基于论域主词的作文主题聚合度评估方法、系统及设备

本技术涉及作文评估，尤其涉及一种基于论域主词的作文主题聚合度评估方法、系统及设备。

背景技术：

1、随着，人工智能技术与大规模自然语言处理模型在教育领域的广泛应用，自动作文评测逐渐成为减轻教师批改负担、提升教学效率的重要手段。尤其是中文写作评测面临独特挑战：汉语作为意合性语言，缺乏丰富的形态标记，传统基于表层特征（如词频、句长、错别字检测）的自动批改方法难以准确反映篇章层面的主题一致性与段落间语义连贯性。此外，课堂教学中对作文的诊断性反馈需求不仅要求客观打分，更需要可解释的、能指引写作改进的诊断信息，这对自动评测系统提出了更高的语义理解与可解释性要求。

2、在相关技术中，现有研究主要通过主题模型、文档发散度或基于局部密度的无监督方法判断作文是否“跑题”或主题偏离，近年来也尝试使用大模型进行篇章评价。但这些方法或侧重统计分布且对汉语语义线索建模不足，或在零样本/少样本情形下表现不稳定，难以提供明确的段落级诊断与教学建议。

技术实现思路

1、有鉴于此，有必要提供一种基于论域主词的作文主题聚合度评估方法、系统及设备，能够至少克服以上缺陷之一。

2、第一方面，本技术实施例提供一种基于论域主词的作文主题聚合度评估方法，所述方法包括：

3、获取待评估作文；

4、对所述待评估作文的文本进行预处理，以获取所述评估作文的段落边界及词性标注结果；

5、根据所述词性标注结果以及预设的词类优先级顺序，从各所述段落中提取论域主词，所述论域主词包括代词类论域主词及主语类论域主词；

6、根据所述段落边界对所述代词类论域主词在所在句及上下文段落中进行指代还原，以确定所述代词类论域主词的语义内容；

7、根据所述论域主词、所述论域主词在文本中的频次与通过语料库训练获得的词语主题度计算权重，构建所述论域主词的向量空间模型；

8、在所述向量空间模型中，每个段落均表征为一个段落论域主词向量，所述待评估作文表征为整体论域主词向量；

9、计算各所述段落论域主词向量与所述待评估作文的所述整体论域主词向量之间的相似度，得到各段落与所述待评估作文的主题契合度；

10、根据各段落的主题契合度输出所述待评估作文的整体主题聚合度。

11、在一实施例中，所述根据所述词性标注结果以及预设的词类优先级顺序，从各所述段落中提取论域主词，包括：

12、根据预设的词类优先级及所述词性标注结果对段落内候选词项进行排序，以获取候选词序列；

13、根据代表性评估规则对所述候选词序列进行筛选，以获取所述论域主词；

14、其中，所述代表性评估规则包括根据所述候选词在段落与全文中的出现频次及所述候选词与段落内其他词语的语义关联度中的至少一个进行评估。

15、在一实施例中，所述方法还包括：

16、获取所述论域主词在大规模分类语料库中训练得到的词语主题度；

17、获取所述论域主词在所述待评估作文中的出现频次；

18、获取所述论域主词在段落中的位置重要性因子；

19、根据所述论域主词的词语主题度、出现频次及位置重要性因子构建所述论域主词的所述向量空间模型。

20、在一实施例中，所述方法还包括：

21、获取各所述段落与所述待评估作文的主题契合度的统计分布特征；

22、根据所述统计分布特征确定所述待评估作文的整体主题聚合度等级。

23、在一实施例中，所述方法还包括：

24、计算各段落主题契合度的均值与标准差；

25、将所述均值与所述标准差与通过动态阈值法确定的等级阈值范围进行比对；

26、根据比对结果输出所述待评估作文的整体主题聚合度等级。

27、在一实施例中，所述动态阈值法，包括：

28、将包含多篇已标注聚合度等级的作文数据集划分为多个子集，进行五倍交叉验证；

29、对于每个等级，以预设步长在合理范围内迭代调整该等级的均值阈值与标准差阈值组合，并计算对应f1值，选取f1值最大时的阈值组合作为该等级的阈值范围；

30、在每次交叉验证中，使用训练子集确定各等级阈值范围，使用测试子集评估模型性能；

31、综合多次交叉验证结果，确定最终的主题聚合度五级划分标准，其中一级表示主题高度聚合，五级表示主题严重分散。

32、在一实施例中，所述方法还包括：

33、生成各所述段落的主题契合度；

34、识别所述主题契合度低于预设阈值的偏题段落；

35、根据所述论域主词的分析结果，为所述偏题段落生成包含关键词补充和语义强化方向的改进建议。

36、在一实施例中，所述对所述待评估作文的文本进行预处理，以获取所述评估作文的段落边界及词性标注结果，包括：

37、生成所述待评估作文的文本的结构化表示，所述结构化表示至少包括所述段落边界、词项及所述词项对应的所述词性标注。

38、第二方面，本技术实施例提供一种基于论域主词的作文主题聚合度评估系统，应用于实现如第一方面所述的基于论域主词的作文主题聚合度评估方法，其特征在于，所述系统包括：

39、信息获取模块，用于获取待评估作文；

40、论域主词提取模块，用于对所述待评估作文的文本进行预处理，以获取所述评估作文的段落边界及词性标注结果，并根据所述词性标注结果以及预设的词类优先级顺序，从各所述段落中提取论域主词，所述论域主词包括代词类论域主词及主语类论域主词；

41、向量空间模型构建模块，用于根据所述段落边界对所述代词类论域主词在所在句及上下文段落中进行指代还原，以确定所述代词类论域主词的语义内容，并根据所述论域主词、所述论域主词在文本中的频次与通过语料库训练获得的词语主题度计算权重，构建所述论域主词的向量空间模型；在所述向量空间模型中，每个段落均表征为一个段落论域主词向量，所述待评估作文表征为整体论域主词向量；

42、结果输出模块，用于计算各所述段落论域主词向量与所述待评估作文的所述整体论域主词向量之间的相似度，得到各段落与所述待评估作文的主题契合度，并根据各段落的主题契合度输出所述待评估作文的整体主题聚合度。

43、第三方面，本技术实施例提供一种电子设备，包括：

44、处理器；

45、用于存储处理器可执行指令的存储器；

46、其中，所述处理器被配置为执行所述指令时实现如第一方面所述的基于论域主词的作文主题聚合度评估方法。

47、本技术实施例提供的一种基于论域主词的作文主题聚合度评估方法、系统及设备，通过从作文文本中提取能够表征核心语义单元的论域主词，并对其进行指代还原以明确语义内容，继而构建论域主词语义关系模型，最终基于动态阈值对主题聚合度进行量化评估，实现了对作文内容组织逻辑的深层语义分析。该方法有效克服了传统人工评阅效率低下、主观性强的问题，也弥补了现有自动批改技术大多局限于语法纠错而难以评估内容契合度的缺陷。特别针对汉语意合性语言缺乏形态标记的特点，通过论域主词的精准定位和语义挖掘，实现了从内容层面客观、准确地衡量作文各段落与整体主题的一致性程度。相较于通用大语言模型在该任务上的不稳定表现，本方案评估结果更为可靠，同时其动态阈值机制能够自适应不同类型作文的特点，显著提升了评估的准确性与教学适用性，为写作教学提供了高效、精准的智能化辅助工具。