Nlp 如何理解句子的上下文？

有一份问卷，我们用来评估学生的知识水平（我们手动进行，就像在试卷中一样）。它由以下部分组成：

选择题

理解问题（例如：蜘蛛是昆虫吗？）

现在我被赋予了一项任务，制作一个专家系统，使之自动化。所以基本上我们有一个正确的答案。但我的问题是“理解问题”。我需要比较他们答案的上下文和正确答案的上下文

起初我已经在寻找答案，但这似乎真的是一项艰巨的任务。到目前为止，我的搜索是我可以通过NLP做到这一点，这对我来说真的很新鲜。此外，如果我没有弄错的话，我似乎必须找到一本包含所有单词的字典，供考官回答

我走对了吗？如果没有，请建议我应该做什么（学习什么？），或者给我一些链接到我需要的材料。还有，我应该自己编字典吗？因为我要用的是菲律宾语

更新：理解问题

问卷的理解部分包含一段解释特定情景的内容。问题相当简单。以下是一个例子：

邦妮的叔叔叫她从树上摘苹果。她拿起一根棍子，戳了戳水果，让它们掉下来。在这样做的过程中，一阵强烈的风吹了起来。由于害怕水果掉到头顶上，她停止了正在做的事情。然而，在这之后，她注意到风导致苹果从树上掉下来。这些落下的苹果是她带给叔叔的

问题是:

邦妮的叔叔叫她做什么

是什么使邦妮停止从树上摘苹果的

邦妮是一个很好的水果采摘者吗？请解释你的答案

答案键状态的可能答案为：

对于数字1：
1.1邦妮的叔叔叫她从树上摘苹果
1.2买苹果

对于数字2：
2.1刮了一阵风
2.2她可能会被水果击中头部

对于数字3：
3.1没有，因为她得到的苹果已经在地上了
3.2不，因为风是导致水果掉落的原因
3.3是的，因为刮风时很难采摘水果
3.4是的，因为至少她试过了

---

现在有人给了我答案。系统应该能够做的工作是比较学生答案的上下文和正确答案的上下文，以便系统能够成功地为学生的答案评分。

一种我能想到的简单方法（在我的脑海中）是使用一个字符串相似性度量，如余弦或jaccard，来确定某些关键字是否出现在测试答案和已知的正确答案中。 使用NLP可以自动提取这些关键字。例如，您可以提取所有名词（可能还有动词）。然后，将每个答案表示为关键字向量，您可以将测试向量与已知的正确向量进行比较

例如，在第二个问题中，两个可能答案的向量可以是

阵风

击中，头部，水果

像“她捡起了一根棍子”这样的答案加上关键词：picked，stick的分数会很低，而像“害怕水果掉到她头上”这样的答案加上关键词：水果，掉下来，头

注:

这只能检测出严重错误的答案。此技术无法检测到包含正确关键字的错误答案。：）

我不确定非英语句子。如果是这种情况，您可能希望将答案中的每个单词都作为关键字（删除stopwords）。这个问题可能也有帮助

---

你能再解释一下“理解”部分吗？有什么样的问题？有什么类型的问题？我想如果你的问题只能引出答案，比如“不，蜘蛛不是蜘蛛”；你可能会得到一个相当不错的准确率。答案可能有多复杂？让这项工作发挥最大作用的方法是以这样一种方式提问，即只有非常有限的答案是正确的。这将把可能正确的单词数量限制在可管理的范围内。管理自由文本答案的部分问题是，你将永远无法分配一个概率，即如果要求检查问题，人类考官将通过该问题。较短的答案更容易与较高的答案核对probability@Harry我更新了我的问题以便澄清除了harry给我的以外你们能不能给我一些提示，告诉我在哪里可以找到与此相关的材料？嗯。。这是一个好方法。。但有没有其他方法可以做到这一点而不冒风险？开发和研究时间仅为4个月。