基于图神经网络的作文自动评分系统研究与实现开题报告

1. 研究目的与意义

在国内，英语教育越来越受到重视，在中考高考、大学英语四级六级考试、雅思（iielts）、托福（toefl）等考试中，写作都是其中的重要一环。写作能够面体现学生对语言的理解和运用能力，比如对词汇语法的使用和篇章结构的把握。但由于英语写作包含着写作者复杂的主观表达，不能够简单地通过某些机械方式做出评判，给评分工作带来了很多问题。

从阅卷者的角度上来说，相比客观题和篇幅较小的主观题，作文的阅卷难度更大，需要耗费大量的人力物力。在大规模考试中，阅卷者需要在封闭环境中高负荷工作，难免受到外界环境和个人主观性影响，这样就造成了评阅标准不能完全统一，使得结果不够客观、存在误差，有损成绩的公平。

从对学生写作帮助的角度上来说，繁重的课程压力让教师不可能长时间投入到对作文的评阅中，学生在平常的作文训练中难以得到实时的反馈，不能及时了解自己写作的不足并进行相应的弥补，对认知能力提升不大，影响了写作的积极性，写作水平的提高效果并不明显。

2. 研究内容和预期目标

自动作文评分整体算法的目的主要是对涉及到的算法进行模块化分类和整理，对用户显示一个统一的交互 api 接口，用于显示语句总得分。整体算法的设计和实现主要分为三个部分，包括基础算法层、引擎层和接口层。

3. 研究的方法与步骤

文本匹配目标是评判源文本和目标文本的语义相似度。作文范文中存在大量词汇、语法和语义信息，通过计算学生答案与范文的语义相关度，使得对作文的评判多了一种重要的结合结构和语义信息的深层次参考标准。

本文提出了一种基于图神经网络的文本语义匹配度计算算法。深度学习传统方式使用cnn 对句子间的关系进行建模，图神经网络已经在许多领域证明了可以学习到更加复杂而隐蔽的特征。我们使用图卷积网络来建模句子之间的关系，采用分而治之的思想，将文章的句子分配到每一个节点，形成“概念”，最后经过图卷积网络的训练，每个节点上的相似度特征都得到了整个文档的相似度信息。

自动评分指标主要分为两种：篇章特征与gnn语义匹配度。

4. 参考文献

[1] 陈俊杰.基于图卷积网络的方面级情感分析方法研究[m]2020.6

[2] 刘明杨.高考作文自动评分关键技术研究[m]2015.6

[3] 李亭葳.c语言源代码自动评分算法研究[m] 2018.6.5

5. 计划与进度安排

① 2022年1月10日-2021年1月31日 windows 10环境下安装cnn开发环境

② 2022年2月1日-2021年2月10日 收集数据，并为它构建原始数据

③ 2022年2月11日-2021年3月22日 做实验，开发平台