我一直在开发一个问答应用程序，它有一个问答模板。希望是从用户那里获取答案文本，并将其与正确答案进行比较。我想根据关键字/流行语和响应的一般准确性来衡量它。
我是一名移动开发人员，不是一名数据科学家，也不是精通机器学习，所以我有点迷失在这片森林里，不确定我是否走在正确的道路上。
我一直在研究自然语言过程和一些评估句子的相关 python 库/模型。
我是否朝着正确的方向前进？还是我应该以另一种方式去做？
Q&A 答案比较多个句子使用
数据挖掘
机器学习
nlp
2022-02-19 16:20:30
1个回答
这取决于您希望系统有多复杂：
- 最基本的方法是使用简单的字符串相似性度量（例如重叠系数）将用户答案与黄金答案进行比较。基本上它只计算共同的单词，并且将有一个最小阈值来计算答案是正确的（例如 80% 的共同单词）。这不是很好，因为一个小的拼写错误就足以使分数出错，并且它赋予每个单词同样的重要性。
- 相同的想法，但使用 TF-IDF 权重，通常具有余弦相似度。这需要一个语料库来计算 IDF 权重（通常反映单词的重要性）。
- 仍然基于字符串相似性度量，但更先进：一种混合相似性度量，它结合了单词之间的字符级相似性（例如 Jaro、Levenshtein 编辑距离）和单词之间的相似性。Soft-TFIDF 是一个常见的例子。缺点：可能很难正确适应任务。
- 除此之外，还有很多花哨的选择：使用 WordNet 的语义相似性（同义词）、词嵌入等。
注意：仅供参考，这与称为问答的任务无关，问答是关于计算机生成的问题答案。
其它你可能感兴趣的问题