(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210987627.5 (22)申请日 2022.08.17 (71)申请人 广东外语外贸大学 地址 510415 广东省广州市白云大道北2号 (72)发明人 李霞　陈源　 (74)专利代理 机构 广州嘉权专利商标事务所有 限公司 4 4205 专利代理师 黎扬鹏 (51)Int.Cl. G06F 16/35(2019.01) G06N 20/00(2019.01) G06F 17/16(2006.01) (54)发明名称 一种跨主题作文自动评分方法、 系统及 介质 (57)摘要 本发明公开了一种跨主题作文自动评分方 法、 系统及介质， 本发明对于源主题的某个作文 样本， 将源主题作文在目标主题上的映射作为该 样本的正例。 类似的， 对于目标主题的某个作文 样本， 将目标主题的作文在源主题上的映射作为 该样本的正例。 本发明的目的在于， 利用对比学 习的优势， 让模 型尽可能地学习和获取不同主题 之间的共享信息， 提升不同主题之间的一致性， 从而提高模型在跨主题作文自动评分任务上的 评分性能， 可广泛应用于人工智能技 术领域。 权利要求书3页 说明书11页 附图3页 CN 115455178 A 2022.12.09 CN 115455178 A 1.一种跨主题作文自动评分方法， 其特 征在于， 包括： 通过编码器对源主题的作文和目标主题的作文进行编码处理， 获得源主题和目标主题 的主题表示； 其中， 所述主题表示包括第一表示矩阵和 第二表示矩阵， 所述第一表示矩阵为 源主题的主题表示矩阵， 所述第二表示矩阵为 目标主题的主题表示矩阵； 以所述主题表示 作为第一主题 表示； 根据作文锚点表示和所述第 一主题表示， 通过交叉映射处理分别得到所述源主题的第 一正例表示和所述 目标主题的第二正例表示； 根据先验知识， 构建所述源主题的第一负例 表示和所述 目标主题的第二负例表示； 其中， 所述作文锚点表示包括源主题的第一作文锚 点表示和目标主题的第二作文锚点表示； 根据所述第一作文锚点表示， 结合所述第一正例表示和所述第一负例表示， 构建第一 对比损失； 根据所述第二作文锚点表 示， 结合所述第二正例表示和所述第二负例表示， 构建 第二对比损失； 通过评分器对所述源主题的作文锚点表示进行评分预测， 得到预测分数， 结合所述源 主题的作文锚点表示的真实分数， 构建评分损失； 根据所述第一对比损失、 所述第 二对比损失和所述评分损失， 构建总体损失； 基于所述 总体损失， 对 模型参数进行 更新处理； 基于所述更新处理后的编码器对源主题的作文和目标主题的作文进行编码处理， 获得 源主题和目标主题的第二主题表示； 以所述第二主题表示作为第一主题表示， 然后返回所 述根据所述第一主题表示， 通过 交叉映射处理得到所述源主题的第一正例表示和所述目标 主题的第二 正例表示 这一步骤， 直至 达到预设训练轮数， 得到跨主题评分模型； 通过所述跨主题评分模型对所述目标主题的作文 进行评分， 得到目标 预测评分。 2.根据权利要求1所述的一种跨主题作文自动评分方法， 其特征在于， 所述通过编码器 对源主题的作文和目标主题的作文进行编码处理， 获得源主题和目标主题的主题表示， 包 括： 通过编码器对源主题的作文进行编码处理， 得到第一表示矩阵， 以所述第一表示矩阵 作为源主题的主题 表示； 所述第一表示矩阵为源主题的作文的向量表示矩阵； 和， 通过编码器对目标主题的作文进行编码处理， 得到第 二表示矩阵， 以所述第 二表示 矩阵作为目标主题的主题 表示； 所述第二表示矩阵为目标主题的作文的向量表示矩阵。 3.根据权利要求1所述的一种跨主题作文自动评分方法， 其特征在于， 所述根据作文锚 点表示和所述第一主题表示， 通过交叉映射处理分别得到所述源主题的第一正例表示和所 述目标主题的第二 正例表示， 包括： 将所述第一作文锚点表示与 所述第二表示矩阵的转置矩阵进行点乘操作， 得到第 一投 影表示； 对所述第一投影表示进行线性变化操作， 得到所述第一 正例表示； 和， 将所述第二作文锚点表示与所述第一表示矩阵的转置矩阵进行点乘操作， 得到第 二投影表示； 对所述第二投影表示进行线性变化操作， 得到所述第二 正例表示； 其中， 所述作文锚点表示 为当前处 理作文样本的编码表示。 4.根据权利要求1所述的一种跨主题作文自动评分方法， 其特征在于， 所述根据 所述第 一作文锚点表示， 结合所述第一 正例表示和所述第一负例表示， 构建第一对比损失， 包括： 通过计算所述第一作文锚点表示与所述第一正例表示和所述第一负例表示的余弦相权　利　要　求　书 1/3 页 2 CN 115455178 A 2似度， 构建第一对比损失； 其中， 所述第一作文锚点 为所述源主题的第一目标批次的作文表示。 5.根据权利要求1所述的一种跨主题作文自动评分方法， 其特征在于， 所述根据 所述第 二作文锚点表示， 结合所述第二 正例表示和所述第二负例表示， 构建第二对比损失， 包括： 通过计算所述第二作文锚点表示与所述第二正例表示和所述第二负例表示的余弦相 似度， 构建第二对比损失； 其中， 所述第二作文锚点 为所述目标主题的第二目标批次的作文表示。 6.根据权利要求1所述的一种跨主题作文自动评分方法， 其特征在于， 所述根据 所述第 一对比损失、 所述第二对比损失和所述评分损失， 构建总体损失， 包括： 根据所述第一对比损 失、 所述第二对比损 失和所述评分损 失， 结合对比权重和评分权 重， 构建总体损失； 其中， 所述总体损失的表达式为： 式中， 表示总体损失， α 表示对比权重， ls表示第一对比损失， lT表示第二对比损失， β 表 示评分权 重， lMSE表示评分损失。 7.根据权利要求1所述的一种跨主题作文自动评分方法， 其特 征在于， 还 包括： 基于所述第一对比损 失和所述第二对比损 失， 通过梯度下降， 从目标方向减少所述源 主题与所述 目标主题的主题差异； 其中， 目标方向包括源主题到目标主题的第一方向和目 标主题到源主题的第二方向。 8.一种跨主题作文自动评分系统， 其特 征在于， 包括： 第一模块， 用于通过编码器对源主题的作文和目标主题的作文进行编码处理， 获得源 主题和目标主题的主题表示； 其中， 所述主题表 示包括第一表示矩阵和第二表 示矩阵， 所述 第一表示矩阵为源主题的主题表示矩阵， 所述第二表示矩阵为 目标主题的主题表示矩阵； 以所述主题 表示作为第一主题 表示； 第二模块， 用于根据作文锚点表示和所述第一主题表示， 通过交叉映射处理分别得到 所述源主题的第一正例表示和所述 目标主题的第二正例表示； 根据先验知识， 构建所述源 主题的第一负例表示和所述 目标主题的第二负例表示； 其中， 所述作文锚点表示包括源主 题的第一作文锚点表示和目标主题的第二作文锚点表示； 第三模块， 用于根据所述第一作文锚点表示， 结合所述第一正例表示和所述第一负例 表示， 构建第一对比损失； 根据所述第二作文锚点表示， 结合所述第二正例表 示和所述第二 负例表示， 构建第二对比损失； 第四模块， 用于通过评分器对所述源主题的作文锚点表示进行评分预测， 得到预测分 数， 结合所述源主题的作文锚点表示的真实分数， 构建评分损失； 第五模块， 用于根据 所述第一对比损失、 所述第 二对比损失和所述评分损失， 构建总体 损失； 基于所述总体损失， 对 模型参数进行 更新处理； 第六模块， 用于基于所述更新处理后的编码器对源主题的作文和目标主题的作文进行 编码处理， 获得源主题和目标主题的第二主题表示； 以所述第二主题表示作为第一主题表 示， 然后返回所述根据所述第一主题表示， 通过交叉映射处理得到所述源主题的第一正例 表示和所述 目标主题的第二正例表示这一步骤， 直至达到预设训练轮数， 得到跨主题评分权　利　要　求　书 2/3 页 3 CN 115455178 A 3