aes-master:AES的两方面探索性研究

AES的两方面探索性研究 这个项目是关于什么的 自动化论文评分系统已在行业中广泛使用-ETS使用AES对新GRE的AWA部分进行评分，这同样适用于GMAT。 目前的研究仅限于严重依赖提取经过精心设计的功能，以通过对庞大的数据集进行培训来对论文进行评估和评分。 这使得小学教师无法使用此类系统进行评分。 而且，直到最近，即使涉及大量数据集训练的系统也取得了平均结果。 在这个项目中，我们想研究解决这个问题的两种观点。 目标 在样本量可能低至5篇分级论文的情况下，请进行广泛的功能工程设计，以找出对分级论文进行评分的特定线索。 使用递归神经网络实施最新系统以对论文进行评分-这涉及对常规数据集的培训。 实施级别详细信息 我们将使用由The Hewlett Foundation提供的Kaggle的“ Hewlett Foundation：自动作文评分”数据集，其中包含有关8个不同主题的大约1785篇