(19)中华 人民共和国 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 202111674151.1 (22)申请日 2021.12.31 (71)申请人 科大讯飞华 南人工智能研究院 （广 州） 有限公司 地址 511466 广东省广州市南沙区丰泽 东 路106号 （自编1号楼） X13 01-G5145 (72)发明人 钟志成　王永康　 (74)专利代理 机构 深圳市力道知识产权代理事 务所(普通 合伙) 44507 代理人 何姣 (51)Int.Cl. G06F 16/35(2019.01) G06F 16/33(2019.01) G06F 16/36(2019.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 题目批改方法、 模型的训练方法、 计算机设 备及存储介质 (57)摘要 本申请实施例提供了一种题目批改方法、 模 型的训练方法、 计算机设备及存储介质， 批改方 法包括： 对题目文本、 标准答案文本和学生作答 文本进行编码， 得到题目特征向量、 标准答案特 征向量和学生作答特征向量； 对题目特征向量和 标准答案 特征向量进行对齐融合处理， 得到第一 融合向量； 对题目特征向量和学生作答特征向量 进行对齐融合处理， 得到第二融合向量； 将第一 融合向量与第二融合向量进行对齐融合， 得到第 三融合向量； 根据第三融合向量生成学生作答文 本的批改结果； 通过将学生作答文本的信息与标 准答案文本的信息进行对齐融合， 对齐融合的结 果可以较好的指示哪些学生作答步骤需要与标 准答案中的哪些步骤进行比较， 从而提高题目批 改的准确性。 权利要求书2页 说明书12页 附图3页 CN 114328931 A 2022.04.12 CN 114328931 A 1.一种题目批改方法， 其特 征在于， 包括： 获取题目文本、 标准 答案文本和学生作答文本； 对所述题目文本、 标准答案文本和学生作答文本各自进行编码， 得到题目特征向量、 标 准答案特征向量和学生作答特 征向量； 对所述题目特征向量和所述标准答案特征向量进行对齐融合处理， 得到第一融合向 量； 对所述题目特征向量和所述学生作答特征向量进行对齐融合处理， 得到第二融合向 量； 将所述第一融合向量与所述第二融合向量进行对齐融合， 得到第三融合向量； 根据所述第三融合向量 生成所述学生作答文本的批改结果。 2.如权利要求1所述的题目批改方法， 其特征在于， 所述对所述题目文本进行编码， 得 到题目特 征向量， 包括： 对所述题目文本中的每 个词进行编码， 得到词编码向量； 基于预设的学科知识图谱， 根据所述词编码向量， 确定所述题目文本对应的题目特征 向量。 3.如权利要求1所述的题目批改方法， 其特征在于， 所述标准答案特征向量包括所述标 准答案文本中各步骤的第一步骤向量， 所述学生作答特征向量包括所述学生作答文本中各 步骤的第二 步骤向量。 4.如权利要求1所述的题目批改方法， 其特征在于， 所述对所述题目特征向量和所述标 准答案特征向量进行对齐融合处 理， 包括： 将所述题目特征向量作为查询项， 将所述标准答案特征向量作为键值对输入自注意力 机制模型， 得到第一融合向量； 所述对所述题目特征向量和所述学生作答特征向量进行对齐融合处理， 得到第 二融合 向量， 包括： 将所述题目特征向量作为查询项， 将所述学生作答特征向量作为键值对输入自注意力 机制模型， 得到第二融合向量。 5.如权利要求1 ‑4中任一项所述的题目批改方法， 其特征在于， 所述将所述第 一融合向 量与所述第二融合向量进行对齐融合， 得到第三融合向量， 包括： 将所述第一融合向量作为查询项， 将所述第 二融合向量作为键值对输入自注意力 机制 模型， 得到第三融合向量。 6.如权利要求5所述的题目批改方法， 其特征在于， 所述自注意力 机制模型对所述题目 特征向量和所述标准答案特征向量进 行对齐融合处理 时， 确定所述题目文本中若干知识 点 与所述标准答案文本中各步骤对应的第一注意力权重， 及根据所述第一注意力权重对所述 标准答案特征向量进行加权求和， 得到所述第一融合向量； 所述自注意力机制模型对所述题目特征向量和所述学生作答特征向量进行对齐融合 处理时， 确定所述题目文本中若干知识 点与所述学生作答文本中各步骤对应的第二注意力 权重， 及根据所述第二注意力权重对所述学生作答特征向量进行加权求和， 得到所述第二 融合向量； 所述自注意力 机制模型对所述第 一融合向量与 所述第二融合向量进行对齐融合处理，权　利　要　求　书 1/2 页 2 CN 114328931 A 2确定所述标准答案文本中各步骤与所述学生作答文本中各步骤对应的第三注意力权重， 以 及根据所述第三注意力权 重对所述第二融合向量进行加权求和， 得到所述第三融合向量； 所述方法还 包括以下至少一项： 根据所述第一注意力权 重， 确定所述标准 答案文本中各步骤 对应的知识点； 根据所述第二注意力权 重， 确定所述学生作答文本中各步骤 对应的知识点； 根据所述第三注意力权重， 确定所述标准答案文本中各步骤和/或所述学生作答文本 中各步骤的对应关系。 7.一种题目批改模型的训练方法， 其特 征在于， 包括： 获取题目文本、 标准答案文本和学生作答文本， 以及所述学生作答文本对应的标注的 批改结果； 基于所述题目批改模型的编码模型， 对所述题目文本、 标准答案文本和学生作答文本 各自进行编码， 得到题目特 征向量、 标准 答案特征向量和学生作答特 征向量； 基于所述题目批改模型的自注意力 机制模型， 对所述题目特征向量和所述标准答案特 征向量、 所述学生作答特 征向量进行对齐融合处 理， 得到第三融合向量； 基于所述题目批改模型的批改模型， 根据 所述第三融合向量生成所述学生作答文本的 批改结果； 根据所述学生作答文本对应的生成的批改结果， 和标注的批改结果， 调整所述题目批 改模型的模型参数。 8.如权利要求7 所述的训练方法， 其特 征在于， 所述训练方法还 包括： 根据不同学生作答文本对应的标注的批改结果， 确定所述不同学生作答文本之间的第 一批改结果差值； 根据不同学生作答文本对应的第 三融合向量， 生成所述不同学生作答文本之间的第 二 批改结果差值； 根据所述第 一批改结果差值与所述第 二批改结果差值， 调整所述题目批改模型的模型 参数。 9.一种计算机设备， 其特 征在于， 所述计算机设备包括存 储器和处 理器； 所述存储器用于存 储计算机程序； 所述处理器， 用于执 行所述计算机程序并在执 行所述计算机程序时实现： 如权利要求1 ‑6中任一项所述的题目批改方法的步骤； 和/或 如权利要求7 ‑8中任一项所述的题目批改模型的训练方法的步骤。 10.一种计算机可读存储介质， 所述计算机可读存储介质存储有计算机程序， 其特征在 于， 若所述计算机程序被处 理器执行， 实现： 如权利要求1 ‑6中任一项所述的题目批改方法的步骤； 和/或 如权利要求7 ‑8中任一项所述的题目批改模型的训练方法的步骤。权　利　要　求　书 2/2 页 3 CN 114328931 A 3