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：禾辰纵横信息技术有限公司

摘要：本发明涉及教育评估的技术领域，公开了一种基于人工智能的在线考评得分评估方法，方法包括：构建预训练文本理解模型对标准答案数据进行知识点抽取，得到标准答案知识点集合；对学生答案数据进行预处理得到预处理后的答案数据，预处理为口语化表达词汇文本化处理，使用预训练的文本理解模型对预处理后的答案数据进行答题要点提取，得到学生答题要点集合；将学生答案数据中的答题要点与标准答案知识点进行匹配，计算学生答案对标准答案知识点的覆盖度，知识点匹配的实施方法为文本相似性度量；根据计算得到的知识点覆盖度对学生答案数据进行评估。本发明可提高评估效率，减少人工评分的工作量和时间，降低评分过程中可能存在的主观性和误差。

主权项：1.一种基于人工智能的在线考评得分评估方法，其特征在于，所述方法包括：S1：构建预训练文本理解模型对标准答案数据进行知识点抽取，得到标准答案知识点集合；构建预训练文本理解模型，包括：所述预训练文本理解模型包括Transformer编码器层和知识点提取层，其中，Transformer编码器层由多个改进的Transformer编码器块构成，用于捕捉文本中的上下文信息；知识点提取层使用全连接层将Transformer编码器层的输出映射到预定义的知识点空间；所述改进的Transformer编码器为稀疏Transformer编码器，包括输入嵌入层、位置编码层、基于注意力的稀疏化层、多头自注意力层、残差连接与层归一化和前馈神经网络层，其中输入嵌入层将输入序列中的每个词或特征转换为嵌入向量表示；位置编码层为输入序列中的每个位置添加位置编码，以保留序列中的顺序信息；基于注意力的稀疏化层通过引入稀疏性来减少注意力计算的时间和空间复杂度；多头自注意力层进行多头注意力计算，并利用稀疏化后的注意力权重进行注意力加权求和；残差连接与层归一化在每个子层之后，应用残差连接和层归一化处理；前馈神经网络层通过两个全连接层和激活函数处理每个序列位置的注意力机制输出；所述改进的Transformer编码器的具体编码流程为：S11：初始化输入嵌入层和位置编码层，得到输入序列的嵌入表示；S12：将嵌入表示输入到基于注意力的稀疏化层进行注意力计算，并得到稀疏化的注意力权重；其中，注意力分数计算公式为： ；稀疏化的注意力权重计算公式为： ；其中，Q表示查询矩阵，K表示键矩阵，表示查询矩阵和键矩阵维度，topk表示保留的与查询相关性最高的k个注意力权重；normalize表示归一化操作；S13：将稀疏化的注意力权重应用到多头自注意力层，并利用注意力权重对输入进行加权求和得到注意力输出；其中，多头注意力分数计算公式为： ；多头注意力权重计算公式为： ；其中，表示第i个注意力头的查询矩阵，表示第i个注意力头的键矩阵，表示第i个注意力头的值矩阵，表示第i个注意力头的注意力权重计算结果，表示注意力头中查询矩阵和键矩阵维度；S14：在注意力输出上应用残差连接和层归一化；S15：将残差连接和层归一化后的输出输入到前馈神经网络层进行非线性变换；S16：在前馈神经网络层上再次应用残差连接和层归一化；S17：重复步骤S12-S16，堆叠多个编码器层，输出最终的编码表示；S2：对学生答案数据进行预处理得到预处理后的答案数据，所述预处理为口语化表达词汇文本化处理，使用预训练的文本理解模型对预处理后的答案数据进行答题要点提取，得到学生答题要点集合；S3：将学生答案数据中的答题要点与标准答案知识点进行匹配，计算学生答案对标准答案知识点的覆盖度，知识点匹配的实施方法为文本相似性度量；S4：根据计算得到的知识点覆盖度对学生答案数据进行评估。

全文数据：

权利要求：

百度查询： 禾辰纵横信息技术有限公司 一种基于人工智能的在线考评得分评估方法