基于改进的LDA模型的中文主观题自动评分研究-计算机科学.PDFVIP

第 44 卷第11A 期 Vo l. 44 No. 11A 计算机科学 2017 年 11 月 COMPUTER SCIENCE Nov.2017 基于改进的 LDA 模型的中文主观题自动评分研究 罗海般柯晓华 (广东外语外贸大学思科信息学院 广州、I 510006) (广东外语外贸大学语言工程与计算实验室 广州I 510006) 摘 要 主观题自动评分(Automated Scoring Subjective Responses ,ASSR)在语言学习与语言测试领域的诊断信息 及信度方面具有重要的应用前景。将主题模型中的隐含狄利克雷分配(Latent Dirichlet Allocation ,LDA) 引入到中文 主观题自动评分中，提出了一种结合专家知识的改进的 LDA模型，并采用了一种综合文档隐含主题概率向量及隐含 主题核心询项概率向量的文本特征表示方式。实验对比了改进的 LDA 与潜在语义分析(Latent Semantic Analysis , LSA) 的自动评分效果，结果表明改进的 LDA模型在中文主观题自动评分中切实有效。 关键词 主观题自动评分，潜在语义分析 (LSA) ，隐含狄利克雷分自己(LDA) ，绝对一致性，相邻一致性 中固法分类号 TP18 文献标识码 A Automated Scoring Chinese Subjective Responses ßased on Improved-LDA LUO Hai-jiao KE Xiao-hua (Cisco School of Informatics ,Guangdong University of Foreign Studies ,Guangzhou 510006 ,China) (Laboratory of Language Engineering and Computing ,Guangdong University of Foreign Studies ,Guangzhou 510006 ,China) Abstract Automated scoring subjective responses (ASSR) have great promise for providing diagnostic information and reliability to aid language learning and testing. In the presnt study ,we introduced the latent Dirichlet allocation (LDA) into an automated scoring task with Chinese subjective responses , and an improved LDA model with experts know ledge was proposed. In the novel model ,we proposed a text feature representation approach integrating document-latent topic probability vector and latent topic-core terms probability vecto r. Experiment results show that the improved-LDA is better than LSA in terms of the autoscoring performan