利用神经网络生成评语

1、利用神经网络生成评语陈 烨（四川大学电气信息学院 610065）内容摘要 本文介绍了人工神经网络用于协助老师生成评语的方法。用这种方法，只需输入学生的各项指数就能生成对学生的评价。由于神经网络具有较好的学习和推广能力，生成的评语能够较准确的反映学生的表现。关键词 人工神经网络，BP算法，评语Generating Remarks Using Neural NetworksChen Ye(School of Electrics Information, Sichuan University, Sichuan, 610065) Abstract A method of helping teacher

2、s to generate remarks using artificial neural networks is presented. Using this method to generate remarks of students, the only thing you need to do is to input the index of the students. Since the neural networks has good performance in studying and extending, the remarks generated by this method

3、can report the performance of the students accurately. Keywords Artificial Neural Networks, BP algorithm, remarks1 前言人工神经网络（Artificial Neural Networks, ANN）是在研究大脑工作原理的基础上提出来的。它是生物神经网络（Biological Neural Networks, BNN）的一种简化模型。人工神经网络具有较强的学习和推广能力参考文献1 袁曾任. 人工神经元网络及其应用. 清华大学出版社：19992 阎平凡，张长水. 人工神经网络与模拟进化

4、计算. 清华大学出版社：20003 易继锴，侯媛彬. 智能控制技术. 北京工业大学出版社：19994 Mike Gunderloy著. 张光霞，孙月琴，刘 钊 等译.Visual Basic 开发指南ADO篇. 电子工业出版社：2000。它可以用硬件实现，也可以用软件模拟。本文就是用软件来模拟神经网络。迄今为止，已有十种以上的人工神经网络模型被提出并应用到实践中。其中，BP网络是应用的最广泛的一种。它能够在学习几个样本的基础上进行推广，从而掌握这一类问题。经过学习后，它就能根据已学习的内容对外部的输入做出正确的响应。BP网络属于前馈网络。它可看成是一从输入到输出的高度非线性映射。Hecht-N

5、ielsen于1987年证明了Kolmogorov定理。其内容为：:给定任何一个连续函数f:UnRm,Y=f(X), 其中，Un0，1，f可以精确地用一个三层前馈网络实现，该网络的第一层（即输入层）有n个神经元,中间隐含层有2n+1个神经元，第三层（即输出层）有m个神经元1。 由于BP网络具有上述一些优良特性，一些学者已成功地将基于BP算法的人工神经网络运用解决倒立摆问题，直接根据地面信息预报天气等。本文也将利用BP网络的这些特点来达到智能生成评语的目的。下面将首先对评语的生成方法作一个简单介绍，接着介绍本文方法中用到的BP网络模型，然后介绍这种方法所需的数据结构，最后简要描述一下本文方法的工

6、作流程。2 评语生成方法人工写评语时，总是由某个学生各个方面的各种表现推出这个学生在各方面能得到的评语。例如，一个学生在遵守纪律方面的表现为：迟到1次，旷课1次，上课讲话2次。教师更具这几个数据就会得出“不很遵守纪律”这样的评语。这里，各种表现（如，迟到次数、旷课次数、上课讲话次数等）与学生在各个方面能得到的评语（如，遵守纪律、不遵守纪律等）之间的关系通常是复杂的，是很难用一个简明的解析式来表达的。用计算机生成评语不可能通过寻求这个简明的解析式来生成评语。同时，也不能让教师逐一输入前面提到的那个复杂的关系。因此，本文选用神经网络来表示这个关系。这种方法不仅能减少教师的工作量，还能生成能够准确反

7、映学生情况的评语。3 BP网络模型BP（Back Propagation）网络是由P.Werbos, David Rumelhart等人提出的。它由多层神经元通过一定的连接权连接起来，并采用BP算法作为训练算法。下面将作具体描述。3.1 BP网络结构BP网络由若干个神经元组成，这些神经元可分为几层，任何一个神经元于同一层的神经元之间无直接关系，而且各神经元的输出信号只能向前传播，输入信号只能由该神经元后面的神经元（或输入节点）传来。单个神经元的结构如图1所示。它将多个输入加权求和并减去阈值i，在激活函数f(·)的作用下，得到一个输出。这个关系可表述为 （1） （2）其中，xj是输入信

8、号，wij表示从神经元i到神经元j的连接权值，i为阈值，Oi为第i个神经元的输出。f(·)为激活函数。激活函数有多种类型，如阈值型、饱和型等。本文采用S型激活函数（本文中取1） （3）本文中用到的神经网络的结构如图2。这是一个三层网络。输入的数据通过输入节点的神经元经过计算得出这一层中各神经元的输出。这一层的神经元又计算出自己的输出并传给下一层。如此进行直到计算出输出节点的输出为止。学生各方面的表现与评语内容之间是一种非线性关系。因此根据Kolmogorov定理，为了保证该神经网络能成功地学习，根据该问题的特点，本文取BP网络的输出节点数为1，隐含层神经元数为输入层的2倍加上1，输入

9、层的节点数与生成当前评语所需的评价等级数目一致（后面将作具体阐述）。3.2 BP网络的学习算法BP网络在正常工作前必须经过训练。训练时通常需要有多个训练样本，以保证神经网络具有良好的推广能力。训练所要求的样本数可近似的表达为：若允许的训练误差为,那么，训练样本数应大于连接权个数与的商。训练时，先将训练样本的输入部分从输入神经元输入，然后根据公式（1）（3）依次计算各层的神经元的输出。最后从输出节点开始按下式调整各连接权值 如果神经元i是输出单元i= （4） 如果神经元i不是输出单元其中， ci表示训练集中当前输入对应的输出的第i分量。由激活函数解析式可求出 （5）计算出个神经元的i后，按下式调

10、节权值 （6）反复按照公式（4）、（5）、（6）调节权值直到均方误差E足够小。其中，E的定义如下 （7）其中，k表示训练样本序号。3.3 BP网络的使用BP网络经过学习后，就可以它来解决问题使用了。需要解决已训练的问题时，就将需要输入信息从神经网络的输入节点输入，根据公式（1）（3）从输入节点开始计算各神经元的输出。最后，输出节点的输出即为所求问题的解。4 数据结构本文根据算法的需要，将评语按以下方式来确定：评价角度1评价角度n评价点1评价等级1具体等级1评语等级1评语等级2具体内容1具体内容2表 1 评语确定方式由表1可知，整个数据结构由n个评价角度（如，德、智、体等）组成，每一个评价角度又

11、由一定数量的评价点组成（如，“德”可由“是否遵守纪律”、“是否尊敬师长”等组成），每一个评价点又由若干个评价等级组成（如，“是否遵守纪律”可由“上课随便讲话次数”、“迟到次数”、“旷课次数”等组成），每个评价等级还包含若干个具体等级（如，“旷课次数”可包括“一次”、“两次”、“三次及以上”等具体等级）。当某个评价点的每一个评价等级对应的具体等级都已确定时，就通过神经网络计算出学生在该评价点上能得到的评语等级的序号（如，“是否遵守纪律”可包含“遵守纪律”、“不遵守纪律”等评语等级），然后根据这个序号，从对应的评语内容下的具体内容（如，“不遵守纪律”可包含“不能遵守纪律”、“希望能遵守纪律”等具体

12、内容）中任选一个写入评语，这样可保证评语语句的多样性。从这里的叙述可看出对数据结构进行这样的划分是必要的。由于评价点与评价等级、具体等级、评语等级之间有这样一个关系：对某一个学生进行评价时，对某一个评价点，该学生所得到的评语由该学生在该评价点下的各个评价等级上所得到的具体等级确定。这个确定与被确定的关系就由神经网络来完成。因此每个评价点都对应于一个神经网络。上面所述的几个数据结构将分为如下所示的几个表来存储：表 2 评价角度的存储评价角度编号评价角度名是否已删除长整形字符串布尔型表 3 评价点的存储评价点编号评价点名评价点所对应的评价角度编号是否已删除对应的神经网络结构及权值长整形字符串长整形

13、布尔型字符串表 4 评价等级的存储评价等级编号评价等级名评价等级对应的评价点编号是否已删除长整形字符串长整形布尔型表 5 具体等级的存储具体等级编号具体等级内容具体等级对应的评价等级编号是否已删除长整形字符串长整形布尔型表 6 评语等级的存储评语等级编号评语等级的内容评价等级对应的评价点编号是否已删除长整形字符串长整形布尔型表 7 具体内容的存储具体内容编号具体内容具体内容对应的评语等级编号是否已删除长整形字符串长整形布尔型表27中，“是否已删除”用于标记已经删除的内容。这是由于在进行删除其中某一项的操作时，如果直接删除，就会使各种编号无法指向原来所指向的目标，而这些表通常会很大，如果调整这些

14、编号，会花去很多时间，因此采用对已删除项作上标记的方法，当添加项时，只需搜索一个作有标记的项，将内容填入该项即可。这种操作类似于现在大多数文件系统删除或添加文件的方法。这是一种十分有效的方法。每个所评价点对应的神经网络以字符串的形式存储在表3中。5 具体实现可用VB6编程实现神经网络部分，通过ADO技术来实现数据库部分5 宛延闿，定 海. 面向对象分析和设计.清华大学出版社：2001作者简历：陈烨，男，1984年11月出生，现为四川大学电气信息学院 2002级本科学生。目前已发表6篇论文中2篇发表在核心期刊上，3篇为会议论文，另有一篇即将发表。联系地址：四川大学电气信息学院 17号信箱联系电话：（028）85407764E-mail: arrowcy。评语生成系统的结构如图3。该系统共分为四个模块和一个数据库。数据库修改部分主要处理添加、删除评价角度、评价点、评价等级、具体等级和评语内容以及调整它们各自的内容之间的顺序。神经网络训练部分按照本文第2部分所述内容根据用户输入的样本对每一个评价点对应的神经网络进行训练。学生信息输入部分提供用户输入当前所选择学生各方面表现的接口。神经网络评语生成部分将根据其他几个部分提供的信息，按照2.3中所述方法计算出当前学生的每一个评价点对应的评语内容。6 结束语本文介绍了用神经网络的方法