一种智能辅助中文作文评分的竞赛系统

1.本发明涉及在线教育的技术领域，尤其是指一种智能辅助中文作文评分的竞赛系统，能对中文作文进行智能辅助评分。


背景技术：

2.许多学校对学生的创新能力培养越来越重视，大力推动各类竞技竞赛的开展，以此培养学生的动手能力和创造能力。竞赛通常包含多种用户角色，多个比赛阶段，以及多种评分方式。不同竞赛之间，规模、形式、参赛模式并不相同。其中大多数竞赛采用传统的线下模式进行管理，不但竞赛规模、环境受到限制，还会给工作人员和参赛人员带来不便。
3.近年智能教育领域不断发展，教育信息化已然成为国家信息化的重要组成部分，受到越来越多的社会关注。如今全国各大高校已将信息化、数字化建设作为提高综合竞争力的核心战略。如何使竞赛信息化、数字化，将竞赛的举办从线下转移到线上，提高竞赛的公平性、公开性，减轻参赛人员以及工作人员的负担已经成为了一个备受关注的热点。
4.竞赛类型多种多样，有摄影比赛、程序设计比赛、编程比赛，但主要的还是作文写作比赛。写作是语言教育的重要组成部分，写作能力的高低能够体现学生思维逻辑的水平以及运用知识的能力。在作文写作竞赛中，会吸引大量学生参赛，作文作品的数量十分庞大。对于评委来说，批改作文需要花费大量时间。长时间的批改工作会对评委造成一定的生理和心理负担，继而导致批改出现纰漏。竞赛主办方为解决以上问题，一方面会根据批改效率、批改成本以及批改的可靠度综合考虑作品和评委的分配情况；另一方面会将评分流程与人工智能相结合，借助自然语言处理等技术，根据多个维度对作文做出评价，以此来辅助评委做最终的评分。
5.目前常见的中文作文辅助评分技术主要可以分为两类：1)借助程序或人工提取文章特征做分数预测。特征包括作文单词的数量、单词种类、句子数量以及句子平均长度。然后将特征作为输入，通过回归或者分类模型进行分数预测。这种方案的优点是在于其出发点是认为作文的词和句子特征对分数预测具有重要影响，因而使得最后的分数结果具有一定的可解释性。缺点是特征选取的范围较大，无法科学地得到一个准确的特征范围。其次特征提取过程难度较大，需要耗费大量的人力以及时间。2)使用深度学习做分数预测。这种方案不再关注词，句子特征，而使用深度学习挖掘文章的深度特征。通过one-hot编码或者word2vec将一篇作文转化为一个向量。这个向量作为输入，通过深度神经网络，包括卷积神经网路以及递归神经网络进行分数预测。这种方案不仅优化了特征工程，不再需要人工提取浅层特征，还通过神经网络挖掘出文章的深层特征。缺点是预测结果缺乏解释性。
6.线上竞赛已经成为数字化教育的一个研究热点。完善的竞赛流程管理、作品存储以及辅助评分是竞赛系统的研究痛点。一个规范的竞赛系统能够调动学生学习的积极性，充分利用师资力量，最终提高教学效率。


技术实现要素：

7.本发明的目的在于克服现有技术的缺点与不足，提出了一种智能辅助中文作文评分的竞赛系统，该系统能够提供完整的、可定制化的线上竞赛流程管理服务以及作品存储服务，解决了线下竞赛管理效率低的问题，减轻参赛人员以及管理人员的工作负担。该系统还结合了一种基于深度学习的中文作文辅助评分方法，能够挖掘中文作文的深层特征，并给出预测分数辅助评委评分，达到提高教学效率的作用。
8.为实现上述目的，本发明所提供的技术方案为：一种智能辅助中文作文评分的竞赛系统，包括：
9.竞赛管理模块，用于实现竞赛管理员完善竞赛基本信息以及自定义竞赛配置，竞赛管理员通过此模块实现配置竞赛阶段、竞赛赛道、竞赛评分标准、奖项信息、评委信息以及作品分配方案；
10.作品提交模块，用于实现学生参加竞赛，提交作品并存储，此模块将参赛学生提交的作品文件上传至作品存储服务器，能够为中文作文辅助评分模块提供训练数据，其中作品形式包括文档、视频和图片；
11.中文作文辅助评分模块，用于实现挖掘参赛学生提交的中文作文作品的深度特征，并给出作品的预测评分，能够为评委评分模块提供中文作文作品的预测分值；
12.评委评分模块，用于实现评委老师对参赛学生提交的作品进行评分，结合中文作文辅助评分模块提供的预测分值和评委老师的评分计算出作品的最终得分。
13.进一步，所述竞赛管理模块包括竞赛基础信息管理模块、阶段管理模块、赛道管理模块、评分标准管理模块、奖项管理模块、评委管理模块和作品分配模块，其中：
14.所述竞赛基础信息管理模块用于对竞赛的名称、竞赛表示、竞赛通知、竞赛开始时间、结束时间、竞赛描述、竞赛海报、竞赛说明书进行设置；
15.所述阶段管理模块用于定义多个竞赛阶段，并设置每个阶段的开始时间和结束时间；其中初始阶段有三种，分别为组队报名阶段、队伍提交作品阶段以及评委评分阶段；
16.所述赛道管理模块用于为一个竞赛创建多条赛道，并配置赛道名称和描述；
17.所述评分标准管理模块用于为每条赛道创建作品的评分标准，并配置评分标准的名称、描述和权重；
18.所述奖项管理模块用于为每条赛道创建奖项，配置奖项名称、描述、等级和数量，并能根据评委对作品的评分对作品进行颁奖；
19.所述评委管理模块用于在每条赛道下添加并邀请评委，能对评委个人信息进行导入，导入方式有两种：第一种是根据评委的用户名查找评委，并导入；第二种是将多个评委的信息填写到excel文件并上传，从excel文件读出评委信息并导入到赛道；导入评委后对评委发出邀请链接；
20.所述作品分配模块用于根据竞赛管理员配置的策略给作品分配评委，其分配策略包括全部分配和条件分配；全部分配是把每份作品分配给每位评委；条件分配是根据评委所属地区和评委评价对评委进行分组，然后分配作品到小组。
21.进一步，所述作品提交模块包括竞赛信息浏览模块、组队参赛模块、作品编辑模块和作品上传模块，其中：
22.所述竞赛信息浏览模块用于为学生展示处于公开状态的竞赛的信息，包括竞赛名
称、竞赛描述、竞赛通知、竞赛阶段信息、赛道信息和奖项信息；
23.所述组队参赛模块用于对参赛学生进行分组组队，形成参赛队伍；队伍队长通过此模块能够编辑队伍信息，包括队伍名称、队伍的地区和学校，还能够查询队员信息并邀请队员入队；
24.所述作品编辑模块用于管理作品的编辑流程，参赛队伍通过此模块能够编辑多份作品并最终选择一份作品提交，队伍编辑作品时需要填写作品名称、作品描述，并上传作品文档、作品海报、答辩ppt和答辩讲解视频；
25.所述作品上传模块负责将参赛队伍提交的作品传输到作品存储服务器。
26.进一步，所述中文作文辅助评分模块包括作品传输模块、构建预测评分模型模块和预测评分模块，其中：
27.所述作品传输模块负责将作品存储服务器中的中文作文作品传输到中文作文辅助评分服务器；
28.所述构建预测评分模型模块负责接收作品传输模块提供的中文作文作品，训练一个挖掘作文深度特征并对作文预测评分的基于深度学习的神经网络模型，保存神经网络模型的权重值到本地；
29.所述预测评分模块负责加载构建预测评分模型模块中训练好的神经网络模型，当输入一篇中文作文时，模型会自动计算出作文的预测评分，并提供给评委评分模块。
30.进一步，所述神经网络模型的输入是中文作文以及对应的实际分数，神经网络模型是一个多层模型，包括输入层、rnn层、注意力层以及线性激活层，输入层将作文转化为句子向量的组合，神经网络模型使用google开源的bert模型对句子进行编码，用一个768维的向量表示句子，将句子向量表示输入到rnn层，rnn层采用了lstm，即长短时记忆网络，能够学习长期依赖信息，能够解决训练过程中特征丢失的问题，通过注意力层对lstm的输出进行加权计算，得到作文的向量表示，线性激活层通过线性函数对作文的向量表示进行计算，得出一个分数，使用激活函数增加非线性特征，将分数转化为范围为(0，1)的数值，在训练过程中，神经网络模型会计算预测分数和实际分数的误差，根据误差反向调整神经网络模型的权重值，最终将训练结果最好的权重值保存到本地。
31.进一步，所述评委评分模块包括个人信息编辑模块、预备评分模块和正式评分模块，其中：
32.所述个人信息编辑模块负责评委访问邀请链接登录到系统并填写个人信息，该信息包括用户密码、来自地区、学校和职称；
33.所述预备评分模块负责提供竞赛范例作品给评委评分，能够让评委老师了解评分流程，还能收集评委评价数据，提供评委分组的依据；
34.所述正式评分模块负责提供评分准则给评委查看，记录评委对作品的评分和评语，并判断评委评分和中文作文辅助评分模块提供的预测评分这两个分数相减得到的差的绝对值是否超过设定的阈值，当不超过阈值，则取以上两个评分的平均分作为作品的最终评分，当超过阈值，则邀请主评老师做最终评分并记录。
35.本发明与现有技术相比，具有如下优点与有益效果：
36.1、本发明系统将竞赛的完全线下流程模式全部转移为线上，提供了自定义竞赛的功能，使得竞赛个性化，适用于多种类型的竞赛，解决了线下竞赛管理效率低的问题，减轻
参赛人员以及管理人员的工作负担。不仅能够调动学生学习的积极性，还能充分利用师资力量，最终提高教学效率。
37.2、本发明系统提供了作品存储服务，能够长时间存储作品，形成作品库。作品库可以提供模范作品给竞赛评委做预备评分，计算对评委的评价，作为评委分组的依据，有效提高评分过程的公平性。
38.3、本发明系统提供了一种结合深度学习的中文作文辅助评分方法，无需人工提取作文特征，使用简便，能够有效提高评分流程的效率，节省了评委评分的时间，减轻评委老师的负担。
附图说明
39.图1为本发明系统整体架构示意图。
40.图2为中文作文辅助评分模块的架构图。
41.图3为中文作文辅助评分的流程示意图。
具体实施方式
42.下面结合具体实施例及附图对本发明作进一步说明。
43.本实施例所提供的智能辅助中文作文评分的竞赛系统，是使用idea、pycharm软件和python、java语言开发的，并在服务器上运行的竞赛系统。该系统的整体架构如图1所示，其包括有：
44.竞赛管理模块，用于实现竞赛管理员完善竞赛基本信息以及自定义竞赛配置，竞赛管理员通过此模块实现配置竞赛阶段、竞赛赛道、竞赛评分标准、奖项信息、评委信息以及作品分配方案；
45.作品提交模块，用于实现学生参加竞赛，提交作品并存储，此模块将参赛学生提交的作品文件上传至作品存储服务器，能够为中文作文辅助评分模块提供训练数据，其中作品形式包括文档、视频和图片；
46.中文作文辅助评分模块，用于实现挖掘参赛学生提交的中文作文作品的深度特征，并给出作品的预测评分，能够为评委评分模块提供中文作文作品的预测分值；
47.评委评分模块，用于实现评委老师对参赛学生提交的作品进行评分，结合中文作文辅助评分模块提供的预测分值和评委老师的评分计算出作品的最终得分。
48.所述竞赛管理模块包括竞赛基础信息管理模块、阶段管理模块、赛道管理模块、评分标准管理模块、奖项管理模块、评委管理模块和作品分配模块，其中：
49.所述竞赛基础信息管理模块用于对竞赛的名称、竞赛表示、竞赛通知、竞赛开始时间、结束时间、竞赛描述、竞赛海报、竞赛说明书进行设置；
50.所述阶段管理模块用于定义多个竞赛阶段，并设置每个阶段的开始时间和结束时间；其中初始阶段有三种，包括组队报名阶段、队伍提交作品阶段以及评委评分阶段；
51.所述赛道管理模块用于为一个竞赛创建多条赛道，并配置赛道名称和描述；
52.所述评分标准管理模块用于为每条赛道创建作品的评分标准，能配置评分标准的名称、描述以及权重；
53.所述奖项管理模块用于为每条赛道创建奖项，配置奖项名称、描述、等级和数量，
还能根据评委对作品的评分对作品进行颁奖；
54.所述评委管理模块用于在每条赛道下添加并邀请评委，能对评委个人信息进行导入，导入方式有两种：第一种是根据评委的用户名查找评委，并导入；第二种是将多个评委的信息填写到excel文件并上传，从excel文件读出评委信息并导入到赛道；导入评委后对评委发出邀请链接；
55.所述作品分配模块用于根据竞赛管理员配置的策略给作品分配评委，其分配策略包括全部分配和条件分配；全部分配是把每份作品分配给每位评委；条件分配是根据评委所属地区和评委评价对评委进行分组，然后分配作品到小组。
56.所述作品提交模块包括竞赛信息浏览模块、组队参赛模块、作品编辑模块和作品上传模块，其中：
57.所述竞赛信息浏览模块用于为学生展示处于公开状态的竞赛的信息，该信息包括竞赛名称、竞赛描述、竞赛通知、竞赛阶段信息、赛道信息和奖项信息；
58.所述组队参赛模块用于对参赛学生进行分组，形成参赛队伍；队伍队长通过此模块能够编辑队伍信息，该信息包括队伍名称、队伍的地区和学校，队长还能够查询队员信息并邀请队员入队；
59.所述作品编辑模块用于管理作品的编辑流程，参赛队伍通过此模块能够编辑多份作品并最终选择一份作品提交，队伍编辑作品时需要填写作品名称、作品描述，并上传作品文档、作品海报、答辩ppt和答辩讲解视频；
60.所述作品上传模块负责将参赛队伍提交的作品传输到作品存储服务器。
61.所述中文作文辅助评分模块的整体架构和工作流程如图2、图3所示，中文作文作品被上传到存储服务器，辅助评分服务器从存储服务器中下载作品，然后进行分数预测；中文作文辅助评分模块包括作品传输模块、构建预测评分模型模块和预测评分模块，其中：
62.所述作品传输模块负责将作品存储服务器中的中文作文作品传输到中文作文辅助评分服务器；
63.所述构建预测评分模型模块负责接收作品传输模块提供的中文作文作品，训练一个挖掘作文深度特征并对作文预测评分的基于深度学习的神经网络模型，神经网络模型的输入是中文作文以及对应的实际分数，神经网络模型是一个多层模型，包括输入层、rnn层、注意力层以及线性激活层，输入层将作文转化为句子向量的组合，神经网络模型使用google开源的bert模型对句子进行编码，用一个768维的向量表示句子，将句子向量表示输入到rnn层，rnn层采用了lstm，即长短时记忆网络，能够学习长期依赖信息，能够解决训练过程中特征丢失的问题，通过注意力层对lstm的输出进行加权计算，得到作文的向量表示，线性激活层通过线性函数对作文的向量表示进行计算，得出一个分数，使用激活函数增加非线性特征，将分数转化为范围为(0，1)的数值，在训练过程中，神经网络模型会计算预测分数和实际分数的误差，根据误差反向调整神经网络模型的权重值，最终将训练结果最好的权重值保存到本地；
64.所述预测评分模块负责加载构建预测评分模型模块中训练好的神经网络模型，当输入一篇中文作文时，该模型会自动计算出作文的预测评分，然后将预测评分提供给评委评分模块。
65.所述评委评分模块包括个人信息编辑模块、预备评分模块和正式评分模块，其中：
66.所述个人信息编辑模块负责评委访问邀请链接登录到系统并填写个人信息，包括用户密码、来自地区、学校和职称；
67.所述预备评分模块负责提供竞赛范例作品给评委评分，能够让评委老师了解评分流程，还能收集评委评价数据，提供评委分组的依据；
68.所述正式评分模块负责提供评分准则给评委查看，记录评委对作品的评分和评语，并判断评委评分和中文作文辅助评分模块提供的预测评分这两个分数相减得到的差的绝对值是否超过设定的阈值，当不超过阈值，则取以上两个评分的平均分作为作品的最终评分，当超过阈值，则邀请主评老师做最终评分并记录。
69.以上所述实施例只为本发明之较佳实施例，并非以此限制本发明的实施范围，故凡依本发明之形状、原理所作的变化，均应涵盖在本发明的保护范围内。