基于命名实体识别的试题自动分割方法

巩稼民; 赵梦凯; 孙一斌; 蒋杰伟; 张凯泽

doi:10.13873/J.1000-9787(2022)05-0135-05

Chinese

您当前的位置：

首页 >

文章列表页 >

基于命名实体识别的试题自动分割方法

计算与测试 | 更新时间：2025-09-11

- 基于命名实体识别的试题自动分割方法
- 基于命名实体识别的试题自动分割方法
- 传感器与微系统 2022年第5期页码：135-139+143
- 作者机构：
  
  西安邮电大学电子工程学院 2. 西安邮电大学通信与信息工程学院
- 作者简介：
- 基金信息：
- DOI：10.13873/J.1000-9787(2022)05-0135-05
  中图分类号： G434;TP391.1
- 纸质出版：2022
- 稿件说明：
移动端阅览
巩稼民, 赵梦凯, 孙一斌, 等. 基于命名实体识别的试题自动分割方法[J]. 传感器与微系统, 2022,(5):135-139+143.

基于命名实体识别的试题自动分割方法[J]. 2022, (5): 135-139+143.
巩稼民, 赵梦凯, 孙一斌, 等. 基于命名实体识别的试题自动分割方法[J]. 传感器与微系统, 2022,(5):135-139+143. DOI： 10.13873/J.1000-9787(2022)05-0135-05.

基于命名实体识别的试题自动分割方法[J]. 2022, (5): 135-139+143. DOI： 10.13873/J.1000-9787(2022)05-0135-05.

摘要

试题分割的准确性直接影响着试题库建设的质量。受限于试题文档的类型和编写规范，当前试题自动分割方法在复杂类型和包含富文本信息的试题文档上的准确率仍有待提高。通过将试题中的标题、题号、选项号、答案、解析等关键词抽象为实体，提出了一种基于命名实体识别的试题自动分割方法。将标注的实体作为分割点，实现试题的自动拆分。自建试题语料作为训练数据，并设定了文档预处理规则，对试题中的图表、字体样式等关键信息进行特定标记。构建了多个实体识别模型进行实验，结果表明：基于BERT+双向长短时记忆（Bi-LSTM）+条件随机场（CRF）的实体识别模型F1值相对于Bi-LSTM+CRF模型和CRF模型分别提升了3.31%和13.17%。

Abstract

关键词

Keywords

references

多神经网络协作的军事领域命名实体识别 [J]. 尹学振,赵慧,赵俊保,姚婉薇,黄泽林. 清华大学学报(自然科学版) . 2020(08)

面向国防科技领域的技术和术语识别方法研究 [J]. 冯鸾鸾,李军辉,李培峰,朱巧明. 计算机科学 . 2019(12)

“线上+线下融合式”工程图学课程建设与教学实践 [J]. 张宗波,王珉,吴宝贵,刘广斗. 图学学报 . 2016(05)

在线考试系统中试题上传方法的优化 [J]. 刘思婷,顾乃杰,林传文. 计算机工程与应用 . 2016(21)

电子病历命名实体识别和实体关系抽取研究综述 [J]. 杨锦锋,于秋滨,关毅,蒋志鹏. 自动化学报 . 2014(08)

MRITIS—一种远程智能试题录入系统 [J]. 苏志同,巩玲玲. 计算机工程与应用 . 2013(05)

试题自动提取系统的设计与实现 [J]. 康桂珍. 现代教育技术 . 2012(01)

递归随机分割算法在考试系统中的应用 [J]. 陈青青. 计算机工程 . 2011(14)

基于词法、语法分析的试题导入系统的研究 [J]. 王甲,康慕宁. 微型机与应用 . 2010(04)

试题智能提取技术的研究与实现 [D]. 杜世瑾. 北京邮电大学 2016

浏览量

160

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据