英語(yǔ)教育越來越受重視,寫作是其中的重要一環(huán),自動(dòng)作文評(píng)分可以解決傳統(tǒng)人工閱卷的很多問題,比如可以減輕老師的工作量,加快學(xué)生寫作的反饋,提升考試的公平性等,吸引了許多學(xué)者的研究。自動(dòng)作文評(píng)分系統(tǒng)并不能真正理解作文,而是通過構(gòu)建能反映詞語(yǔ)、句子和篇章等各種尺度的特征來間接評(píng)估作文分?jǐn)?shù),因此,挖掘出隱藏在數(shù)據(jù)中的更深層次特征對(duì)提升系統(tǒng)效果有很大的影響。一篇好的文章總是有一個(gè)特殊的高層邏輯及主題結(jié)構(gòu),其中實(shí)際的單詞和句子選擇以及它們之間的排列都是為這個(gè)高層結(jié)構(gòu)服務(wù)的,因此一篇文章的語(yǔ)句通順度可以作為自動(dòng)作文評(píng)分的重要指標(biāo)。作文范文中存在大量詞匯、語(yǔ)法和語(yǔ)義信息,通過計(jì)算學(xué)生答案與范文的文本匹配度,使得對(duì)作文的評(píng)判多了一種重要的結(jié)合結(jié)構(gòu)和語(yǔ)義信息的深層次參考標(biāo)準(zhǔn)。本論文的主要研究?jī)?nèi)容和創(chuàng)新之處如下:（1）我們提出了一種融合多特征的深度語(yǔ)句通順度計(jì)算算法。針對(duì)傳統(tǒng)方式詞向量表示粗糙,不能發(fā)現(xiàn)無關(guān)詞和句子的問題,我們引入外部知識(shí)為訓(xùn)練過程添加先驗(yàn)信息,針對(duì)知識(shí)庫(kù)的知識(shí)表示學(xué)習(xí)可以學(xué)習(xí)到詞語(yǔ)的知識(shí)信息;詞語(yǔ)的同義詞表示可以幫助更好地解決一詞多義問題;通過將依存關(guān)系嵌入結(jié)合進(jìn)來,可以更好地建模文本的語(yǔ)法... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：80 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

句法關(guān)系標(biāo)注示意圖④

第二章相關(guān)基礎(chǔ)知識(shí)和理論介紹15首先介紹一元回歸分析方法，假設(shè)自變量為，這些變量認(rèn)為和因變量y有關(guān)聯(lián)，一元回歸分析假設(shè)：(2-8)其中為未知的參數(shù)向量，e稱為隨機(jī)誤差項(xiàng)，一般假設(shè)，且。對(duì)總體進(jìn)行隨機(jī)抽樣時(shí)，假設(shè)有n個(gè)樣本，每個(gè)樣本有模型(2-9)表示成矩陣形式后為圖2-2：圖2-2一元回歸方程其中表示對(duì)總體變量的獨(dú)立重復(fù)觀測(cè)。一般假設(shè)誤差有下述性質(zhì)：（1）；（2）；（3）。對(duì)于一元回歸分析，一般關(guān)心的任務(wù)有：（1）參數(shù)及其函數(shù)的估計(jì)問題（可估性，最小二乘估計(jì)）（2）參數(shù)估計(jì)量的性質(zhì)（3）模型診斷方面，包括參數(shù)的檢驗(yàn)問題（正態(tài)分布假設(shè)，似然比試驗(yàn)），變量選擇問題，殘差分析（模型假設(shè)的檢查，數(shù)據(jù)清潔）（4）模型的預(yù)測(cè)功能其中，最小二乘估計(jì)的定義是對(duì)β的估計(jì)方法為使得殘差平方和達(dá)到最小：(2-10)其中。當(dāng)X為滿秩的時(shí)候（p<n），上述最小化殘差平方和的β可以得出(2-11)

方式。奇異值分解（Singular Value Decomposition，SVD）是線性代數(shù)中的一種技術(shù)，可以將任意矩陣 M 分解為三個(gè)獨(dú)立矩陣的乘積：M = U*S*V，其中 S 是矩陣M 奇異值的對(duì)角矩陣。為此，對(duì)于文檔—詞語(yǔ)矩陣 A，可以得到一個(gè)如下式的矩陣分解： (2-14) 奇異值和特征分解中的特征值類似，在奇異值矩陣中奇異值是按照從大到小排列的，而且奇異值減小地特別快，因此可以用最大的 k 個(gè)奇異值和對(duì)應(yīng)的左右奇異向量來近似描述矩陣，即矩陣 A 可以通過圖 2-3 等號(hào)右側(cè)的三個(gè)小矩陣來近似描述：

【參考文獻(xiàn)】：
期刊論文
[1]自動(dòng)作文評(píng)分系統(tǒng)對(duì)大學(xué)生英語(yǔ)寫作能力的影響實(shí)證研究[J]. 宋毅寧.  大學(xué)教育. 2019(10)
[2]基于文采特征的高考作文自動(dòng)評(píng)分[J]. 劉明楊,秦兵,劉挺.  智能計(jì)算機(jī)與應(yīng)用. 2016(01)
[3]知識(shí)表示學(xué)習(xí)研究進(jìn)展[J]. 劉知遠(yuǎn),孫茂松,林衍凱,謝若冰.  計(jì)算機(jī)研究與發(fā)展. 2016(02)
[4]HSK自動(dòng)作文評(píng)分的特征選取研究[J]. 黃志娥,謝佳莉,荀恩東.  計(jì)算機(jī)工程與應(yīng)用. 2014(06)
[5]國(guó)外作文自動(dòng)評(píng)分系統(tǒng)評(píng)述及啟示[J]. 梁茂成,文秋芳.  外語(yǔ)電化教學(xué). 2007(05)
[6]使用潛語(yǔ)義分析的漢語(yǔ)作文自動(dòng)評(píng)分研究[J]. 曹亦薇,楊晨.  考試研究. 2007(01)

碩士論文
[1]漢語(yǔ)作為第二語(yǔ)言測(cè)試的作文自動(dòng)評(píng)分研究[D]. 李亞男.北京語(yǔ)言大學(xué) 2006



本文編號(hào)：3024162