一种基于大学计算机基础考试系统的操作题自动阅卷算法

大学计算机基础考试主观操作题依靠人工阅卷,工作量大,效率低。为解决该问题,提出一种自动阅卷算法,算法基于Visual Basic语言,应用VBA技术,设置“评分表”,对标准关键字模糊集与操作结果模糊集进行相似度匹配。结果表明该算法简单且高效。     

Word自动阅卷系统的设计与实现

概述了现有的Office自动阅卷的类型与方法。相对于记录操作步骤进行评分的方法,分析结果文档实现阅卷评分的方法具有明显的优势,不存在适应性差与误判问题而被广泛采用。提出了基于COM自动化技术进行自动阅卷的方法,它可以克服其它方法所具有的编程难、速度慢、对文档类型有限制等缺点。介绍了基于COM自动化技术设计的Word自动阅卷系统逻辑框架,给出了系统组件的主要算法,并对配置文件形成语法进行了定义。以测试参数配置工具为例,介绍了主要实现技术。     

利用深层语言分析改进中文作文自动评分方法

利用自然语言处理技术对作文进行自动评阅是有重要意义和挑战的研究课题,引起了人工智能领域与教育领域学者的共同关注。该文聚焦于语文作文自动评分任务,提出通过深层语言分析,包括应用高性能别字、语法纠错器分析语言运用能力,采用自动修辞分析、优秀表达识别等手段反映语言表达能力,以及通过细粒度篇章质量分析评估篇章整体质量,来构建有效特征。该文同时提出了结合语言分析特征与深度神经网络编码的自适应混合评分模型。在真实语文作文数据上的实验表明,融入深层语言分析特征可有效提高作文评分效果;年级与主题自适应的模型训练策略,可提高模型的迁移能力和预测效果。消融实验进一步分析和解释了不同类型特征对评分效果的贡献。     

Word文档对象分析与自动阅卷的实现

利用Office软件的宏功能、VBA组件等技术对Word文档对象属性进行分析,并且对Word文档考核属性进行分类编码．生成评分形式语言信息。然后根据自动阅卷算法,运用VB工具．查询、匹配数据库和考生操作的VBA属性值,从而实现Word文档的评分与自动阅卷。     

基于字符串匹配算法的Word阅卷系统实现

为了解决Word操作题自动阅卷系统通用性和容错性问题,提出了基于字符串匹配算法的Word自动阅卷系统设计方案。系统采用VBA技术构建,并制定了Word操作评分点规则。根据评分点不同,采用字符串匹配算法,解决Word改卷过程当中不能正确确定对象位置的问题。实验证明系统具有很好的改卷容错能力,新的自动阅卷系统方案是有效的。     

程序设计题自动评分方法研究

目前在计算机考试自动评分系统中,最能反映考生水平的程序设计类问题缺少有效的解决方法。本文通过分析常见自动评分过程,将评分方法进行分类,剖析了阅卷中的关键编译技术对评分准确率的影响,针对动态测试与静态分析相结合的自动评分方法和基于程序理解的综合型自动评分方法的算法策略及评分步骤,给出在算法和编译运行方面提高评分效果的解决途径。     

基于模糊理论的自动阅卷算法

主观题阅卷一直以来束缚着计算机自动阅卷技术的发展.针对这一问题,本文通过分析主观题人工阅卷的思维习惯入手,在基于模糊数学中贴近度理论基础上,引入了单向贴近度的概念,设计了一个主观题自动评分的算法,为主观题自动阅卷评分提供了一种比较有效的方法.     

格语法在主观题自动阅卷中的应用

主观题阅卷技术是计算机自动阅卷中的关键技术。国内外专家都致力于自动批改技术的研究,但成熟应用的系统很少。语句相似度计算是主观题自动阅卷的关键问题,本文结合格语法进行语义分析,在此基础上设计语句相似度算法,能有效提高评分准确率。     

Word文档中表格插入题自动阅卷技术研究

系统自动阅卷评分是计算机考试系统开发的主要关键技术,主观题阅卷需要针对具体题目设计相应算法.在分析考试系统对Word表格插入题阅卷检测要点的基础上,给出了其自动阅卷的算法与流程图.     

C语言上机考试及自动评分系统的研究与实现

C语言是目前国际上十分流行的一种计算机高级程序设计语言,在中国各类高等院校的计算机及相关专业中,C语言已经被列为一门非常重要的必修的基础课程.在这个该课程考核中,以前使用的传统手工阅卷已经慢慢走向计算机自动评阅.目前很多关于C语言的上机考试系统,客观题自动评分技术比传统的阅卷方式更加成熟.但对于程序设计题,阅卷方式主要采用的是结果比对评分法,这种方式即只依据程序运行结果与标准结果对比,然后根据相符程度给出一定的分数,这种情况下,在一定的程度上,并不会仔细检查考生的答案,显然在这种阅卷方式下不能反映考生的真实水平,并且造成对于某些学生不公平的情况.而且大部分这样的考试系统,也是基于C/S模式的,存在一系列的问题.针对上述问题,出现了一种新型的阅卷方式,C语言课程的完全无纸化考试及自动评阅,尤其是对程序设计题的自动评阅,减少老师们的阅卷工作量,提高公正性和准确性;另一方面,为C语言教学网站提供一套比较完善的自我测试系统,为进行C语言的教学和促进学生的自主学习提供更好的基础和支持.在这个系统开发中,主要对考试系统中的自动组卷、考生考试及自动评分系统分别进行了研究和设计,重点是程序设计题的自动评分方法.在比较结果的评分方法基础上,设计了修复编译评分与关键代码对比相结合的方法,使评分结果更加公正、准确.而对于错误严重、无输出结果或结果不正确的程序,则对程序进行关键代码对比,根据对比情况给出相应分数,使评分结果更加接近于人工阅卷.在设计系统的过程中,我们十分重视用户的需求,注重软件的实用性.该系统设计成功后,经过大量测试和一定范围试用,初步证明该系统运行稳定,自动评分准确,评分标准统一,整体效果良好,具有很好的实用价值和应用前景.     

维吾尔语KP_V句型的文法手语编辑系统的设计

自然语言书面表达通过文字符号载体来实现,聋哑学生经过专门的训练才能掌握理解和运用书面语言的能力。为实现基于虚拟人的手语合成技术的维吾尔文书面语用手语符号表达,对维吾尔语KP_V句型分析,提出了该句型的文本内容用手势语和手指语表示的转换方法,给出了维吾尔文法手语编辑系统的流程。系统通过虚拟人建模、手语库构建、姿态编辑,运用插值算法合成显示播放,实现了维吾尔文法手语编辑。该研究对基于拼音文字的维吾尔文本转换为混合手势语和手指的手语合成系统设计与实现具有参考意义。     

Logical reasoning in natural language: It is all about knowledge

A formal, computational, semantically clean representation of natural language is presented. This representation captures the fact that logical inferences in natural language crucially depend on the semantic relation of entailment between sentential constituents such as determiner, noun, adjective, adverb, preposition, and verb phrases.The representation parallels natural language in that it accounts for human intuition about entailment of sentences, it preserves its structure, it reflects the semantics of different syntactic categories, it simulates conjunction, disjunction, and negation in natural language by computable operations with provable mathematical properties, and it allows one to represent coordination on different syntactic levels.The representation demonstrates that Boolean semantics of natural language can be successfully modeled in terms of representation and inference by knowledge representation formalisms with Boolean semantics. A novel approach to the problem of automatic inferencing in natural language is addressed. The algorithm for updating a computer knowledge base and reasoning with explicit negative, disjunctive, and conjunctive information based on computing subsumption relation between the representations of the appropriate sentential constituents is discussed with examples.     

多语种自然语言生成系统中的预映射句子规划器

自然语言生成是研究如何用计算机来生成自然语言文本的研究领域 ,经典结构是宏观规划、微观规划和表层生成的流水线结构 .分析了多语种自然语言生成系统 ACNL G中的微观规划器 ,提出了“基于语言资源预映射的句子优化器”,它不仅对句子进行优化 ,而且负责将语种无关的文章内容映射到具体语种的表达方式中 .其核心思想就是将处理过程同具体语种的语言资源相分离 ,但同时又以语言资源为导向 ,既继承了现有方法的优点 ,同时也解决了多语种条件下各语种之间细微差别的处理问题 ,使句子优化能够针对目标语种的特点进行优化操作 ,从而使优化效果有实质的提高 ,进一步发展了多语种文本生成的理论     

面向机器翻译的中国手语的理解与合成

自然语言与可视化语言之间的自动翻译研究具有重大的现实意义和学术研究价值,它是一个崭新的、有发展前任的研究领域。该文从机器翻译的角度来考察汉语和中国手语之间的相同之处和差异,探讨两种语言在语序、句子结构、短语结构、特殊词类等方面的特点,建立了汉语中国手语机器翻译的一系列规则。在此基础之上,采用规则解释方法实现了一个汉语至可视化语言中国手语的翻译系统。     

自然语言水印隐蔽性自动评测方法

对自然语言水印(NLW)隐蔽性评测的缺乏严重影响了该领域技术的发展,为此,结合NLW的特点和语言心理学,以人类对语言释义的速度及难易程度为依据,提出了NLW隐蔽性的感知模型和相应的评测方案：从语法错误、搭配错误和语义损失三个方面对隐蔽性进行评测。最后,针对四种不同水印技术(基于绝对同义词替换的T-Lex水印系统、相对同义词替换水印系统、基于句法树的水印系统和中文句法水印系统),一方面利用该方案进行自动评测,另一方面进行置信度为90%的人工评测。两种方法得到了相同的结论：基于词汇的NLW技术的隐蔽性优于基于句子的NLW技术,说明该自动评测方法是评测NLW隐蔽性的有效评测方法。     

基于篇章理解的自动文摘研究

本文在自然语言理解的基础上, 对自动文摘系统进行研究。研究在两级上进行, 一级是基于中心名词, 中心动词同其修饰成分间关系研究, 实现句子成分过滤, 完成句子主干提取。一级是上下文级, 基于篇章文体结构, 句子语义关联, 分别实现摘要基集产生算法, 摘要基集扩充算法及摘要集合生成算法。摘要基集的产生依赖于中心段, 中心句选取, 摘要基集扩充和摘要集合产生依赖于模糊语义距离的测试。     

《C 语言程序设计》课程自动评分系统综述

C 语言是国际上广泛流行的计算机高级程序设计语言,也是我校计算机、电子、自动化、机电等相关专业的一 门必修课。开发一个合理的C 语言程序设计课程自动评分系统,可以节省教师大量的改卷时间,实现无纸化考试,从而可以将 自动评分系统推广到其它课程中。     

ESM:一种增强语义匹配的语句评分模型

语义匹配问题是自然语言处理的核心问题之一。基于语义的匹配,即通过提取文本内在语义进行匹配度计算,是目前自然语言处理领域研究的热点。传统的语义匹配模型并没有结合语句通顺度等多种要素综合评价,因此效果较差。提出一种增强语义匹配模型,模型在文本相似度计算的基础上,增加通顺度因子,并通过大量数据来调整最优参数。通过自动阅卷系统进行测试,对比3种常用的自动阅卷评分模型验证该模型能有效降低平均误差值。     

标准SQL语言中Select语句模糊扩展

在模糊理论基础上,建立了基于通用模糊类型的模糊知识表,定义了标准SQL语言中select语句的模糊条件格式,并构造了模糊select语句的解释函数,用户如同写普通精确select语句一样书写模糊语句,系统通过解释函数自动识别并执行,在关系数据库基础上实现了SQL语言中select语句的模糊扩展.     

Automatic pronunciation scoring of words and sentences independent from the non-native’s first language

This paper describes an approach for automatic scoring of pronunciation quality for non-native speech. It is applicable regardless of the foreign language student’s mother tongue. Sentences and words are considered as scoring units. Additionally, mispronunciation and phoneme confusion statistics for the target language phoneme set are derived from human annotations and word level scoring results using a Markov chain model of mispronunciation detection. The proposed methods can be employed for building a part of the scoring module of a system for computer assisted pronunciation training (CAPT). Methods from pattern and speech recognition are applied to develop appropriate feature sets for sentence and word level scoring. Besides features well-known from and approved in previous research, e.g. phoneme accuracy, posterior score, duration score and recognition accuracy, new features such as high-level phoneme confidence measures are identified. The proposed method is evaluated with native English speech, non-native English speech from German, French, Japanese, Indonesian and Chinese adults and non-native speech from German school children. The speech data are annotated with tags for mispronounced words and sentence level ratings by native English teachers. Experimental results show, that the reliability of automatic sentence level scoring by the system is almost as high as the average human evaluator. Furthermore, a good performance for detecting mispronounced words is achieved. In a validation experiment, it could also be verified, that the system gives the highest pronunciation quality scores to 90% of native speakers’ utterances. Automatic error diagnosis based on a automatically derived phoneme mispronunciation statistic showed reasonable results for five non-native speaker groups. The statistics can be exploited in order to provide the non-native feedback on mispronounced phonemes.