基于LSTM的自动化论文评分系统：利用深度学习预测文章得分

简介：
本研究开发了一种基于LSTM（长短期记忆网络）的自动化论文评分系统，通过深度学习技术自动评估学术文章的质量，并准确预测其得分。 本段落介绍了一种使用LSTM深度学习模型自动评分论文的方法，并预测给定输入文章的分数。数据集来源于惠普基金会提供的Kaggle ASAP竞赛。如果进行交互式演示，可以在mysite文件夹中找到一个Django应用。 性能准确性通过二次加权Kappa（QWK）来衡量，这是一种用于评估两个评价者之间一致性水平的方法。六年前，在该竞赛中的最佳表现达到了0.82的QWK分数。而我的模型则取得了0.961的QWK得分。 此模型架构包括了两层长期短期记忆（LSTM）以及一层密集输出层。最后一层使用ReLU激活函数。通过5折交叉验证对数据集进行训练，计算出每个折叠中的QWK值，并取所有五次折叠结果的平均值得到最终分数。