黎秋艳，刘佳祎，王 鹏，王 杰

(1.桂林电子科技大学 信息科技学院，广西 桂林 541004；2.桂林理工大学 网络与信息中心，广西 桂林 541006；3.广西师范大学 网络信息中心，广西 桂林 541006)

0 引 言

随着高校外语教育信息化的不断普及, 智能化在线考试正逐渐成为高校教学、 管理过程中的不可或缺的重要组成部分, 考试方式的改革也伴随着出现新的问题需要解决, 特别是英语在线考试主观题自动评分已经成为当前外语教育信息化比较关注的主题。相比选择题而言, 主观题或开放式考题答案相对复杂, 其具有形式多样性和灵活多变性, 如翻译和写作等主观题大多采用人工批改的方式, 由于多种因素的干扰, 使得评分不够公正、 准确[1]。

国外较为经典的自动评分系统有1966 年美国Ellis Page 等开发的Project Essay Grader(PEG)[2]、 皮尔逊公司1989 年开发的Intelligent Essay Assessor(IEA)[3]和Jill Burstein团队研究开发的Electronic Essay Rater(E-Rater)系统[4]等。国内梁茂成教授是最早涉足英文作文自动评分领域的, 他将PEG和 IEA 两个系统的优点相结合, 主持并开发“大规模考试英语作文自动评分系统”[5]。主观题的自动评分方法主要可以分为以下几类[6]: 一是参照标准答案利用规则匹配的方式建立评分规则[7], 通过词规则进行自动评分。二是将人工构建的特征和监督机器学习算法相结合, 这种方法称为传统机器学习的方法, 其优点是模型简单易懂, 但是需要手动构建特征向量, 且评分效果受特征选择的影响较大。2006 年, Hinton提出了深度学习的概念[8], 通过模拟人类大脑的神经连接方法, 构建深度神经网络模型, 从众多数据内容中自动学习、 提取特征, 且评分效果较好, 但是需要大量的训练数据和计算资源。……