计算机研究与发展

基于类别对抗联合学习的跨提示自动作文评分方法

张春云，赵洪焱，邓纪芹，崔超然，董晓琳，陈竹敏

论文简介

本文提出了一种基于类别对抗联合学习的跨提示 AES 方法. 该方法将 AES 任务建模为结合分类和回归的联合学习框架，一方面通过学习分类和回归 2 个任务的共享特征，实现二者性能的联合提升；另一方面基于分类任务目标引入对抗训练方法，学习不同提示之间的不变特征表示。此外，针对不同目标提示之间存在较大的类别差异的问题，本文采用类别对抗网络对源提示和目标提示进行类别级的特征对齐，从而避免在提示级别上进行特征对齐可能产生的错位对齐问题。 本文将所提方法用于 ASAP 和 ASAP++数据集[17]，分别对作文的整体评分和多属性的评分进行预测，实验结果表明，经与现有的 6个经典方法相比，本文方法在平方卡帕（quadratic weighted Kappa, QWK）指标上取得最好的实验效果。

ASAP 数据集 8 个提示的作文类别分布：