一直以來,語文寫作在整個語文課程學(xué)習(xí)當(dāng)中占有著非常重要的位置,是培養(yǎng)學(xué)生綜合素養(yǎng)的重要教學(xué)內(nèi)容之一。在傳統(tǒng)的語文寫作教學(xué)中,由于教師批改作文比較費時費力,因而學(xué)生無法及時得到反饋結(jié)果;此外,由于疲勞或個人感情等因素使得教師批改存在一定的主觀性。所以如何利用計算機(jī)解決傳統(tǒng)人工評價作文存在的問題顯得頗為重要。隨著自然語言處理、機(jī)器學(xué)習(xí)等技術(shù)的快速發(fā)展,利用計算機(jī)進(jìn)行作文自動評價變的更加可行。因此,本文開發(fā)一個基于中文多維度特征指標(biāo)的小學(xué)寫作自動反饋系統(tǒng),希望通過自動反饋的方式輔助學(xué)生進(jìn)行作文評價與修改,并以武漢市某所小學(xué)六年級學(xué)生為例,進(jìn)行自動反饋寫作的研究,主要研究內(nèi)容和成果包含以下三個方面:第一,從字詞基礎(chǔ)、篇章結(jié)構(gòu)、語言表達(dá)和情感主題四個維度,提出了符合小學(xué)階段語文作文評價的120個特征指標(biāo)。采用自然語言處理等技術(shù),將收集的4193篇作文作為語料,按照淺層語言特征和深層語言特征的面向進(jìn)行特征的提取;并采用特征向量空間模型（F-VSM）和支持向量機(jī)（SVM）兩種算法進(jìn)行指標(biāo)可靠性的驗證。其中,基于淺層特征F-VSM與SVM算法的分類準(zhǔn)確率分別為63.67%和72.03%;基于深層特征F... 

【文章來源】：華中師范大學(xué)湖北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：62 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１．１論文研宄框架??１．３．２研究方法??本文主要采用了文獻(xiàn)研宄法、實驗分析法、實證研究法和問卷調(diào)裔法叫種研??究方法，其詳細(xì)論述如下：??４??

３．１．４?ＬＤＡ主題模型??潛在狄利克雷分布（Ｌａｔｅｎｔ?Ｄｉｒｉｃｈｌｅｔ?Ａｌｌｏｃａｔｉｏｎ，?ＬＤＡ）是一種文檔主題生成模??型，也稱為一個三層貝葉斯概率模型［６３１，其模型如圖３．丨所示，由詞、主題和文??檔三層結(jié)構(gòu)組成，圖中各個符號的含義見表３．１所示。??ｋ＃郟歟輳藎崳?＼?？??（＾）?＾?ｅＡ??＞?Ｚｄ，ｎ??＾?＾ｄ，ｎ??化［１川?Ｍ??圖３．１?ＬＤＡ概率模型圖??潛在狄利克雷分布的主要思想是一篇文檔存在多個主題，每個主題下對應(yīng)著??許多不同的詞。一篇文檔的生成過程，首先是根據(jù)先驗概率選擇某個主題，然后??再在這個主題下根據(jù)特定的幾率選出某一個沏，這樣就生成了這篇文襠的第一個??詞，不停地循環(huán)上述步驟，就完成了整篇文捫的構(gòu)造。而ＬＤＡ原理的過程是上??述文檔生成的反過程，即最初給定一篇文檔，找出這篇文檔所包含的主題，以及??每個Ｋ題下對應(yīng)的詞與相應(yīng)的概率。ＬＤＡ主題模型應(yīng)用廣泛

圖３．２支持向量機(jī)超平面分類原理??有研究表明，ＳＶＭ用于文本分類有很好的效果１？１。因此，本文采用ＳＶＭ分??類模型，其模型的訓(xùn)練和分類過程如圖３．３所示。??；｜」?－｜｜?????????ｊ??ｍ?ｊ一一？?５［處逐揆塊一？特征抽取夜塊—商量化筷塊一??！?ｈ［＾］！??丨」???｜??圖３．３支持向蛩機(jī)模型訓(xùn)練圖??３．２作文特征指標(biāo)的提取??本文結(jié)合傳統(tǒng)作文評價標(biāo)準(zhǔn)和國內(nèi)外作文特征指標(biāo)的研宄，采用自然語言處??理等技術(shù)對作文特征進(jìn)行提取，提取過程分為兩個階段：第一個階段是只提取了??淺層面向的語言特征，第二個階段對深層語言特征進(jìn)行提取。淺層語言特征是指??單一的、只從字詞、句法等維度考慮的特征。深層語言特征是指Ｕ合的、包括內(nèi)??容、篇章結(jié)構(gòu)、語言、怙感：丨：題等維度的特征。第一階段考慮的特征比較基礎(chǔ)，??笫．．階段提収的特征足對第一階段的補充和深入，經(jīng)過兩次的特征提取，特征選??取更加全面合理。??１８??


本文編號：3312764