本發(fā)明屬于生成式人工智能領(lǐng)域，具體涉及一種基于大模型的自動(dòng)化作文評(píng)分與反饋的方法及系統(tǒng)。

背景技術(shù)：

1、作文評(píng)分和反饋一直是教育領(lǐng)域中的核心問(wèn)題之一，傳統(tǒng)的作文評(píng)分方法通常依賴人工評(píng)分，耗時(shí)且主觀性較強(qiáng)，難以做到公正性和一致性的評(píng)估。近年來(lái)，隨著深度學(xué)習(xí)技術(shù)的發(fā)展，基于大模型的自動(dòng)化作文評(píng)分系統(tǒng)逐漸成為可能。這些系統(tǒng)可以通過(guò)自然語(yǔ)言處理（nlp）模型，自動(dòng)評(píng)估作文的質(zhì)量，并為學(xué)生提供個(gè)性化的反饋。

2、然而，現(xiàn)有的自動(dòng)化作文評(píng)分系統(tǒng)主要關(guān)注于單一評(píng)分維度（如語(yǔ)法或內(nèi)容），缺乏多維度綜合評(píng)估能力。同時(shí)，現(xiàn)有技術(shù)在生成個(gè)性化反饋時(shí)，往往無(wú)法根據(jù)學(xué)生的具體寫作問(wèn)題提供深入、針對(duì)性的建議，導(dǎo)致反饋的有效性不足。此外，現(xiàn)有系統(tǒng)通常依賴于有限的數(shù)據(jù)集和標(biāo)注，難以適應(yīng)各種作文類型和風(fēng)格的評(píng)分需求。

3、隨著預(yù)訓(xùn)練語(yǔ)言大模型的發(fā)展，基于大規(guī)模語(yǔ)料庫(kù)進(jìn)行預(yù)訓(xùn)練，再進(jìn)行微調(diào)，能夠顯著提升自動(dòng)化評(píng)分的準(zhǔn)確性和可靠性。這些模型可以捕捉語(yǔ)言中的深層次規(guī)律，從而提高評(píng)分的精確度。與此同時(shí)，生成模型在自然語(yǔ)言生成任務(wù)中表現(xiàn)出色，使得個(gè)性化反饋生成成為可能。

4、然而，盡管大模型在自然語(yǔ)言處理領(lǐng)域取得了顯著的進(jìn)展，如何結(jié)合這些模型進(jìn)行高效的作文評(píng)分和反饋生成，尤其是如何為學(xué)生提供具體的改進(jìn)建議，依然是一個(gè)需要深入研究的問(wèn)題。因此，如何結(jié)合大模型的強(qiáng)大能力，提供更為全面、準(zhǔn)確且個(gè)性化的作文評(píng)分和反饋，成為當(dāng)前技術(shù)中的一個(gè)重要挑戰(zhàn)。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于解決現(xiàn)有技術(shù)中的上述問(wèn)題，并提供一種基于大模型的自動(dòng)化作文評(píng)分與反饋的方法及系統(tǒng)。

2、本發(fā)明所采用的具體技術(shù)方案如下：

3、第一方面，本發(fā)明提供了一種基于大模型的自動(dòng)化作文評(píng)分與反饋的方法，其包括：

4、s1、獲取由學(xué)生作文圖像組成的第一數(shù)據(jù)集，對(duì)第一數(shù)據(jù)集中的學(xué)生作文圖像進(jìn)行超分辨率重建，然后通過(guò)光學(xué)字符識(shí)別（ocr）技術(shù)將每篇學(xué)生作文由重建圖像轉(zhuǎn)換為文本，再將轉(zhuǎn)換文本輸入錯(cuò)誤修正模型中校正識(shí)別錯(cuò)誤，從而建立由學(xué)生作文文本組成的第二數(shù)據(jù)集；

5、s2、將第二數(shù)據(jù)集分為多個(gè)子數(shù)據(jù)集，每個(gè)子數(shù)據(jù)集隨機(jī)發(fā)送至多個(gè)不同的專家評(píng)分客戶端供專家對(duì)其中的每篇學(xué)生作文文本進(jìn)行多維度評(píng)分，對(duì)所有專家評(píng)分客戶端返回的多維度評(píng)分?jǐn)?shù)據(jù)進(jìn)行質(zhì)量控制和結(jié)果融合，獲得第二數(shù)據(jù)集中每篇學(xué)生作文文本的多維度評(píng)分標(biāo)簽；

6、s3、以帶有所述多維度評(píng)分標(biāo)簽的第二數(shù)據(jù)集為微調(diào)數(shù)據(jù)集，對(duì)第一大語(yǔ)言模型進(jìn)行微調(diào)，獲得能夠?qū)W(xué)生作文文本進(jìn)行多維度評(píng)分的作文評(píng)分模型；

7、s4、針對(duì)學(xué)生客戶端上傳的目標(biāo)作文圖像，將轉(zhuǎn)換為目標(biāo)作文文本后輸入所述作文評(píng)分模型中獲得多維度評(píng)分結(jié)果，然后將所述目標(biāo)作文文本以及所述多維度評(píng)分結(jié)果替換提示詞模板中的占位符，形成用于驅(qū)動(dòng)模型生成多維度作文改進(jìn)建議的提示詞文本，最后將提示詞文本輸入基于第二大語(yǔ)言模型構(gòu)建的作文反饋模型中，并將生成的多維度作文改進(jìn)建議反饋至學(xué)生客戶端。

8、作為上述第一方面的優(yōu)選，所述錯(cuò)誤修正模型采用bilstm-crf模型。

9、作為上述第一方面的優(yōu)選，所述第一數(shù)據(jù)集中的學(xué)生作文圖像需要輸入預(yù)先訓(xùn)練的雙通道cnn模型中評(píng)估圖像質(zhì)量，剔除圖像質(zhì)量評(píng)分小于閾值的樣本。

10、作為上述第一方面的優(yōu)選，對(duì)所有專家評(píng)分客戶端返回的多維度評(píng)分?jǐn)?shù)據(jù)進(jìn)行質(zhì)量控制和結(jié)果融合時(shí)，需針對(duì)同一篇學(xué)生作文文本的所有多維度評(píng)分?jǐn)?shù)據(jù)進(jìn)行異常值剔除，然后將剩余的多維度評(píng)分?jǐn)?shù)據(jù)進(jìn)行逐維度平均，從而獲得多維度平均評(píng)分作為這篇學(xué)生作文文本對(duì)應(yīng)的多維度評(píng)分標(biāo)簽。

11、作為上述第一方面的優(yōu)選，對(duì)所述第一大語(yǔ)言模型進(jìn)行微調(diào)時(shí)，損失函數(shù)為模型輸出的多維度評(píng)分結(jié)果與專家評(píng)分得到的所述多維度評(píng)分標(biāo)簽之間的均方誤差。

12、作為上述第一方面的優(yōu)選，所述多維度評(píng)分所采用的評(píng)分維度包括語(yǔ)法、內(nèi)容、流暢性、邏輯性和創(chuàng)意性。

13、第二方面，本發(fā)明提供了一種基于大模型的自動(dòng)化作文評(píng)分與反饋的系統(tǒng)，其包括：

14、訓(xùn)練數(shù)據(jù)構(gòu)建模塊，用于獲取由學(xué)生作文圖像組成的第一數(shù)據(jù)集，對(duì)第一數(shù)據(jù)集中的學(xué)生作文圖像進(jìn)行超分辨率重建，然后通過(guò)光學(xué)字符識(shí)別（ocr）技術(shù)將每篇學(xué)生作文由重建圖像轉(zhuǎn)換為文本，再將轉(zhuǎn)換文本輸入錯(cuò)誤修正模型中校正識(shí)別錯(cuò)誤，從而建立由學(xué)生作文文本組成的第二數(shù)據(jù)集；

15、評(píng)分標(biāo)簽生成模塊，用于將第二數(shù)據(jù)集分為多個(gè)子數(shù)據(jù)集，每個(gè)子數(shù)據(jù)集隨機(jī)發(fā)送至多個(gè)不同的專家評(píng)分客戶端供專家對(duì)其中的每篇學(xué)生作文文本進(jìn)行多維度評(píng)分，對(duì)所有專家評(píng)分客戶端返回的多維度評(píng)分?jǐn)?shù)據(jù)進(jìn)行質(zhì)量控制和結(jié)果融合，獲得第二數(shù)據(jù)集中每篇學(xué)生作文文本的多維度評(píng)分標(biāo)簽；

16、模型微調(diào)模塊，用于以帶有所述多維度評(píng)分標(biāo)簽的第二數(shù)據(jù)集為微調(diào)數(shù)據(jù)集，對(duì)第一大語(yǔ)言模型進(jìn)行微調(diào)，獲得能夠?qū)W(xué)生作文文本進(jìn)行多維度評(píng)分的作文評(píng)分模型；

17、評(píng)分反饋模塊，用于針對(duì)學(xué)生客戶端上傳的目標(biāo)作文圖像，將轉(zhuǎn)換為目標(biāo)作文文本后輸入所述作文評(píng)分模型中獲得多維度評(píng)分結(jié)果，然后將所述目標(biāo)作文文本以及所述多維度評(píng)分結(jié)果替換提示詞模板中的占位符，形成用于驅(qū)動(dòng)模型生成多維度作文改進(jìn)建議的提示詞文本，最后將提示詞文本輸入基于第二大語(yǔ)言模型構(gòu)建的作文反饋模型中，并將生成的多維度作文改進(jìn)建議反饋至學(xué)生客戶端。

18、第三方面，本發(fā)明提供了一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序/指令，該計(jì)算機(jī)程序/指令被處理器執(zhí)行時(shí)，能實(shí)現(xiàn)如上述第一方面任一方案所述的基于大模型的自動(dòng)化作文評(píng)分與反饋的方法。

19、第四方面，本發(fā)明提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述存儲(chǔ)介質(zhì)上存儲(chǔ)有計(jì)算機(jī)程序，當(dāng)所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)，能實(shí)現(xiàn)如上述第一方面任一方案所述的基于大模型的自動(dòng)化作文評(píng)分與反饋的方法。

20、第五方面，本發(fā)明提供了一種計(jì)算機(jī)電子設(shè)備，其包括存儲(chǔ)器和處理器；

21、所述存儲(chǔ)器，用于存儲(chǔ)計(jì)算機(jī)程序；

22、所述處理器，用于當(dāng)執(zhí)行所述計(jì)算機(jī)程序時(shí)，能實(shí)現(xiàn)如上述第一方面任一方案所述的基于大模型的自動(dòng)化作文評(píng)分與反饋的方法。

23、本發(fā)明相對(duì)于現(xiàn)有技術(shù)而言，具有以下有益效果：

24、本發(fā)明可以利用基于大語(yǔ)言模型微調(diào)的作文評(píng)分模型來(lái)自動(dòng)對(duì)作文文本進(jìn)行多維度評(píng)分，再使用大語(yǔ)言模型將評(píng)分結(jié)果與作文內(nèi)容結(jié)合，自動(dòng)生成針對(duì)作文的改進(jìn)建議，幫助學(xué)生在具體作文維度上進(jìn)行改進(jìn)。與傳統(tǒng)人工評(píng)分方法相比，本發(fā)明具有高效、客觀、可擴(kuò)展等優(yōu)勢(shì)，同時(shí)能夠提供更具針對(duì)性的反饋，幫助學(xué)生在寫作中得到及時(shí)的改進(jìn)建議，提高寫作水平。

技術(shù)特征：

1.一種基于大模型的自動(dòng)化作文評(píng)分與反饋的方法，其特征在于，包括：

2.如權(quán)利要求1所述的基于大模型的自動(dòng)化作文評(píng)分與反饋的方法，其特征在于，所述錯(cuò)誤修正模型采用bilstm-crf模型。

3.如權(quán)利要求1所述的基于大模型的自動(dòng)化作文評(píng)分與反饋的方法，其特征在于，所述第一數(shù)據(jù)集中的學(xué)生作文圖像需要輸入預(yù)先訓(xùn)練的雙通道cnn模型中評(píng)估圖像質(zhì)量，剔除圖像質(zhì)量評(píng)分小于閾值的樣本。

4.如權(quán)利要求1所述的基于大模型的自動(dòng)化作文評(píng)分與反饋的方法，其特征在于，對(duì)所有專家評(píng)分客戶端返回的多維度評(píng)分?jǐn)?shù)據(jù)進(jìn)行質(zhì)量控制和結(jié)果融合時(shí)，需針對(duì)同一篇學(xué)生作文文本的所有多維度評(píng)分?jǐn)?shù)據(jù)進(jìn)行異常值剔除，然后將剩余的多維度評(píng)分?jǐn)?shù)據(jù)進(jìn)行逐維度平均，從而獲得多維度平均評(píng)分作為這篇學(xué)生作文文本對(duì)應(yīng)的多維度評(píng)分標(biāo)簽。

5.如權(quán)利要求1所述的基于大模型的自動(dòng)化作文評(píng)分與反饋的方法，其特征在于，對(duì)所述第一大語(yǔ)言模型進(jìn)行微調(diào)時(shí)，損失函數(shù)為模型輸出的多維度評(píng)分結(jié)果與專家評(píng)分得到的所述多維度評(píng)分標(biāo)簽之間的均方誤差。

6.如權(quán)利要求1所述的基于大模型的自動(dòng)化作文評(píng)分與反饋的方法，其特征在于，所述多維度評(píng)分所采用的評(píng)分維度包括語(yǔ)法、內(nèi)容、流暢性、邏輯性和創(chuàng)意性。

7.一種基于大模型的自動(dòng)化作文評(píng)分與反饋的系統(tǒng)，其特征在于，包括：

8.一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序/指令，其特征在于，該計(jì)算機(jī)程序/指令被處理器執(zhí)行時(shí)，能實(shí)現(xiàn)如權(quán)利要求1~7任一所述的基于大模型的自動(dòng)化作文評(píng)分與反饋的方法。

9.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，所述存儲(chǔ)介質(zhì)上存儲(chǔ)有計(jì)算機(jī)程序，當(dāng)所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)，實(shí)現(xiàn)如權(quán)利要求1~7任一所述的基于大模型的自動(dòng)化作文評(píng)分與反饋的方法。

10.一種計(jì)算機(jī)電子設(shè)備，其特征在于，包括存儲(chǔ)器和處理器；

技術(shù)總結(jié)
本發(fā)明公開(kāi)了一種基于大模型的自動(dòng)化作文評(píng)分與反饋的方法及系統(tǒng)。該方法先通過(guò)超分辨率重建和OCR技術(shù)將學(xué)生作文圖像轉(zhuǎn)換為文本，經(jīng)錯(cuò)誤修正模型校準(zhǔn)后構(gòu)建作文文本數(shù)據(jù)集；然后采用多專家分布式評(píng)分機(jī)制，對(duì)作文文本進(jìn)行多維度人工標(biāo)注，生成標(biāo)準(zhǔn)評(píng)分標(biāo)簽；再以帶標(biāo)簽數(shù)據(jù)微調(diào)大語(yǔ)言模型，構(gòu)建具備多維度自動(dòng)評(píng)分能力的作文評(píng)分模型；最后利用作文評(píng)分模型針對(duì)學(xué)生作文生成多維度評(píng)分結(jié)果，并與文本內(nèi)容一起動(dòng)態(tài)生成提示詞，驅(qū)動(dòng)大語(yǔ)言模型輸出針對(duì)性改進(jìn)建議。本發(fā)明能夠高效、客觀地生成針對(duì)性的作文改進(jìn)反饋，為在線學(xué)習(xí)平臺(tái)中的個(gè)性化學(xué)習(xí)提供技術(shù)支持。

技術(shù)研發(fā)人員：肖俊,蔣云良,黃昌勤,王士進(jìn),朱雁來(lái)
受保護(hù)的技術(shù)使用者：浙江大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/4/28