检索结果-南通市图书馆

自动化技术与应用 2024年第4期43卷 60-62,98页

作者：胡婷西安交通大学城市学院陕西西安710018

为了对英文作文考试中英文文本的切题度加以判断,提出一套基于话题决策模型的英文文本切题度计算方法。介绍该算法的数据处理流程与话题决策模型的数据处理方法,最后通过WIKI_727K数据集对话题决策模型进行训练与测试,经实验研究发现,... 详细信息

为了对英文作文考试中英文文本的切题度加以判断,提出一套基于话题决策模型的英文文本切题度计算方法。介绍该算法的数据处理流程与话题决策模型的数据处理方法,最后通过WIKI_727K数据集对话题决策模型进行训练与测试,经实验研究发现,所提出的话题决策模型在精确率、召回率等方面具有一定的应用优势,并在ASAP数据集上表现出较为理想的切题度判断效果。

关键词：英文文本切题度话题决策模型

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

话题类型对英语学习者主题句切题度的影响

引用

科教文汇 2020年第36期 177-179,186页

作者：杨华华武汉轻工大学外语学院湖北武汉430023

该文旨在研究限制型话题与开放型话题对大学英语初、中级水平写作者议论文主题句切题度的影响。研究对136篇作文进行了数据分析,结果显示:(1)开放型话题有助于提升初、中级水平写作者的主题句切题度;(2)大学英语学习者缺乏主题句写作意... 详细信息

该文旨在研究限制型话题与开放型话题对大学英语初、中级水平写作者议论文主题句切题度的影响。研究对136篇作文进行了数据分析,结果显示:(1)开放型话题有助于提升初、中级水平写作者的主题句切题度;(2)大学英语学习者缺乏主题句写作意识,在语言表达恰当性方面存在问题。研究表明,在进行主题句写作时,学生可先从开放型话题入手,逐步加强限制性话题的练习。同时,大学英语写作教学需要重视修辞知识的传授和词汇表达的准确度。

关键词：英语写作大学英语主题句话题类型切题度

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于局部密度的无监督作文跑题检测方法

引用

中文信息学报 2017年第6期31卷 205-213页

作者：李霞温启帆广东外语外贸大学语言工程与计算实验室广东广州510006 广东外语外贸大学信息科学与技术学院广东广州510006

针对现有的无监督作文跑题检测方法中,使用作文内容向量表示作文存在非主题词噪声所导致的相似度不准确问题,该文提出一种基于作文主题词抽取和局部密度阈值选择的无监督作文跑题检测方法。首先使用LDA主题生成模型挖掘待测作文的主题词... 详细信息

针对现有的无监督作文跑题检测方法中,使用作文内容向量表示作文存在非主题词噪声所导致的相似度不准确问题,该文提出一种基于作文主题词抽取和局部密度阈值选择的无监督作文跑题检测方法。首先使用LDA主题生成模型挖掘待测作文的主题词,并使用分布式表示向量寻找与题目词项语义相似的词,作为对作文题目的主题词扩展,在此基础上使用提出的切题度计算方法计算待测作文的切题度,并使用所提出的基于作文集切题度局部密度的阈值抽取方法动态选取切题阈值,进而实现一种无需训练集和主题无关的无监督作文跑题检测方法。在以英语为母语的学习者和以汉语为母语的学习者所写的8个作文集共9 381篇作文上的实验结果表明,该文提出的作文跑题检测方法能有效识别跑题作文,加入拼写检查预处理后,平均F1值为79.64%,单个作文题目下F1值最好为96.1%。

关键词：作文跑题检测主题词抽取切题度阈值选取

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于机器学习的英语作文自动评分算法的研究与设计

基于机器学习的英语作文自动评分算法的研究与设计

引用

作者：郭柯宇中北大学

学位级别：硕士

英语作文自动评分作为解决传统英语教师对作文评分存在主观性、耗时长、反馈慢以及在大型英语考试中评分时间短、任务重的问题所产生的研究,越来越受到关注。1966年第一个英语作文评分系统问世至今,随着自然语言处理技术和机器学习的发... 详细信息

英语作文自动评分作为解决传统英语教师对作文评分存在主观性、耗时长、反馈慢以及在大型英语考试中评分时间短、任务重的问题所产生的研究,越来越受到关注。1966年第一个英语作文评分系统问世至今,随着自然语言处理技术和机器学习的发展,其研究也逐渐细致化和任务化。作文单一维度特征提取的方法研究和整体评分模型性能的提升成为英语作文自动评分研究的重点,受当前标注数据规模和研究方法的相互约束,两方面研究的进展较为缓慢。本论文针对作文切题度特征抽取方法存在的问题提出了新的方法,针对英语作文自动评分方法产生的局限性问题提出了改进方法。主要工作如下:1.针对当前作文切题度维度研究中,现有方法在提取全文语义信息下忽略了作文内容的细粒度语义信息,提取作文关键信息下忽略了作文的全局语义信息的问题;以及现有商业化的英语作文评分系统研究与公开的英语作文评分研究在技术上的不等同性问题。本论文提出了一种基于作文内话题丰富度的英语作文切题度分值计算方法。首先使用模型迁移的思想构建话题分割模型,并对作文进行话题粒度分割,然后对以话题为粒度的作文进行语义向量化表示,最后使用本论文提出的?-ave分值计算公式得到作文的切题度分值。实验使用皮尔逊评价标准衡量作文切题度分值与作文总分值的相关性,在ASAP数据集的实验表明,本论文提出的切题度分值计算方法符合多种变量综合影响下的结果,说明本论文提出方法是有效的。2.针对基于人工特征的英语作文评分方法抽取深层语义特征难,以及基于神经网络的英语作文评分方法对单词数等浅层特征抽取难,造成的不同作文评分方法的局限性问题。本论文借鉴现有方法,结合本论文提出的切题度分值计算方法,提出了一种人工特征抽取方法和深度学习方法组合的英语作文评分方法。该方法使用人工设计特征抽取作文内单词和句子层面的浅层特征,使用本论文提出的切题度分值计算方法抽取作文内的语义深层特征,同时借鉴现有方法提取作文的语义特征,将深层特征和浅层特征做回归计算,得到作文的总分值。实验采用皮尔逊评价指标衡量组合方法下预测到的作文总分值与真实总分值的相关性,在ASAP数据集、四级模考机评数据集和批改网机评数据集上的实验表明,皮尔逊均值达到0.815。相比于Bi LSTM,RNN等基线模型0.747,0.645的均值结果,分别提高了0.068和0.17,证明了本论文提出方法的有效性。

关键词：作文自动评分特征工程切题度深度学习模型迁移自然语言处理

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：