計算機網(wǎng)絡(luò)、多媒體、計算機輔助教學(xué)、網(wǎng)絡(luò)課程等技術(shù)的普及促使各種計算機智能評卷技術(shù)紛紛出現(xiàn)。目前,大多學(xué)者都對主觀題進行了研究,且基本都從文本相似度出發(fā),分析句法、語義、結(jié)構(gòu)等方面。但往往忽略句子結(jié)構(gòu)、語義方向^[1]以及無實際意義的副詞,因此得到的結(jié)果不能滿足需求。針對這些情況,本文提出了一種將主題和句子相似度融合的評分算法,首先判斷兩個文本是否談?wù)摰闹黝}大體一致,然后仔細分析文本中各個句子的相似度。其中句子的相似度根據(jù)句子主要成分的不同采用不同的算法,即基于TF-IDF算法和基于三元組算法。本文也重點講述了基于句子的主觀題評分,針對這一部分,主要對以下工作進行了展開:(1)分析詞語語義信息,對語義方向進行了判斷,并分析了含語義方向詞語所修飾的詞語信息。(2)復(fù)雜句中主謂賓成分多個,若將復(fù)雜句與簡單句進行比較,則會出現(xiàn)結(jié)果偏低的情況,因此本文根據(jù)主謂賓成分,將復(fù)雜句拆分為多個單句,以單句進行相似度對比。(3)句子是由詞語組成,因此首先需要計算詞語相似度,本文采用基于word2vec模型進行訓(xùn)練,根據(jù)上下文語境得到詞語相似度。(4)主謂賓是句子的主要成分,若兩個句子...

【文章頁數(shù)】：71 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 研究內(nèi)容和方法
        1.3.1 研究內(nèi)容
        1.3.2 研究方法
    1.4 論文的章節(jié)安排
2 智能評卷相關(guān)理論及技術(shù)
    2.1 智能評卷技術(shù)流程
    2.2 LDA模型
    2.3 句子相似度
        2.3.1 基于word2Vec的詞語相似度計算
        2.3.2 基于三元組句子相似度計算
        2.3.3 基于TF-IDF句子相似度計算
    2.4 本章小節(jié)
3 改進的LDA模型的主觀題評分
    3.1 LDA主題模型思想
    3.2 文本預(yù)處理
    3.3 LDA模型相似度計算
        3.3.1 LDA模型改進
        3.3.2 相似度計算
    3.4 基于LDA模型的評分
    3.5 本章小節(jié)
4 改進的句子相似度的主觀題評分
    4.1 主觀題評分模型設(shè)計
    4.2 句子預(yù)處理
        4.2.1 語義方向判定
        4.2.2 句子規(guī)范處理
        4.2.3 去除停用詞表
    4.3 基于word2Vector的詞語相似度計算
    4.4 關(guān)鍵詞相似度
    4.5 句子相似度計算
        4.5.1 基于三元組句子相似度計算
        4.5.2 基于TF-IDF句子相似度計算
    4.6 分數(shù)轉(zhuǎn)換
    4.7 本章小節(jié)
5 系統(tǒng)實現(xiàn)及結(jié)果分析
    5.1 系統(tǒng)功能結(jié)構(gòu)
    5.2 系統(tǒng)模塊設(shè)計
        5.2.1 錄入題目
        5.2.2 試卷設(shè)置
        5.2.3 考試
        5.2.4 考試記錄
    5.3 系統(tǒng)部分功能模塊實現(xiàn)
        5.3.1 錄入題目功能實現(xiàn)
        5.3.2 試卷設(shè)置功能實現(xiàn)
        5.3.3 考試功能實現(xiàn)
    5.4 實驗結(jié)果分析
        5.4.1 實驗數(shù)據(jù)
        5.4.2 實驗設(shè)計及評價標準
        5.4.3 實驗結(jié)果分析
    5.5 本章小結(jié)
6 總結(jié)與展望
    6.1 研究總結(jié)
    6.2 研究不足
    6.3 研究展望
致謝
參考文獻
攻讀學(xué)位期間的研究成果



本文編號：3781740