基于多模态注意力融合网络的英语口语自动评分OA北大核心CSTPCD

针对传统英文口语评分效率及准确率低的问题,提出一种多模态注意力融合网络架构,加快模型训练效率及口语评分准确率。综合考虑口语发音的韵律声音特征及所答问题文本信息,从而提高网络鲁棒性。通过仿真,将该模型与LSTM、BiLSTM、GRU网络模型进行比较,所提出模型分数估计准确率为96.8%,明显高于其他方法。仿真结果表明:所提方法能够大幅减少评分时间,提高评分效率。