CN110795538B - 一种基于人工智能的文本评分方法和相关设备 - Google Patents

Abstract

本申请实施例公开了一种基于人工智能的文本评分方法和相关设备，该方法包括：可以获取目标文章中的段落或语句作为待评分文本，并计算待评分文本在每个评分维度下的维度分数。其中，评分维度包括扣题维度、语句通顺维度、文采维度、高级文本维度、连贯性维度、立意维度、布局维度中的一种或多种组合。最后，根据计算出的维度分数，确定待评分文本的目标分数。该方法站在作者的角度，基于对目标文章的更细化的评分方式，帮助作者更详细的了解目标文章中的段落甚至语句的写作水平。

Description

一种基于人工智能的文本评分方法和相关设备

技术领域

本申请涉及教育领域，特别是涉及一种基于人工智能的文本评分方法和相关设备。

背景技术

自动化评分方式可以对一篇完整的作文进行自动化评分。相关的自动化评分方式通过对目标文章的字数、词数、修辞、高级文本及篇章结构等特征进行统一建模，实现对目标文章进行评分。

实际上，当前的自动化评分方式是站在教师的角度而言的，通过自动化评分方式进行作文评分，可以帮助阅卷教师节省很多时间。

目前，还并未提供一种方法，来帮助学生更详细的了解其真实写作水平。

发明内容

为了解决上述技术问题，本申请提供了一种基于人工智能的文本评分方法和相关设备，帮助作者更详细的了解目标文章中的段落甚至语句的写作水平。

本申请实施例公开了如下技术方案：

第一方面，本申请实施例提供了一种基于人工智能的文本评分方法，所述方法包括：

获取待评分文本，所述待评分文本为目标文章中的段落或语句；

计算所述待评分文本在每个评分维度下的维度分数，所述评分维度包括扣题维度、语句通顺维度、文采维度、高级文本维度、连贯性维度、立意维度和布局维度中的一种或多种组合；

根据所述维度分数，确定所述待评分文本的目标分数。

第二方面，本申请实施例提供了一种基于人工智能的文本评分装置，所述装置包括获取单元、计算单元和确定单元：

所述获取单元，用于获取待评分文本，所述待评分文本为目标文章中的段落或语句；

所述计算单元，用于计算所述待评分文本在每个评分维度下的维度分数，所述评分维度包括扣题维度、语句通顺维度、文采维度、高级文本维度、连贯性维度、立意维度和布局维度中的一种或多种组合；

所述确定单元，用于根据所述维度分数，确定所述待评分文本的目标分数。

第三方面，本申请实施例提供了一种用于基于人工智能的文本评分的设备，所述设备包括处理器以及存储器：

所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；

所述处理器用于根据所述程序代码中的指令执行如第一方面所述的基于人工智能的文本评分方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行如第一方面所述的基于人工智能的文本评分方法。

由上述技术方案可以看出，可以获取目标文章中的段落或语句作为待评分文本，并计算待评分文本在每个评分维度下的维度分数。其中，评分维度包括扣题维度、语句通顺维度、文采维度、高级文本维度、立意维度、布局维度中的一种或多种组合。最后，根据计算出的维度分数，确定待评分文本的目标分数。该方法站在作者的角度，基于对目标文章的更细化的评分方式，帮助作者更详细的了解目标文章中的段落甚至语句的写作水平。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种基于人工智能的文本评分方法的应用场景示意图；

图2为本申请实施例提供的一种文本评分方法的流程图；

图3为本申请实施例提供的一种BERT模型示意图；

图4为本申请实施例提供的一种针对作文的文本评分方法流程图；

图5为本申请实施例提供的又一种针对作文的文本评分方法流程图；

图6为本申请实施例提供的一种基于人工智能的文本评分装置结构图；

图7为本申请实施例提供的一种用于基于人工智能的文本评分设备的结构图；

图8为本申请实施例提供的一种服务器的结构图。

具体实施方式

下面结合附图，对本申请的实施例进行描述。

目前的自动化评分方式是站在教师的角度而言的，还并未提供一种方法，来帮助学生更详细的了解其真实写作水平。

为此，本申请实施例提供了一种基于人工智能的文本评分方法，以希望对目标文章中的段落或语句进行评分，通过对目标文章应用更细化的评分方式，帮助作者更详细的了解文章中的段落甚至语句的写作水平。

本申请实施例所提供的文本评分方法以及相应的连贯性模型的训练方法均可以是基于人工智能实现的，人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。

人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。

在本申请实施例中，主要涉及了人工智能软件技术中的自然语言处理技术方向。

例如可以涉及自然语言处理(Nature Language processing，NLP)中的语义理解(Semantic understanding)，包括语义分析semantic analyzing、语义推理semanticreasoning等。

首先，对本申请实施例的应用场景进行介绍。本申请实施例提供的文本评分方法可以在文章撰写过程中或文章撰写完成后执行。例如：学生写作过程中，可以应用该文本评分方法对撰写的段落或语句进行评分。又如：学生完成写作后，也可以应用该文本评分方法对撰写的段落或语句进行评分。

本申请提供的文本评分方法可以应用于文本处理设备，如终端设备、服务器。终端设备例如可以是智能终端、计算机、个人数字助理(Personal Digital Assistant，简称PDA)、平板电脑等设备。该文本评分方法还可以应用到服务器中，服务器可以是独立的服务器，也可以是集群中的服务器。

该文本处理设备还可以具有实施自然语言处理的能力，其是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是一门融语言学、计算机科学、数学于一体的科学。因此，这一领域的研究将涉及自然语言，即人们日常使用的语言，所以它与语言学的研究有着密切的联系。自然语言处理技术通常包括文本处理、语义理解等技术。

在本申请实施例中，文本处理设备通过实施自然语言处理相关技术，可以实现确定文本间的相似性等。

为了便于理解本申请的技术方案，下面结合实际应用场景对本申请实施例提供的基于人工智能的文本评分方法进行介绍。

参见图1，图1为本申请实施例提供的一种基于人工智能的文本评分方法的应用场景示意图。如图1所示，由服务器101来执行本申请实施例提供的文本评分方法。

在本申请实施例中，服务器101可以获取待评分文本，待评分文本可以是目标文章中的段落或者语句。

然后，服务器101可以计算待评分文本在每个评分维度下的维度分数。其中，评分维度可以包括扣题维度、语句通顺维度、文采维度、高级文本维度、连贯性维度、立意维度和布局维度中的一种或多种组合。

扣题维度下的维度分数可以是指，基于文本与目标文章题目间相似程度的高低确定的分数；语句通顺维度下的维度分数可以是指，基于文本中语句的通顺程度所确定的分数；文采维度下的维度分数可以是指，基于文本的文采高低确定的分数；高级文本维度下的维度分数可以是指，基于文本中包括的高级文本的数量而确定的分数；连贯性维度下的分数可以是指，基于文本是否连贯确定出的分数；立意维度下的维度分数可以是指，基于文本在立意方面是否深刻所确定的分数；布局维度下的分数可以是指，基于文本在布局方面上的合理程度确定的分数。

最后，服务器101可以根据维度分数，确定待评分文本的目标分数。

接下来对该文本评分方法进行举例说明：假设对待评分文本的评分维度包括文采维度和立意维度，当前场景为在目标文章写作过程中。在该场景下，针对已写完的一个段落，可以将该段落作为待评分文本。然后，计算该段落在文采维度下的维度分数和在立意维度下的维度分数。最后，计算这两个分数的和，作为该段落的目标分数。

该方法站在作者的角度，基于对目标文章的更细化的评分方式，帮助作者更详细的了解目标文章中的段落甚至语句的写作水平。

接下来，将结合附图对本申请实施例提供的文本评分方法进行介绍。

参见图2，该图示出了本申请实施例提供的一种文本评分方法的流程图，所述方法包括：

S201：获取待评分文本。

待评分文本可以是目标文章中的段落或语句等。

本申请实施例不限定获取待评分文本的具体方式，可以根据不同的应用场景或者不同的确定需求选择、设置适应性的确定方式。

获取待评分文本的方式例如可以是：学生写作文的过程中，学生每写完一个段落，可以将该段落进行拍照上传，然后通过光学字符识别(Optical Character Recognition，OCR)等技术识别照片中的文本，作为待评分文本。或者，可以通过在线编辑的方式撰写目标文章，在编辑完一个段落后，可以直接获取该段落，将该段落作为待评分文本。

S202：计算待评分文本在每个评分维度下的维度分数。

评分维度可以包括扣题维度、语句通顺维度、文采维度、高级文本维度、连贯性维度、立意维度和布局维度中的一种或多种组合。

计算扣题维度下的维度评分的方式可以包括：可以预先建立一个扣题模型，使其可以实现如下功能：将目标文章题目和待评分文本输入扣题模型后，输出待评分文本针对该目标文章题目的扣题程度的分数。其中，该分数是扣题模型基于目标文章题目和待评分文本间的相似程度确定出的。

在具体实现中，该扣题模型可以是一个端到端的模型，即将目标文章题目和待评分文本输入扣题模型后，输出待评分文本针对该目标文章题目的扣题程度的分数。另外，还可以基于Transformer模型的双向编码器表示(Bidirectional Encoder Representationsfrom Transformer，BERT)模型建立一个相关性模型，进而创建出该扣题模型。参见图3，该图示出了本申请实施例提供的一种BERT模型示意图，该BERT模型有效利用了语句中双向的信息，能够有效为语句进行编码，把具体任务中做的操作转移到预训练词向量中。在获得语句编码(语句中每个字或词汇分别对应的编码为E1、E2、......En)后，只用线性分类器就可以计算文本间的相关性计算等(即计算出对应该语句的编码Tn)。用于训练扣题模型的训练样本可以包括：目标文章题目、文本和对应的针对扣题维度下的维度分数。

高级文本包括文本中使用的高级词汇、古诗、成语和名人名言等。在具体实现中，确定待评分文本在高级文本维度下的维度分数的方法可以包括：通过统计的方法确定待评分文本中包括的各种高级文本的数量，如高级词汇数量、引用古诗数量、名言数量、成语数量等。然后，可以根据高级文本的数量，确定待评分文本在高级文本维度下的维度分数。

文本的文采可以通过文本中应用的修辞数量体现出来。由此，计算文采维度下的维度评分的方式可以包括：可以预先建立一个文采模型，使其可以实现如下功能：将待评分文本输入文采模型后，输出待评分文本针对文采程度的分数。其中，该分数是文采模型基于待评分文本中包括的应用比喻、拟人、排比等修辞的语句数量确定出的。

在具体实现中，该文采模型可以是一个端到端的模型，即将待评分文本输入文采模型后，输出待评分文本针对文采程度的分数。另外，仍可以基于BERT模型建立一个多分类器，进而创建该文采模型。用于训练扣题模型的训练样本可以包括：应用各种修辞方法的文本、该文本对应的修辞类型和该文本在文采维度下的维度分数。

S203：根据所述维度分数，确定所述待评分文本的目标分数。

本申请实施例不限定根据维度分数确定待评分文本的目标分数的方式，可以根据不同的应用场景或者不同的确定需求选择、设置适应性的确定方式。

例如：可以累计维度分数，得到的累计分数作为待评分文本的目标分数。又如：可以为不同的评分维度确定对应的权重，根据维度分数和评分维度对应的权重，确定待评分文本的目标分数。

在具体实现中，可以利用逻辑回归模型，将计算得到的维度分数输入逻辑回归模型，输出待评分文本的目标分数。

由上述技术方案可以看出，可以获取目标文章中的一个段落或一条语句作为待评分文本，并计算待评分文本在每个评分维度下的维度分数。其中，评分维度包括扣题维度、语句通顺维度、文采维度、高级文本维度、立意维度、布局维度中的一种或多种组合。最后，根据计算出的维度分数，确定待评分文本的目标分数。该方法站在作者的角度，基于对目标文章的更细化的评分方式，帮助作者更详细的了解目标文章中的段落甚至语句的写作水平。

实际场景中，可能会出现如下情形：按照目标文章中文本位置的先后顺序对目标文章中的文本依次评分。举例来说：目标文章中包括4个段落，按照目标文章中文本位置的先后顺序，这4个段落分别为：段落1、段落2、段落3和段落4。可以按照目标文章中文本位置的先后顺序，对这4个段落依次进行评分。例如：在分别为段落1和段落2完成评分后，将段落3作为待评分文本进行评分。

基于此，在一种可能的实现方式中，S202中的评分维度还可以包括连贯性维度。其中，连贯性维度用于标识待评分文本与已评分文本间的连贯性。例如：基于前述示例，在对段落3的待评分文本进行评分时，还可以计算其在连贯性维度下的评分，即段落3(待评分文本)与段落1及段落2(段落1及段落2均为已评分文本)间连贯性程度的评分。

由此，保证了为待评分文本评分的全面性和准确性。

为了提高S202中计算待评分文本在连贯性维度下的维度分数的效率和准确性，在一种可能的实现方式中，可以通过如下方式得到：

在本申请实施例中，可以预先训练一个连贯性模型，使其可以实现如下功能：将已评分文本和待评分文本输入该连贯性模型后，可以输出针对待评分文本自身及待评分文本与已评分文本间在连贯性维度下的分数。其中，该分数是根据待评分文本与已评分文本间的相关性得到的。

该连贯性模型可以是根据历史评分数据训练得到的，该历史评分数据可以包括：历史评分文章、历史评分文章中的文本和文本对应的针对连贯性维度下的维度分数。

在具体实现中，该连贯性模型可以是一个端到端的模型，即将待评分文本和已评分文本输入连贯性模型后，输出针对待评分文本自身及待评分文本与已评分文本间在连贯性维度下的分数。另外，还可以基于BERT模型建立一个相关性模型，进而创建该连贯性模型。

由此，提高了计算待评分文本在连贯性维度下的维度分数的效率和准确性。

目前的相关技术中，并未包括为目标文章作者提供写作指导的方法，基于前述按照目标文章中文本位置的先后顺序对目标文章中的文本依次评分的情形，在一种可能的实现方式中，该方法还包括：

S301：确定待评分文本在目标文章中的位置信息和对应的结构特征。

文本的结构特征可以是指文本在目标文章的篇章结构上的特征。例如：文本的结构特征为开篇点题、中间扩展或总结等。

在具体实现中，可以基于BERT模型建立一个分类模型，进而创建该结构特征确定模型，以使其实现如下功能：将待评分文本输入至该结构特征确定模型后，可以输出该待评分文本对应的结构特征。

S302：根据位置信息和结构特征，确定待评分文本的后一文本在目标文章中的目标结构特征。

可以将待评分文本的后一文本理解为，基于目标文章中文本的先后顺序，在待评分文本后面的一个文本，如待评分文本后面的一个相邻文本。

在本申请实施例中，在确定待评分文本在目标文章中的位置信息和对应的结构特征后，可以根据该位置信息和结构特征，确定待评分文本的后一文本在目标文章中的目标结构特征。

例如：基于前述示例，假设段落3在目标文章中的结构特征为中间扩展段落，在确定其位置信息(即目标文章中第3个段落)和结构特征后，可以基于这两个条件，确定其后一文本(即第4个段落)在目标文章中的目标结构特征应为总结段落。

通过该方法，为文章作者提供了写作的技术指导，有助于作者写作能力的提高。

另外，本申请实施例还可以为文章作者提供更多的写作素材，在一种可能的实现方式中，预先生成有知识图谱，该知识图谱中包括了各种主题和对应的论据。

其中，该知识图谱中的主题可以是基于写作素材(如名人名言、古诗等)分类后得到的类型题目，例如主题可以是勤奋、成功等。主题对应的论据可以是该主题对应的写作素材。如勤奋的主题对应的论据可以包括：“天才是百分之九十九的汗水加百分之一的灵感”、“三更灯火五更鸡，正是男儿读书时”等。

实际场景中，该知识图谱的生成方法可以包括：提炼写作中的各种主题，并在优秀作文、典型事例的海量文本中挖掘出与主题对应的名言警句、古诗等。

由此，该方法还包括：

S401：确定待评分文本的目标主题。

S402：从知识图谱中确定目标主题对应的目标论据。

通过该方法，可以将确定出的该待测文本的目标主题对应的目标论据推荐给作者，以提高作者对该种主题下的写作素材的积累量。

在本申请实施例中，可以允许对待评分文本进行修改，基于此，在一种可能的实现方式中，该方法还可以包括：

S501：若获取到待评分文本对应的修改文本，保存修改文本。

S502：在确定待评分文本的目标分数后，将修改文本作为待评分文本，执行S202、即计算待评分文本在每个评分维度下的维度分数的步骤。

也就是说，若获取到待评分文本的修改文本，在完成对待评分文本的评分后，还可以将该修改文本作为新的待评分文本进行评分。

如此，通过向作者提供待评分文本改正前后的分数，使得作者可以明确写作过程中的不足并及时改正。

目前，并未提供相关方法，以向用户提供一段时间内写作水平的变化过程。为此，在一种可能的实现方式中，该方法还可以包括：

S601：在完成针对目标文章中所有文本的评分后，获取目标对象在预设时间段内的多篇已评分文章。

其中，已评分目标文章中的文本均已通过本申请实施例提供的文本评分方法进行评分。

预设时间段可以是预先设置的一个固定时长的时间段，如预设时间段为5天。预设时间段可以是指从完成该目标文章中文本评分的时刻开始至此前的一段时间范围。预设时间段内的已评分文章中可以包括已完成评分的该目标文章。

S602：根据已评分文章中的文本在每个评分维度下的维度分数，确定多篇已评分文章在预设时间段内在所述评分维度下的维度分数变化情况。

在具体实现中，可以针对任意一个评分维度，确定这些已评分文章随时间的维度分数变化情况。

由此，该方法通过确定用户在预设时间段内的维度分数变化情况，可以体现用户在该预设时间段内针对不同评分维度的写作水平变化情况。用户可以进而确定其能力较弱的评分维度特征，方便用户更有针对性的训练写作水平。

接下来，将结合实际应用场景对本申请实施例提供的文本评分方法进行介绍。在该场景中，将学生的作文中的段落作为待评分文本。其中，可以按照段落的先后顺序依次对学生作文中的段落进行评分。

在学生写作过程中，可以将每写完的一个段落作为待评分文本进行评分。参见图4，该图示出了本申请实施例提供的一种针对作文的文本评分方法流程图。如图4所示，首先，可以选择学生对应的年级；然后，可以选择待评分文本的输入方式(可选的输入方式包括拍照输入和文本输入等)；在将待评分文本输入之后，可以对待评分文本进行评分；并对待评分文本的后一文本提供建议(该后一文本对应的目标结构特征)。在对整篇作文完成逐个段落的评分后，还可以对全文进行评分及点评。接着，可以将学生的多篇文章进行汇总分析。

参见图5，该图示出了本申请实施例提供的又一种针对作文的文本评分方法流程图。如图5所示，首先，可以选择拍照输入方式或文本输入方式输入待评分文本。其中，针对拍照输入方式输入的文本，可以通过OCR技术识别出照片中的文本，作为待评分文本。然后，可以计算待评分文本在每个评分维度下的维度分数，评分维度包括扣题维度、连贯性维度、语句通顺维度、文采维度、高级文本维度、立意维度和布局维度，并根据计算出的维度分数，确定待评分文本的目标分数。接下来，对待评分文本的后一文本提供建议，并针对该待评分文本推荐论据。在对整篇作文的段落完成逐个评分后，保存作文，并对预设时间段内的多篇作文进行汇总分析。

总的来说，该方案有效整合了自然语言处理的各种技术，将作文评分从完成后评分变成了边写边评分。学生每写完一段，就可以对完成的一段进行评分，判断立意是否深刻，是否有跑题等，并为用户后续的篇章结构、论据提供建议。这样用户的写作过程就变得可见，第一，该方法有利于学生实时学习，发现在每一步的不足，并进行改正；第二，通过后台系统记录学生的原始待评分文本和修改文本，显示出修改前后的提高；第三，也通过后台记录分析多篇学生作文，找出学生在写作方面需要提高的部分，进行针对性的提高训练。

基于前述实施例提供的基于人工智能的文本评分方法，本申请实施例提供一种基于人工智能的文本评分装置，参见图6，该图示出了本申请实施例提供的一种基于人工智能的文本评分装置结构图600，所述装置包括获取单元601、计算单元602和确定单元603：

所述获取单元601，用于获取待评分文本，所述待评分文本为目标文章中的段落或语句；

所述计算单元602，用于计算所述待评分文本在每个评分维度下的维度分数，所述评分维度包括扣题维度、语句通顺维度、文采维度、高级文本维度、连贯性维度、立意维度和布局维度中的一种或多种组合；

所述确定单元603，用于根据所述维度分数，确定所述待评分文本的目标分数。

可选的，若按照所述目标文章中文本位置的先后顺序对所述目标文章中的文本依次评分，所述评分维度包括连贯性维度，所述连贯性维度还用于标识所述待评分文本与已评分文本间的连贯性。

可选的，所述待评分文本在所述连贯性维度下的维度分数通过如下方式得到：

根据连贯性模型计算所述待评分文本在所述连贯性维度下的维度分数，所述连贯性模型是根据历史评分数据训练得到的，所述历史评分数据包括历史评分文章、所述历史评分文章中的文本和所述文本对应的针对连贯性维度下的维度分数。

可选的，所述确定单元603，还用于：

确定所述待评分文本在所述目标文章中的位置信息和对应的结构特征；

根据所述位置信息和所述结构特征，确定所述待评分文本的后一文本在所述目标文章中的目标结构特征。

可选的，所述确定单元603，还用于：

预先生成知识图谱，所述知识图谱中包括主题和对应的论据，所述方法还包括：

确定所述待评分文本的目标主题；

从所述知识图谱中确定所述目标主题对应的目标论据。

可选的，所述确定单元603，还用于：

若获取到所述待评分文本对应的修改文本，保存所述修改文本；

在确定所述待评分文本的目标分数后，将所述修改文本作为待评分文本，执行所述计算所述待评分文本在每个评分维度下的维度分数的步骤。

可选的，所述获取单元601，还用于：

在完成针对所述目标文章中所有文本的评分后，获取目标对象在预设时间段内的多篇已评分文章，所述已评分文章中的文本均已被评分；

所述确定单元603，还用于：

根据所述已评分文章中的文本在每个评分维度下的维度分数，确定所述多篇已评分文章在所述预设时间段内在所述评分维度下的维度分数变化情况。

由上述技术方案可以看出，可以获取目标文章中的段落或语句作为待评分文本，并计算待评分文本在每个评分维度下的维度分数。其中，评分维度包括扣题维度、语句通顺维度、文采维度、高级文本维度、立意维度、布局维度中的一种或多种组合。最后，根据计算出的维度分数，确定待评分文本的目标分数。该方法站在作者的角度，基于对目标文章的更细化的评分方式，帮助作者更详细的了解目标文章中的段落甚至语句的写作水平。

本申请实施例还提供了一种用于基于人工智能的文本评分设备，下面结合附图对用于基于人工智能的文本评分设备进行介绍。请参见图7所示，本申请实施例提供了一种用于基于人工智能的文本评分设备700的结构图，该设备700还可以是终端设备，该终端设备可以为包括手机、平板电脑、个人数字助理(Personal Digital Assistant，简称PDA)、销售终端(Point of Sales，简称POS)、车载电脑等任意智能终端，以终端设备为手机为例：

图7示出的是与本申请实施例提供的终端设备相关的手机的部分结构的框图。参考图7，手机包括：射频(Radio Frequency，简称RF)电路710、存储器720、输入单元730、显示单元740、传感器750、音频电路760、无线保真(wireless fidelity，简称WiFi)模块770、处理器780、以及电源790等部件。本领域技术人员可以理解，图7中示出的手机结构并不构成对手机的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

下面结合图7对手机的各个构成部件进行具体的介绍：

RF电路710可用于收发信息或通话过程中，信号的接收和发送，特别地，将基站的下行信息接收后，给处理器780处理；另外，将设计上行的数据发送给基站。通常，RF电路710包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器(Low NoiseAmplifier，简称LNA)、双工器等。此外，RF电路710还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议，包括但不限于全球移动通讯系统(Global System of Mobile communication，简称GSM)、通用分组无线服务(GeneralPacket Radio Service，简称GPRS)、码分多址(Code Division Multiple Access，简称CDMA)、宽带码分多址(Wideband Code Division Multiple Access，简称WCDMA)、长期演进(Long Term Evolution，简称LTE)、电子邮件、短消息服务(Short Messaging Service，简称SMS)等。

存储器720可用于存储软件程序以及模块，处理器780通过运行存储在存储器720的软件程序以及模块，从而执行手机的各种功能应用以及数据处理。存储器720可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器720可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

输入单元730可用于接收输入的数字或字符信息，以及产生与手机的用户设置以及功能控制有关的键信号输入。具体地，输入单元730可包括触控面板731以及其他输入设备732。触控面板731，也称为触摸屏，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板731上或在触控面板731附近的操作)，并根据预先设定的程式驱动相应的连接装置。可选的，触控面板731可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器780，并能接收处理器780发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板731。除了触控面板731，输入单元730还可以包括其他输入设备732。具体地，其他输入设备732可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。

显示单元740可用于显示由用户输入的信息或提供给用户的信息以及手机的各种菜单。显示单元740可包括显示面板741，可选的，可以采用液晶显示器(Liquid CrystalDisplay，简称LCD)、有机发光二极管(Organic Light-Emitting Diode，简称OLED)等形式来配置显示面板741。进一步的，触控面板731可覆盖显示面板741，当触控面板731检测到在其上或附近的触摸操作后，传送给处理器780以确定触摸事件的类型，随后处理器780根据触摸事件的类型在显示面板741上提供相应的视觉输出。虽然在图7中，触控面板731与显示面板741是作为两个独立的部件来实现手机的输入和输入功能，但是在某些实施例中，可以将触控面板731与显示面板741集成而实现手机的输入和输出功能。

手机还可包括至少一种传感器750，比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板741的亮度，接近传感器可在手机移动到耳边时，关闭显示面板741和/或背光。作为运动传感器的一种，加速计传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于手机还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。

音频电路760、扬声器761，传声器762可提供用户与手机之间的音频接口。音频电路760可将接收到的音频数据转换后的电信号，传输到扬声器761，由扬声器761转换为声音信号输出；另一方面，传声器762将收集的声音信号转换为电信号，由音频电路760接收后转换为音频数据，再将音频数据输出处理器780处理后，经RF电路710以发送给比如另一手机，或者将音频数据输出至存储器720以便进一步处理。

WiFi属于短距离无线传输技术，手机通过WiFi模块770可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图7示出了WiFi模块770，但是可以理解的是，其并不属于手机的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。

处理器780是手机的控制中心，利用各种接口和线路连接整个手机的各个部分，通过运行或执行存储在存储器720内的软件程序和/或模块，以及调用存储在存储器720内的数据，执行手机的各种功能和处理数据。可选的，处理器780可包括一个或多个处理单元；优选的，处理器780可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器780中。

手机还包括给各个部件供电的电源790(比如电池)，优选的，电源可以通过电源管理系统与处理器780逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。

尽管未示出，手机还可以包括摄像头、蓝牙模块等，在此不再赘述。

在本实施例中，该终端设备所包括的处理器780还具有以下功能：

获取待评分文本，所述待评分文本为目标文章中的段落或语句；

计算所述待评分文本在每个评分维度下的维度分数，所述评分维度包括扣题维度、语句通顺维度、文采维度、高级文本维度、立意维度和布局维度中的一种或多种组合；

根据所述维度分数，确定所述待评分文本的目标分数。

本申请实施例提供的用于基于人工智能的文本评分设备可以是服务器，请参见图8所示，图8为本申请实施例提供的服务器800的结构图，服务器800可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器(Central Processing Units，简称CPU)822(例如，一个或一个以上处理器)和存储器832，一个或一个以上存储应用程序842或数据844的存储介质830(例如一个或一个以上海量存储设备)。其中，存储器832和存储介质830可以是短暂存储或持久存储。存储在存储介质830的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对服务器中的一系列指令操作。更进一步地，中央处理器822可以设置为与存储介质830通信，在服务器800上执行存储介质830中的一系列指令操作。

服务器800还可以包括一个或一个以上电源826，一个或一个以上有线或无线网络接口850，一个或一个以上输入输出接口858，和/或，一个或一个以上操作系统841，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM等等。

上述实施例中由服务器所执行的步骤可以基于该图8所示的服务器结构。

其中，CPU822用于执行如下步骤：

获取待评分文本，所述待评分文本为目标文章中的段落或语句；

计算所述待评分文本在每个评分维度下的维度分数，所述评分维度包括扣题维度、语句通顺维度、文采维度、高级文本维度、立意维度和布局维度中的一种或多种组合；

根据所述维度分数，确定所述待评分文本的目标分数。

本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质可以是下述介质中的至少一种：只读存储器(英文：read-only memory，缩写：ROM)、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备及系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的设备及系统实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上所述，仅为本申请的一种具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。

Claims (12)

1.一种基于人工智能的文本评分方法，其特征在于，应用于目标文章的写作过程中，所述方法包括：

获取待评分文本，所述待评分文本为在所述目标文章的写作过程中刚写完的段落或语句；

计算所述待评分文本在每个评分维度下的维度分数，所述评分维度包括扣题维度、语句通顺维度、文采维度、高级文本维度、连贯性维度、立意维度和布局维度中的一种或多种组合；

根据所述维度分数，确定所述待评分文本的目标分数；

确定所述待评分文本在所述目标文章中的位置信息和对应的结构特征；

根据所述位置信息和所述结构特征，确定所述待评分文本的后一文本在所述目标文章中的目标结构特征，以为所述目标文章的作者提供写作的技术指导；

确定所述待评分文本的目标主题；

从预先生成的知识图谱中确定所述目标主题对应的目标论据，以为所述目标文章的作者提供所述目标主题下的写作素材；所述知识图谱中包括主题和对应的论据。

2.根据权利要求1所述的方法，其特征在于，若按照所述目标文章中文本位置的先后顺序对所述目标文章中的文本依次评分，所述评分维度包括连贯性维度，所述连贯性维度还用于标识所述待评分文本与已评分文本间的连贯性。

3.根据权利要求2所述的方法，其特征在于，所述待评分文本在所述连贯性维度下的维度分数通过如下方式得到：

根据连贯性模型计算所述待评分文本在所述连贯性维度下的维度分数，所述连贯性模型是根据历史评分数据训练得到的，所述历史评分数据包括历史评分文章、所述历史评分文章中的文本和所述文本对应的针对连贯性维度下的维度分数。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

若获取到所述待评分文本对应的修改文本，保存所述修改文本；

在确定所述待评分文本的目标分数后，将所述修改文本作为待评分文本，执行所述计算所述待评分文本在每个评分维度下的维度分数的步骤。

5.根据权利要求1-4任意一项所述的方法，其特征在于，所述方法还包括：

在完成针对所述目标文章中所有文本的评分后，获取目标对象在预设时间段内的多篇已评分文章，所述已评分文章中的文本均已被评分；

根据所述已评分文章中的文本在每个评分维度下的维度分数，确定所述多篇已评分文章在所述预设时间段内在所述评分维度下的维度分数变化情况。

6.一种基于人工智能的文本评分装置，其特征在于，应用于目标文章的写作过程中，所述装置包括获取单元、计算单元和确定单元：

所述获取单元，用于获取待评分文本，所述待评分文本为在所述目标文章的写作过程中刚写完的段落或语句；

所述计算单元，用于计算所述待评分文本在每个评分维度下的维度分数，所述评分维度包括扣题维度、语句通顺维度、文采维度、高级文本维度、连贯性维度、立意维度和布局维度中的一种或多种组合；

所述确定单元，用于根据所述维度分数，确定所述待评分文本的目标分数；

所述确定单元，还用于确定所述待评分文本在所述目标文章中的位置信息和对应的结构特征；根据所述位置信息和所述结构特征，确定所述待评分文本的后一文本在所述目标文章中的目标结构特征，以为所述目标文章的作者提供写作的技术指导；

所述确定单元，还用于确定所述待评分文本的目标主题；从预先生成的知识图谱中确定所述目标主题对应的目标论据，以为所述目标文章的作者提供所述目标主题下的写作素材；所述知识图谱中包括主题和对应的论据。

7.根据权利要求6所述的装置，其特征在于，若按照所述目标文章中文本位置的先后顺序对所述目标文章中的文本依次评分，所述评分维度包括连贯性维度，所述连贯性维度还用于标识所述待评分文本与已评分文本间的连贯性。

8.根据权利要求7所述的装置，其特征在于，所述待评分文本在所述连贯性维度下的维度分数通过如下方式得到：

根据连贯性模型计算所述待评分文本在所述连贯性维度下的维度分数，所述连贯性模型是根据历史评分数据训练得到的，所述历史评分数据包括历史评分文章、所述历史评分文章中的文本和所述文本对应的针对连贯性维度下的维度分数。

9.根据权利要求6所述的装置，其特征在于，所述确定单元，还用于：

若获取到所述待评分文本对应的修改文本，保存所述修改文本；

在确定所述待评分文本的目标分数后，将所述修改文本作为待评分文本，通过所述计算单元执行所述计算所述待评分文本在每个评分维度下的维度分数的步骤。

10.根据权利要求6-9任意一项所述的装置，其特征在于，所述获取单元，还用于：

在完成针对所述目标文章中所有文本的评分后，获取目标对象在预设时间段内的多篇已评分文章，所述已评分文章中的文本均已被评分；

所述确定单元，还用于：

根据所述已评分文章中的文本在每个评分维度下的维度分数，确定所述多篇已评分文章在所述预设时间段内在所述评分维度下的维度分数变化情况。

11.一种用于基于人工智能的文本评分的设备，其特征在于，所述设备包括处理器以及存储器：

所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；

所述处理器用于根据所述程序代码中的指令执行权利要求1-5任一项所述的基于人工智能的文本评分方法。

12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行权利要求1-5任一项所述的基于人工智能的文本评分方法。