基于VBA的簡答題自動閱卷系統(tǒng)相關(guān)算法研究

李瑩　楊春哲

摘要：在教育部大力倡導(dǎo)教育信息化發(fā)展的今天，自動閱卷技術(shù)的研究逐漸成為熱點，其已經(jīng)成為教育信息化平臺搭建中不可或缺的一部分。文章針對簡答題自動閱卷過程中涉及的分句與分詞算法、關(guān)鍵詞提取算法、相似度計算算法進(jìn)行了分析。

關(guān)鍵詞：自動閱卷系統(tǒng)；簡答題；分句算法；分詞算法；關(guān)鍵詞提取算法；VBA 文獻(xiàn)標(biāo)識碼：A

中圖分類號：TP316 文章編號：1009-2374（2015）35-0020-02 DOI：10.13535/j.cnki.11-4406/n.2015.35.010

1 分句與分詞的算法分析

分句算法與分詞算法是本系統(tǒng)針對簡答題進(jìn)行自動閱卷采用的兩種基本算法，對簡答題進(jìn)行自動閱卷的基本流程是：首先對學(xué)生答案按照標(biāo)點符號進(jìn)行分句（標(biāo)點主要為逗號、句號、分號、感嘆號等），接著對分得的子句進(jìn)行分詞，然后將分得的詞存儲為序列，最后對詞序列進(jìn)行關(guān)鍵詞抽取與標(biāo)準(zhǔn)答案進(jìn)行比較。如果將學(xué)生答案僅僅進(jìn)行關(guān)鍵詞比較就給出分?jǐn)?shù)，很容易產(chǎn)生誤判。所以本系統(tǒng)采用相似度計算算法，盡量將計算機自動閱卷結(jié)果接近教師人工閱卷結(jié)果，使考試結(jié)果更加公平。

1.1 分句算法分析

所謂的分句是指將學(xué)生答案的一整段話以中文中特定的句末標(biāo)點符號（如逗號、句號、分號、感嘆號等）為分割將其分成若干個子句，為了便于分析、提高閱卷速度，我們以學(xué)生答案中的任意標(biāo)點符號為標(biāo)志，將學(xué)生答案分割成若干子句。本閱卷系統(tǒng)對答案進(jìn)行分句處理的過程是：首先刪除答案前后的回車換行符，然后對答案進(jìn)行掃描，按照分句符號將答案分割成若干子句，把分割后的子句保存到子句數(shù)組中，經(jīng)過這一次掃描操作，將答案中的回車換行符去掉了。前面分析了分句處理的過程，下面就其算法進(jìn)行研究。

1.1.1 刪除學(xué)生答案中的回車換行符。自動閱卷系統(tǒng)所批閱的卷子基本上都是采用上機考試形式，這就不可避免地使學(xué)生在答題過程中不經(jīng)意地輸入回車換行符，而它對評分沒有任何意義。但是在計算機的存儲器中它是以字符的形式存儲的，在答案中分別占有一個字符的位置，如果不將其刪除，勢必會影響分詞處理。所以在考慮分句算法時，首先要去除學(xué)生答案中的回車換行符。算法如下：（1）取原始答案字符串key最左端的一個字符保存到str中，轉(zhuǎn)（2）；（2）判定str是否為換行符或者回車符，如果是，則把key中最左端一個字符去掉，轉(zhuǎn)（1）；如果不是，則說明答案前面已經(jīng)沒有回車換行符了，轉(zhuǎn)（3）；（3）取原始答案字符串key最右端一個字符保存到str中，判定str是否為回車符或換行符，如果是，則把key中最右端一個字符去掉，轉(zhuǎn)（3），若不是，則說明答案后面已經(jīng)沒有回車換行符，將key作為返回值，掃描結(jié)束。答案存放在key字符串中。

1.1.2 分句算法。刪除學(xué)生答案中的回車換行符后，依據(jù)學(xué)生答案段中的分句標(biāo)點符號進(jìn)行分句處理，遇到句號、分號、逗號等標(biāo)點符號將其分為一句，保存在答案的子句數(shù)組中。算法如下：（1）判斷key是否為空，如果是，結(jié)束，否則轉(zhuǎn)（2）；（2）從key左側(cè)取一個字符放入str中，判定str是否是分句標(biāo)點符號或者回車符，如果是，轉(zhuǎn)（3），如果不是，轉(zhuǎn)（5）；（3）如果str是分句標(biāo)點符號，則子句數(shù)組下標(biāo)加1，去除key左側(cè)的一個字符，轉(zhuǎn)（1），如果str是回車符，轉(zhuǎn)（4）；（4）判定str下一個字符是否為回車符或者換行符，如果是，去除key左側(cè)一個字符，取key下一字符放入str中，轉(zhuǎn)（4），否則答案子句數(shù)組下標(biāo)加1，去除str左側(cè)一個字符，轉(zhuǎn)（1）；（5）將str并入到子句數(shù)組當(dāng)前位置，去除key左側(cè)一字符，轉(zhuǎn)（1）。

上述算法中，key為待處理的字符串，str為字符類型變量。

1.2 分詞算法分析

中文分詞較英文分詞要復(fù)雜很多，因為英文是以詞為單位組成一句話，詞與詞之間用空格分割，例如：I am a girl.很容易能夠憑借空格就提取出詞。漢語則不然，漢語是由字構(gòu)成詞，句子中所有的字連起來才能描述一個意思，但是計算機無法明白什么是詞，把中文的漢字序列切分成有意義的詞，就是中文分詞。漢語的詞與詞之間沒有標(biāo)記，對于詞的界定往往不清楚，人是憑借對自然語言知識的理解來劃分詞，而計算機的分詞依據(jù)有三大類：基于字詞匹配的分詞方法、基于人工智能的分詞方法和基于串頻統(tǒng)計的分詞方法。本文主要采用基于字詞匹配的分詞方法。算法描述：（1）以詞匯表中最長詞中所含有的字?jǐn)?shù)個數(shù)作為最大詞長（將最大詞長定義為L）；（2）將待分詞的句子從第一個字起向后取L個字；（3）在詞匯表中遍歷是否有上一步提取的L個字夠成的詞，若有，保留分解出獨立的詞，轉(zhuǎn)（5），若沒有，轉(zhuǎn)（4）；（4）將最大詞長L=L-1，從L中減掉最右邊一個字，轉(zhuǎn)（3）（直至L=1）；（5）從句子中刪除該詞，判定句子中是否有字，若有，轉(zhuǎn)（2），否則結(jié)束。

2 關(guān)鍵詞提取算法分析

經(jīng)過分詞階段，將學(xué)生答案和標(biāo)準(zhǔn)答案分成各個語句塊，接下來就應(yīng)用關(guān)鍵詞提取算法，將學(xué)生答案中的關(guān)鍵詞提取出來，這里指的關(guān)鍵詞是詞庫中的實詞，諸如“的、地、得、把、可能、好像”等一些對句子表達(dá)沒有實際意義的詞，我們不把它們作為得分點?？梢院雎缘暨@些詞匯，只提取出對句子意思表述至關(guān)重要的詞匯。具體提取時，需要判定它是否是有實際意義的詞，方法是分別比對學(xué)生答案和標(biāo)準(zhǔn)答案各語句塊中的各個單詞，如果是，則提取出來，如果不是，則不提取。算法設(shè)計：

對學(xué)生答案進(jìn)行分詞后得到一個由學(xué)生答案組成的詞的序列，對其進(jìn)行關(guān)鍵詞提取，關(guān)鍵詞提取時只提取對句子意思表述至關(guān)重要的實詞。

具體算法如下：（1）順序搜索語句序列中的各詞，如果到末尾，則結(jié)束，否則轉(zhuǎn)（2）；（2）判定該詞是否為實詞，如果是，轉(zhuǎn)（3），否則轉(zhuǎn)（1）；（3）將關(guān)鍵詞提取出來，轉(zhuǎn)（1）。

3 相似度計算算法分析

3.1 單向貼近度算法

在簡答題的自動閱卷過程中，通常把學(xué)生答案和標(biāo)準(zhǔn)答案表示成若干個詞的形式來表示學(xué)生答案和標(biāo)準(zhǔn)答案的貼近度問題。

把學(xué)生答案和標(biāo)準(zhǔn)答案切分成若干個有意義的詞，并把這些詞構(gòu)成的有序集合稱為一個模糊集，U={Ul，U2，U3，…，Un}稱為論域，F(xiàn)（U）代表模糊冪集，是指論域U上的所有模糊子集構(gòu)成的集合。

這里用單向貼近度來衡量兩模糊集的接近程度。

定義1：設(shè)U={Ul，U2，U3，…，Un}，A，B∈F（U）。若映射d：F（U）×F（U）→[0，1]；滿足條件：

（1）d（A，A）=1。

（2）d（B，B）=1。

（3）若A∈B∈C或C∈B∈A，則d（A，B）≥d（A，C），那么稱d（A，B）為A貼近于B的單向貼近度。

定義：設(shè)A、B是由詞構(gòu)成的詞串，A中包含n個詞，d（A，B）表示A貼近于B的單向貼近度，按照從左到右的順序，集合A中的每個詞在集合B中出現(xiàn)的有效次數(shù)之和記為m，則d（A，B）=m/n。

（1）

式中：S為該題的最終成績；S0為該題的分值；P代表單項貼近度所占的分值比例；（1-P）代表關(guān)鍵字匹配所占的分值比例；d（A，B）代表集合A貼近于B的單項貼近度；δ（A，B）代表關(guān)鍵詞匹配程度。

根據(jù)以上定義計算學(xué)生答案的最終得分，只依據(jù)詞的匹配程度，與詞知識庫和語義分析毫無關(guān)系，但是使用這種方法計算的學(xué)生最終得分精度不會很高。

3.2 基于詞語表層含義的相似度計算

所謂的詞語表層含義是指根據(jù)學(xué)生答案和標(biāo)準(zhǔn)答案中相同詞語個數(shù)而計算的相似度。假設(shè)有句子A和B，分別代表學(xué)生答案和標(biāo)準(zhǔn)答案，那么句子A和B的相似度用以下公式表示：

（2）

式中：WordSame（A，B）表示學(xué)生答案A和標(biāo)準(zhǔn)答案B的相似度；SameNum（A，B）表示學(xué)生答案A和標(biāo)準(zhǔn)答案B中相同詞語的數(shù)量；Num（A）表示學(xué)生答案A中包含詞的個數(shù)；Num（B）表示標(biāo)準(zhǔn)答案B中包含詞的個數(shù)。

這種算法也是基于匹配的方法，精度不高。

3.3 基于多層次結(jié)構(gòu)的句子相似度計算

通常一個完整的句子是由組成句子的詞、詞之間的結(jié)構(gòu)、語義、語態(tài)、語境等信息組成。漢語句子成分是非常復(fù)雜的，所以要想真正地實現(xiàn)計算機代替人工閱卷是非常復(fù)雜的。本文力求將構(gòu)成句子的各個成分完整地表達(dá)出來，分別分析了詞匯信息，綜合研究了單向貼近度、詞語表層含義的相似度算法，以便更加正確地進(jìn)行主觀題的自動閱卷。

我們研究的目標(biāo)是將分詞技術(shù)、關(guān)鍵詞匹配技術(shù)、詞語結(jié)構(gòu)信息組合起來，取長補短，互為補充，表述一個完整的句子，依據(jù)以上技術(shù)計算學(xué)生答案和標(biāo)準(zhǔn)答案之間的相似度，獲得較高的準(zhǔn)確率。

綜合以上分析將式（1）和式（2）合起來計算語句相似度?；谝陨戏治觯瑤缀醪荒艹霈F(xiàn)0分的情況，但是實際閱卷過程中是有0分的，所以我們設(shè)定一個閾值，當(dāng)句子的匹配結(jié)果小于設(shè)定的閾值，就將得分算為0分。

4 結(jié)語

要設(shè)計實現(xiàn)一個針對簡答題的自動閱卷系統(tǒng)，僅基于分句與分詞算法、關(guān)鍵詞提取算法、相似度計算算法進(jìn)行簡答題的自動閱卷還是遠(yuǎn)遠(yuǎn)不夠的，因為漢語較英語而言擁有更加復(fù)雜的語法結(jié)構(gòu)，希望通過后續(xù)針對中文的語法和語義等方面的研究，不斷完善和改進(jìn)現(xiàn)有的自動閱卷系統(tǒng)，促進(jìn)教育信息化平臺的建設(shè)。

參考文獻(xiàn)

[1] 金春霞.多層次結(jié)構(gòu)句子相似計算的應(yīng)用研究[J].計算機應(yīng)用與軟件，2009，（10）.

[2] 吳宏良.Office文檔對象分析與自動閱卷系統(tǒng)研究

[D].華東師范大學(xué)，2009.

作者簡介：李瑩（1982-），女，吉林吉林人，吉林醫(yī)藥學(xué)院計算機教研室講師，碩士，研究方向：軟件開發(fā)。

（責(zé)任編輯：周 瓊）