《表1 短答案题目示例：基于代表性答案选择与注意力机制的短答案自动评分》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于代表性答案选择与注意力机制的短答案自动评分》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

ASAG一般通过一定模型对学生答案与参考答案进行对比，根据匹配程度预测其分值。随着机器学习技术的发展，该任务已取得一定进展，但准确率仍需进一步提高。目前导致ASAG不准确的原因主要有两方面：（1）学生答案多种多样，预先给定的参考答案难以覆盖所有可能答题情况。此外，还存在许多开放程度高、不具有单一明确参考答案的问题。例如，对于表1示例1的问题，学生可以从故事情节、人物性格、写作特点、语言风格等角度来回答。然而现实中对这类问题要么不提供参考答案，要么提供非常有限的参考答案，因此引起学生答题情况覆盖度不高、自动评分不准确问题；（2）模型不能准确刻画学生答案与参考答案匹配情况。如表1示例2中，模型需要对二者进行语义匹配，才能得到学生答案中“身高差不多的人数最多”与参考答案中“人数最为集中，且大家的身高相对接近”语义一致的判断。