本文主要是介绍2024 年(第 12 届)“泰迪杯”数据挖掘挑战赛—— C 题：竞赛论文的辅助自动评阅完整思路与源代码分享，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
一、问题背景
近年来我国各领域各层次学科竞赛百花齐放，层出不穷，学生参与度也越来越高。随着参赛队伍的增 加，评阅论文的工作量急剧增加，这对评阅论文的人力要求也越来越大。因此引入机器辅助评阅成为竞赛主办方的现实需求。 在学术界，建立基于 AI 的学术论文自动评审模型已得到了许多研究者的关注。论文的自动评阅涉及多 种传统的自然语言处理技术如文本分类、信息抽取、论辩挖掘等。近年来，随着深度学习和自然语言处理技术的不断发展，特别是以 GPT 为代表的大语言模型的出现，进一步促进了论文自动评阅技术的发展，使得利用 AI 进行文本的自动评阅变得越来越可行，逐步从实验室走向学校和更多组织机构，成为当前的技术热点。但是在特定领域实现论文自动评阅仍然存在很多挑战，需要利用预训练的大语言模型适配具体的应用场景 来解决问题。
二、解决问题
1、构造论文质量特征
每个指标的分数范围为 0-10 分。
（1）论文的完整性评价
对照赛题，比对竞赛论文中相关问题的章节或段落，对论文的完整性进行评价。评估竞赛论文是否能完整解答赛题，并给出评价论文完整性的技术手段和评分标准。
（2）论文有无实质性工作
对照赛题评阅要点，查找竞赛论文中相关问题的章节或段落，考察论文是否就赛题问题做出了相关的研究。需给出相关的技术方法和评价标准。
（3）摘要质量
摘要与内容的一致性评价。评价摘要是否如实反映正文的中心思想，即衡量内容摘要与正文的相关性、一致性。需给出摘要质量评价指标及其依据。
（4）写作水平评价
评价文字流畅性、写作规范（图、表、摘要）性和论文逻辑性。在传统论文评分（essay scoring）技术基础上，从文本通顺、立意分析、篇章结构、论证挖掘等维度进行探索，挖掘文本蕴含的论点论据、论证关系、结构信息，结合论证挖掘角度评估论文一致性、逻辑性，综合给出论文写作水平的评分。（完整附件见文末！）
- 数据预处理：首先，我们需要从PDF文件中提取出每篇论文的文本内容。
- 建立问题模板：针对每个要评估的指标（完整性、实质性工作、摘要质量、写作水平），我们需要设计适当的问题模板，确保向ChatGPT提出的问题能够得到有意义的回答。问题模板应该具有明确的语义，以便ChatGPT理解并给出相关的回复。
- 调用ChatGPT接口：利用建立的问题模板，我们向ChatGPT接口发送请求，将论文内容作为输入，并期待ChatGPT生成针对每个问题的回答。我们可以设置合适的参数来确保生成的回答质量和相关性。
- 解析回答结果：得到ChatGPT生成的回答后，我们需要解析这些结果，并将其转化为数值化的评分。这可能涉及到自然语言处理技术，例如情感分析、语义理解等，以确保对回答的准确解读。
- 综合评估：在对每个指标进行评估后，我们需要将各个指标的评分综合起来，得到每篇论文的综合评分。这一步可以根据不同指标的重要性进行加权处理，以确保综合评分更加准确地反映论文的整体质量。
结果：
2、竞赛论文辅助评分
根据上面构造的各项评分指标建立论文的整体评分模型，根据提供的论文集，按照十分制给出每篇论文的综合评分，将结果保存到 result.xlsx 文件中。综合评分结果要求满足如下限制条件：8-10 分的不超过 3%；6-7 分的不少于 10%，6-10 分不超过 15%；4-5 分不少于 20%，4-10 分不超过 35%；其他的为 0-3 分。一般而言，在综合评分中论文的完整性和写作水平的分数占比之和不超过 40%。（完整附件见文末！）
1.计算每篇论文的综合评分：
对每篇论文进行完整性、实质性工作、摘要质量和写作水平等方面的评分，可以利用之前构造的评分函数来完成。
根据评分指标的重要性，可以为每个评分指标设置合适的权重，然后对各项评分进行加权求和，得到每篇论文的综合评分。
2.根据评分要求进行限制：
根据给定的评分要求，确定各个评分区间的数量限制，例如8-10分的不超过3%，6-7分的不少于10%，以及4-5分的不少于20%等。
遍历每篇论文的综合评分，根据评分要求对评分进行调整，确保满足数量限制。
3.检查评分结果：
检查所得的评分结果，确保满足了给定的评分要求，并且符合预期的逻辑。
附件：
这篇关于2024 年(第 12 届)“泰迪杯”数据挖掘挑战赛—— C 题：竞赛论文的辅助自动评阅完整思路与源代码分享的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
