摘要：主观题自动评分（Automated Essay Scoring，AES）是语言测试领域的难点，自动评分的第一步往往要用大量已经人工评分的数据集生成评分模型，但是研究者常常困顿于数据集的不足。从数学的角度来看，其实只需要小数据集就可以构建出媲美大数据集所生成的评分模型，从而有效提高科研工作者的效率和数据利用率。本文提出一种小数据集抽取算法（Small Dataset Retrieval Algorithm，SDRA），在基于潜伏语义分析方法（LSA）的自动评分软件平台上，分别实施SDRA和传统的大数据集的评分模型方法，实验结果表明，SDRA仅用了25％的数据量，即可达到接近于传统大数据集的评分效果，从而验证了SDRA是行之有效的。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社