通过可解释的神经符号管道增强多领域自动短答案评分
原文中文，约400字，阅读约需1分钟。发表于：。自动评分短问答题并解释评分决策是当下转换器方法的一项具有挑战性的目标。在 ASAG 中，自动检测评分理由并与逻辑推理相结合已经展现出一种有希望的方向，但主要挑战之一是要求学生回答中存在经过注解的评分理由，而这种注解在现有 ASAG 数据集中只有很少。为解决这个挑战，我们提出了（1）一种适用于 ASAG 数据集中评分理由的弱监督注解过程，以及（2）一种基于评分理由的可解释 ASAG...
本文介绍了一种自动评分短问答题的方法，包括弱监督注解过程和基于评分理由的神经符号模型。实验证明该方法在ASAG数据集上的表现优于现有技术，为ASAG和教育NLP领域的未来研究提供了有前景的方向。
