英語作文可以考察英語學(xué)習(xí)者的語言綜合運用能力,在平時的學(xué)習(xí)中,一般都是老師人工評閱,這種評閱方法主觀性強,閱卷強度大使得評卷效率低、誤判率高。計算機技術(shù)的發(fā)展加快了AES（作文自動評分,Automated Essay Scoring）技術(shù)研究與應(yīng)用的進程,這種技術(shù)可以對作文進行分析和打分,相比人工評閱,計算機評分成本低、審閱效率高,同時可以反饋更多的評價信息,比如每篇作文的單詞拼寫、語法錯誤等,還可以推薦優(yōu)秀的詞句和作文素材,為學(xué)習(xí)者提供更科學(xué)地作文寫作指導(dǎo)意見。然而,目前AES系統(tǒng)的構(gòu)建和評價大部分基于論文內(nèi)容的統(tǒng)計信息,對于作文的邏輯、詞句的質(zhì)量等評估仍不夠深入和準(zhǔn)確。因此,在提高預(yù)測分值的準(zhǔn)確度的同時,也要對作文內(nèi)容全面評價,以使得AES系統(tǒng)更好地應(yīng)用于實際作文批改當(dāng)中。本文研究了AES相關(guān)技術(shù),設(shè)計了特征的提取模型并討論了集成學(xué)習(xí)方法。首先,本文構(gòu)建了AES總體模型,并分析對比關(guān)鍵技術(shù)的一系列仿真實驗;然后,引入句子優(yōu)美性識別模型,通過調(diào)研確定優(yōu)美性的評價標(biāo)準(zhǔn),并在網(wǎng)絡(luò)上收集大量的原始數(shù)據(jù),然后人工制定特征提取方案并融入卷積神經(jīng)網(wǎng)絡(luò)當(dāng)中訓(xùn)練句子優(yōu)美性識別模型,通過優(yōu)美性識別模型... 

【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)】：76 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１．１研宂思路圖??本文的主要工作如下：??（１）明確研宄現(xiàn)狀以確定本文的研宄內(nèi)容

第２章英語ＡＥＳ模型總體設(shè)計??２．１評分模型的基本框架??本章ＡＥＳ模型總體設(shè)計如圖２．１所示。??它主要由四大部分構(gòu)成，分別是數(shù)據(jù)清洗及處理模塊、文本語義特征生成模塊、??語言學(xué)特征生成模塊以及預(yù)測模塊。??數(shù)據(jù)清洗及處理模塊包括分詞，大小寫轉(zhuǎn)換，去除停用詞及標(biāo)點符號等一系列??步驟。英文寫作中，每個單詞以空格分開，因此在分詞的時候通過空格將句子分詞；??句子第一個單詞的首字母通常是大寫的，且有些單詞被大寫以重點強調(diào)和區(qū)別，從??計算機的角度來看是沒法區(qū)別’Ｂｉｋｅ’、‘ｂｉｋｅ’、‘ＢＩＫＥ’是否為同一個意思，所以我們??通常將文本中的字母轉(zhuǎn)換為小寫；停用詞是無含義的詞，例如‘ｉｓ’、‘ｏｕｒ’、‘ｔｈｅ’、‘ｉｎ’、??‘ａｔ’等。它們不會給句子增加太多含義。為了減少需要處理的詞匯量，從而降低后??續(xù)程序的復(fù)雜性

學(xué)位論文??ＴＥＲ＇Ｓ?ＴＨＥＳＩＳ??文集中的作文文本４?（４ｅＷ，４，式，…Ｘ］）：??（１）獲取作文４的詞向量集；??（２）并統(tǒng)計不同聚類簇下詞向量的個數(shù)分布；??（３）返回個數(shù)分布將其作為詞向量聚類特征???ａｘ（／（Ａ〇）時，＊?＝尺，此時／（幻為適應(yīng)度函數(shù)最大值。經(jīng)過本聚類模型并由計算可知，當(dāng)Ｋ＝３０時適應(yīng)度函數(shù)有最大值遞增，於欠時單調(diào)遞減，／幻隨聚類簇的個數(shù)々值的變化曲


本文編號：3349251