(19)中华 人民共和国 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 202111637473.9 (22)申请日 2021.12.2 9 (71)申请人 上海应用技 术大学 地址 201418 上海市奉贤区海泉路10 0号 (72)发明人 刘云翔　朱建林　原鑫鑫　王春娅　 (74)专利代理 机构 上海科盛知识产权代理有限 公司 312 25 代理人 赵志远 (51)Int.Cl. G06F 40/279(2020.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种自动阅卷方法及系统 (57)摘要 本发明涉及一种自动阅卷方法及系统， 其中 自动阅卷方法包括： 构建文本识别模 型并进行训 练； 获取待阅卷的试卷， 输入文本识别模 型， 获得 文本识别结果； 将文本识别结果和参考答案分别 进行文本编码； 对文本识别结果与参考答案进行 相似度计算， 获得两者相似度； 根据相似度数值 进行打分。 与现有技术相比， 本发明具有自动化 程度高、 文字识别效果 好等优点。 权利要求书2页 说明书3页 附图1页 CN 114357993 A 2022.04.15 CN 114357993 A 1.一种自动阅卷 方法， 其特 征在于， 所述的自动阅卷 方法包括： 步骤1： 构建文本识别模型并进行训练； 步骤2： 获取待阅卷的试 卷， 输入文本识别模型， 获得文本识别结果； 步骤3： 将文本识别结果和参 考答案分别进行文本编码； 步骤4： 对文本识别结果与参 考答案进行相似度计算， 获得两者相似度； 步骤5： 根据相似度数值进行打 分。 2.根据权利要求1所述的一种自动阅卷方法， 其特征在于， 所述的文本识别模型具体 为： 首先， 采用文字检测子模型检测试 卷的文字； 然后， 采用文本识别子模型对文字进行识别。 3.根据权利要求2所述的一种自动阅卷方法， 其特征在于， 所述的文字检测子模型具体 为DBnet模型。 4.根据权利要求2所述的一种自动阅卷方法， 其特征在于， 所述的文本识别子模型具体 为CRNN‑CTC模型。 5.根据权利要求4所述的一种自动阅卷方法， 其特征在于， 所述的文本识别子模型还包 括BiLSTM模型， 该模型用于对文字进行双向识别。 6.根据权利要求1所述的一种自动阅卷方法， 其特征在于， 所述的步骤3具体为： 采用 BERT模型分别对文本识别结果和参 考答案进行文本编码。 7.根据权利要求1所述的一种自动阅卷方法， 其特征在于， 所述的步骤4具体为： 采用余 弦相似度对文本识别结果与参 考答案进行相似度计算。 8.根据权利要求7所述的一种自动阅卷方法， 其特征在于， 所述余弦相似度的计算方法 为： 其中， cos( θ )为 余弦相似度； a和b分别为文本识别结果和参 考答案的文本编码。 9.根据权利要求1所述的一种自动阅卷 方法， 其特 征在于， 所述的步骤5具体为： 若相似度数值 为[0.8,1]， 则该题目的得分为满分； 若相似度数值 为[0.6,0.8)， 则该题目的得分为满分的70％； 若相似度数值 为[0.4,0.6)， 则该题目的得分为满分的5 0％； 若相似度竖直 为[0,0.4)， 则该题目的得分为 零分。 10.一种用于如权利要求1所述自动阅卷方法的自动 阅卷系统， 其特征在于， 所述的自 动阅卷系统包括： 文本检测模块， 采用DBnet模型对待阅卷的试 卷进行文本检测； 文本识别模块， 采用CRN N‑CTC模型配合Bi LSTM模型对检测出的文本进行文本识别； 文本编码模块， 采用BERT模型分别对文本识别结果和参考答案进行文本编码相似度计 算模块， 计算文本识别结果编码与参 考答案编码的余弦相似度；权　利　要　求　书 1/2 页 2 CN 114357993 A 2分值计算模块， 根据余弦相似度数值以及预设的分段函数确定每道 题目的得分。权　利　要　求　书 2/2 页 3 CN 114357993 A 3