【摘要】：提高英語學(xué)習(xí)最好的辦法是閱讀。隨著互聯(lián)網(wǎng)技術(shù)和教育信息化的快速發(fā)展,網(wǎng)上可供選擇的英語閱讀材料越來越多,但問題是,海量的網(wǎng)絡(luò)閱讀材料容易讓學(xué)習(xí)者迷失在資源的選擇過濾中,無法準(zhǔn)確高效地獲取適合自己的閱讀資源。因此,如何為學(xué)習(xí)者提供即符合其能力水平又滿足其學(xué)習(xí)需求的個(gè)性化閱讀材料逐漸成為教育技術(shù)研究領(lǐng)域關(guān)注的重點(diǎn)。而要為學(xué)習(xí)者提供符合其能力水平的閱讀材料,首先要對閱讀材料的難度進(jìn)行評估。本文從影響英語閱讀材料難度的最主要因素文本因素出發(fā)展開研究。關(guān)于文本難度(又稱文本易讀性或可讀性)的研究已經(jīng)有近一百年的歷史了,但關(guān)于文本難度測量的方法卻并不多,從已有文獻(xiàn)中的研究成果來看,用于文本難度測量的主要方法有水平評估法,文本易讀性公式法和機(jī)器學(xué)習(xí)。水平評估法的主觀性太強(qiáng),公式法雖可以客觀量化文本可讀性,但測量變量少且缺少科學(xué)的推理建模過程。機(jī)器學(xué)習(xí)是一種比較科學(xué)的研究方法,但目前使用的較少,且沒有具體的研究成果。機(jī)器學(xué)習(xí)算法中,決策樹可以在相對比較短的時(shí)間內(nèi)對比較大型的數(shù)據(jù)集做出可行并且效果還不錯(cuò)的結(jié)果,而且易于理解和解釋。因此,本文試圖提出一種基于決策樹的文本難度評估方法,以期提高英語文本難度評估的準(zhǔn)確性和科學(xué)性。論文的主要工作內(nèi)容包括:首先,介紹了本文所使用的研究方法,主要包括文獻(xiàn)研究法,數(shù)理統(tǒng)計(jì)法和機(jī)器學(xué)習(xí)中的決策樹分類法。并通過實(shí)驗(yàn)從26種可能影響文本難度的因素中選出了八個(gè)影響最大的因素來表征文本難度,作為決策樹訓(xùn)練數(shù)據(jù)集中的屬性。這八個(gè)影響因素分別是:篇幅/總詞數(shù),詞族,全國英語等級考試1級詞匯數(shù)量,最常用詞匯數(shù)量,全國英語等級考試2級詞匯數(shù)量,平均句子長度,全國英語等級考試3級詞匯數(shù)量和從句數(shù)量。并將文本難度定義為Junior-middle(初中上),Junior-high(初中下),Senior-middle(高中上),Senior-high(高中下),College-1(大一)和 College-2(大二)6個(gè)等級。然后,選取人教版初的初中和高中教材,21世紀(jì)大學(xué)英語及新視野大學(xué)英語(第二版)這4套教材原文中的360篇課文文本作為訓(xùn)練數(shù)據(jù)集來構(gòu)建決策樹,并進(jìn)行決策樹的剪枝。最后,選取魯教版初中教材和新世紀(jì)版本的高中教材以及大學(xué)精讀英語和新視野大學(xué)英語的第三版這4套教材課文中的120篇文本作為測試數(shù)據(jù)集,對生成的決策樹模型進(jìn)行驗(yàn)證。由訓(xùn)練數(shù)據(jù)集構(gòu)建的決策樹模型對測試數(shù)據(jù)集的分類正確率是92.50%,基本證明了生成的決策樹模型的有效性。論文的創(chuàng)新之處在于:(1)相較于傳統(tǒng)的水平評估法主要依賴專家人為的主觀判斷來說,本文的研究方法更客觀更科學(xué)。(2)傳統(tǒng)公式法中的測量變量較少且基本是通過線性關(guān)系來量化文本難度,而決策樹可以從多方面評估文本難度。(3)在其他使用機(jī)器學(xué)習(xí)算法評估文本難度的研究中,沒有使用過決策樹分類算法的,并且他們研究中的影響因素是根據(jù)以往經(jīng)驗(yàn)主觀定義的,本研究中的影響因素是通過機(jī)器學(xué)習(xí)算挑選得出的。
【圖文】：

決策樹是一種歸納分類算法，通過對訓(xùn)練集的學(xué)習(xí)，挖掘出有用的規(guī)則，用新數(shù)據(jù)集進(jìn)行預(yù)測，是一種非參數(shù)學(xué)習(xí)算法，會(huì)對每個(gè)輸入使用由該區(qū)域的訓(xùn)據(jù)計(jì)算得到對應(yīng)的局部模型。逡逑決策樹是一個(gè)樹狀結(jié)構(gòu)，如圖２．１所示，其中的每個(gè)內(nèi)部節(jié)點(diǎn)（非葉子節(jié)都可以表示一個(gè)屬性上的測試，根據(jù)樣本在該屬性上的不同取值將其劃分成若子集分支，每個(gè)分支代表一個(gè)測試輸出，每個(gè)葉節(jié)點(diǎn)代表一種類別，從決策樹節(jié)點(diǎn)到葉節(jié)點(diǎn)的一條路徑就形成了對相應(yīng)對象的類別預(yù)測％。對于非純的葉節(jié)選擇到達(dá)這個(gè)節(jié)點(diǎn)的概率最大的類別作為最后的預(yù)測分類結(jié)果。逡逑決策樹的基本算法是貪心算法，即總是做出在當(dāng)前看來最好的選擇，是在意義上的局部最優(yōu)選擇，，不從整體考慮最優(yōu)１３３］。構(gòu)造決策樹的核心問題是在每如何選擇適當(dāng)?shù)膶傩詫颖咀霾鸱郑虼艘髦剡x擇測試屬性的依據(jù)，通常選是基于一個(gè)啟發(fā)式規(guī)則或統(tǒng)計(jì)的度量，如ｇａｉｎ＿ｒａｔｉｏ邋（增益比率）和ｉｎｆｏｒｍａｔｉｏｎ邋ｇ（信息增益）以及ｇｉｎｉｊｎｄｅｘ邋（基尼指數(shù)）等。對于一個(gè)分類問題，從己知目性（具有標(biāo)簽ｌａｂｅｌ角色或是類ｃｌａｓｓ角色的屬性）的訓(xùn)練樣本中學(xué)習(xí)并構(gòu)造出樹是一個(gè)自上而下，分而治之的過程。逡逑１邐？（ｒｏｏｔ邋ｎｏｄｅ

個(gè)“ｍｒｋ”的文件，其中會(huì)標(biāo)記出來文本的單詞是來自哪個(gè)基礎(chǔ)詞匯表�！埃桑纾睿铮颍濉铩薄义媳硎緳z索過程中忽視待測文本中的尖括號0。逡逑表３．１邋Ｒａｎｇｅ中三個(gè)基礎(chǔ)詞表逡逑Ｗｏｒｄｌｉｓｔ邐Ｗｏｒｄ邋Ｆａｍｉｌｙ邐Ｔｙｐｅ邐Ｆｒｅｑｕｅｎｃｙ逡逑ｂａｓｅｗｒｄｌ邐９９８邐４１１９邐最常用逡逑ｂａｓｅｗｒｄ２邐９８８邐３７０８邐常用逡逑ｂａｓｅｗｒｄ３邐５７０邐３１０７邐次常用逡逑Ｒａｎｇｅ中的基礎(chǔ)詞表也可以是自制的詞表，但選取的詞匯表標(biāo)準(zhǔn)必須是很有權(quán)逡逑威性的。本研宄中除了量化Ｒａｎｇｅ中自帶的基礎(chǔ)詞匯表之外，又另自制了邋５個(gè)詞匯逡逑表，依據(jù)的基礎(chǔ)是全國英語等級考試（ＰＥＴＳ）中的各級詞匯標(biāo)準(zhǔn)，然后將詞匯轉(zhuǎn)化逡逑為純文本格式的文檔，并制作成詞族形式的基礎(chǔ)詞匯表，形如圖３．２所示。詞族轉(zhuǎn)逡逑化可以使用免費(fèi)軟件Ｆａｍｉｌｉｚｅｒ來進(jìn)行。轉(zhuǎn)化為基礎(chǔ)詞表后，命名為ｂａｓｅｗｒｄｌ，逡逑ｂａｓｅｗｒｄ２，邋ｂａｓｅｗｒｄ３，邋ｂａｓｅｗｒｄ４，邋ｂａｓｅｗｒｄ５，然后將制作完成的基礎(chǔ)詞匯表和Ｒａｎｇｅ逡逑軟件放在同一個(gè)文件夾下。逡逑ｂａｓｅｗｒｄｌ．ｔｘｔ邋－記事本￣…：邐ｊｗｉｇＳｌｉｉｉｊ逡逑
【學(xué)位授予單位】：華中師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：G633.41;G434

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 汪明霓;BASIC文本系統(tǒng)[J];計(jì)算機(jī)應(yīng)用研究;1988年01期

2 易樹鴻;張為群;;一種基于粗集的文本數(shù)據(jù)特征信息的挖掘方法[J];計(jì)算機(jī)科學(xué);2002年08期

3 婁道國;李若斌;劉冰;張冬冬;;云計(jì)算下各分散文本數(shù)據(jù)的全方位集成融合方法[J];科技通報(bào);2019年02期

4 潘大勝;;不確定噪聲下海量文本數(shù)據(jù)的模糊挖掘算法研究[J];微電子學(xué)與計(jì)算機(jī);2017年09期

5 李柯;佐々木勇和;;基于多維小波聚類的空間文本數(shù)據(jù)情感分布分析[J];數(shù)據(jù)分析與知識發(fā)現(xiàn);2019年07期

6 王珊珊;馮利鑫;;基于新詞識別的大數(shù)據(jù)聊天文本輿情熱點(diǎn)挖掘[J];電子商務(wù);2018年01期

7 陳曉峰;如何在flash中讀入外部文本數(shù)據(jù)[J];電腦知識與技術(shù);2004年13期

8 馬欣欣;林克;;大文本數(shù)據(jù)快速分析統(tǒng)計(jì)理論與算法[J];電子元器件與信息技術(shù);2019年01期

9 施瑞朗;;基于社交平臺(tái)數(shù)據(jù)的文本分類算法研究[J];電子科技;2018年10期

10 張玉紅;陳偉;胡學(xué)鋼;;一種面向不完全標(biāo)記的文本數(shù)據(jù)流自適應(yīng)分類方法[J];計(jì)算機(jī)科學(xué);2016年12期

相關(guān)會(huì)議論文 前10條

1 易天元;葉春生;;工業(yè)鍋爐圖紙輸入的文本數(shù)據(jù)處理[A];1997中國控制與決策學(xué)術(shù)年會(huì)論文集[C];1997年

2 陳光強(qiáng);楊樹強(qiáng);張曉輝;李潤恒;賈焰;;面向海量文本數(shù)據(jù)的多任務(wù)并行調(diào)度加載技術(shù)研究與實(shí)現(xiàn)[A];第15屆全國信息存儲(chǔ)技術(shù)學(xué)術(shù)會(huì)議論文集[C];2008年

3 周純潔;黎]

本文編號：2600111