الفهرس 
Chapter 1: IntroductionOnly 14 pages are availabe for public view
 |  | from | 121 |  |  |
| | | from | 121 | | |
Abstract
يعتبر التصحيح التلقائى لاسئلة الاجابات القصيرة مشكلة صعبة فى مجال معالجة اللغة الطبيعية حيث يتطلب نظاما لفهم الاجابات النصية وعليه يعيين تلقائيا درجة لاجابة الطالب بناءا على مقارنة الاجابة بإجابة نموذجية واحدة أو اكثرز يقترح هذا العمل نموذجا محسنا للتعلم العميق لتصحيح الاسئلة ذات الاجابات القصيرة تلقائيا باستخدام أحجام مختلفة من مجموعات البيانات التى تم جمعها فى مادة العلوم لطلاب الصف السابع فى مصر. النظام المقترح هو نهج هجين يعمل على تحسين تقنية التعلم العميق المسماه الذاكرة طويلة قصيرة المدى(LSTM) باستخدام خوارزمية تحسين حديثة تسمى محسن الذئب الرمادى (GWO). يتم استخدام GWO لتحسين LSTM عن طريق اختيار أفضل معدلات التسرب والتسؤب المتكرر لمعلمات LSTM الفائقة بدلا من الاختيار اليدوى. يؤدى استخدام GWO إلى جعل نموذج LSTM أكثر عمومية ويمكنه أيضا تجنب مشكلة التخصيص الزائد فى التنبؤ بنتائج الطلاب لتحسين عملية التعلم وتوفير وقت المدرسين وجهدهم. يتم قياس أداء النموذج من حيث جزر متوسط الخطأ التربيعى (RMSE) ومعاملة ارتباط بيرسون (Pearson r) ومربع R (R-Square). وفقا لنتائج المحكاه تضمن GWO الهجين مع نموذج LSTM أفضل أداء وتفوق على نموذج LSTM الكلاسيكى والناذج الاخرى المقارنة بحيث كان لديه أعلى قيمة لمعامل ارتباط بيرسون وأقل قيمة جذر متوسط الخطأ التربيعى وأفضل قيمة مربع R فى جميع التجارب ولكن وقت تدريب أعلى من نموذج التعلم العميق التقليدى.