一种概念增强表示与单向蕴含注意力的主观题自动阅卷神经网络模型

本发明公开了一种概念增强表示与单向蕴含注意力的主观题自动阅卷神经网络模型，结合双向长短时记忆神经网络BiLSTM和机器学习的条件随机场CRF的方法自动识别题目中的概念系列；通过多头注意力机制实现概念字嵌入向量序列对答案字嵌入向量序列的增强表示建模；并通过BiLSTM对答案上下文信息进行编码；通过一种单向注意力蕴含匹配的方式，估算出学生答案对参考答案的语义包含，进而在单向蕴含匹配向量的基础上聚集信息并进行学生答案得分区间的概率分布预测。包含概念提取层、答案表示层、概念增强表示层、上下文表示层、单向蕴含注意力层、聚集层和预测层。具有以下优点：无需额外的语义分析和人为规则；提高评卷的匹配精度；扩展评卷系统的自适应性与实用性。