阵通过 所述LSTM网络得到每 个所述句子的初始全局语义特 征。 4.如权利要求3所述的方法， 其特征在于， 当截取的所述特征矩阵与所述LSTM网络的输 入长度不匹配时， 在所述特征矩阵的末端进行补零操作， 使得所述特征矩阵与所述LSTM网 络的输入长度匹配。 5.如权利要求1所述的方法， 其特 征在于， 所述损失函数为： 其中， Loss为所述损失函数； N为所述句子的数量； Yi为第i个所述句子的所述初始全局 语义特征； 为第i个所述句子的所述语义特 征。 6.如权利要求1所述的方法， 其特征在于， 当所述句子的所述词向量小于或等于所述 LSTM网络的输入长度时， 直接利用所述 LSTM网络获取 所述句子的所述全局语义特 征。 7.如权利要求1所述的方法， 其特征在于， 所述利用训练好的所述全连接神经网络得到 所述句子中每 个所述词向量的权 重的方法， 包括： 将上一个所述句子的所述全局语义特征输入所述全连接神经网络得到相邻下一个所 述句子中每 个所述词向量的所述权 重。 8.如权利要求1所述的方法， 其特征在于， 所述根据 所述权重对所述句子的所述词向量 进行截取的方法， 包括： 根据所述权重从小到大的顺序， 依次从所述权重的最小值所对应的所述词向量进行截权　利　要　求　书 1/2 页 2 CN 114781357 A 2取， 直到截取后的所述词向量与所述 LSTM网络的输入长度匹配。 9.如权利要求1所述的方法， 其特征在于， 所述句子成分包括主语、 谓语、 宾语、 补语、 定 语、 时间状 语、 地点状语和同位语。 10.一种基于人工智能的智慧教育自动阅卷系统， 包括存储器、 处理器以及存储在所述 存储器中并可在所述处理器上运行 的计算机程序， 其特征在于， 所述处理器执行所述计算 机程序时实现如权利要求1～ 9任意一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 114781357 A 3