基于代表性答案选择与注意力机制的短答案自动评分

短答案自动评分是智慧教学中的一个关键问题。目前自动评分不准确的主要原因是:(1)预先给定的参考答案不能覆盖多样化的学生答题情况;(2)不能准确刻画学生答案与参考答案匹配情况。针对上述问题,该文采用基于聚类与最大相似度方法选择代表性学生答案构建更完备的参考答案,尽可能覆盖学生不同的答题情况;在此基础上,利用基于注意力机制的深度神经网络模型来提升系统对学生答案与参考答案匹配情况的刻画。相关数据集上的实验结果表明:该文模型有效提升了自动评分的准确率。

水稻秸秆生物炭制备硅酸钠及白炭黑工艺研究

为有效利用水稻秸秆富硅特性并解决水稻秸秆资源化利用问题,以水稻秸秆生物炭为原料,利用碱溶酸沉方法制备硅酸钠溶液并进一步生产白炭黑。通过单因素试验及中心组合设计响应面法分析硅酸钠溶液及白炭黑最佳制备条件。结果表明,在NaOH溶液浓度2 mol·L^(-1)、液料比7 mL·g^(-1)、反应温度90℃、反应时间4 h条件下水稻秸秆生物炭制得硅酸钠模数为0.69,SiO_(2)溶出率为61.3%;在反应温度80℃、硫酸溶液浓度11%、反应终点pH 9,陈化时间2 h条件下制备的白炭黑纯度为94.68%。通过X射线衍射及红外光谱分析发现制备的白炭黑为无定形水合二氧化硅结构。优化水稻秸秆生物炭制备硅酸钠以及进一步生产白炭黑最佳反应条件,对水稻秸秆高效循环利用具有较高参考价值,为低模数稻秆基硅酸钠制备高纯度白炭黑提供理论依据和技术支撑,对水稻秸秆资源化利用具有积极作用。

基于Capsule Network的数学简答题自动反馈

自动反馈是指通过参考答案、教师意见等自动给出学生答案的修改意见。数学简答题答案具有类型有限和易混淆的特点,对此,提出一种自动反馈的方法。使用基于静态路由的Capsule network预测答案类型,根据答案类型通过相似度计算确定反馈内容。构建一个数学简答题自动反馈数据集并据此进行实验。实验结果表明,基于静态路由的Capsule network在确定答案类型任务上表现更好,相对于CNN有3百分点至8.3百分点的提升,相对于基于动态路由的Capsule network有0.3百分点至2.5百分点的提升,总体上能达到85.3%以上的准确率。