發(fā)布時間：2018-05-04 21:48

  本文選題：自動評分 + 回歸分析��； 參考：《哈爾濱工業(yè)大學(xué)》2016年碩士論文

【摘要】：評分在教學(xué)過程中有著重要的地位,他是考核學(xué)生學(xué)習(xí)效果的手段,也是考查教師教學(xué)水平的必要方式,而評分最關(guān)注的是評分的公平性與客觀性。隨著人工智能的快速發(fā)展,利用人工智能的機(jī)器自動評分逐漸走入人們的視野,不難看出,機(jī)器自動評分技術(shù)具有人工評分不具備的客觀性、中立性,同時高效而省時省力,可以反復(fù)的完成評卷工作等,具有諸多優(yōu)異的特性。高考是全省乃至全國范圍內(nèi)的大型升學(xué)資格考試,每年愈百萬人參加,它決定了考生選擇大學(xué)和進(jìn)入大學(xué)的資格標(biāo)準(zhǔn),在我國有著不可替代的重要作用。高考中文作文評分為評分的一個特殊應(yīng)用場景,由于絕大部分考生受到了良好的教育與培養(yǎng),作文評分的評分對象有著較強的語言能力,語文作文考查考生語言能力的同時還需要考查考生的理解能力、邏輯思維能力、文學(xué)素養(yǎng)、知識積累等多各方面內(nèi)容。然而,與高考評分的嚴(yán)肅性相對的,是高考中文作文評分緊迫的閱卷時間,評卷老師工作量極大,可以說作文人工評卷是對高考作文評分公平性與權(quán)威性的極大挑戰(zhàn)。本文嘗試使用自動評分技術(shù)對高考中文作文進(jìn)行自動評分。為解決人工評分局限性,首先需要理解、分析中文作文考試以及評分過程的復(fù)雜性,也是本課題面對的機(jī)遇與挑戰(zhàn)。本文將著重探討基于回歸分析的中文作文自動評分的核心技術(shù),主要內(nèi)容包括了:(1)評分過程概念的分離與抽象,提出合理的評價指標(biāo)與目標(biāo)優(yōu)化參數(shù),為后續(xù)實驗與實驗工作的評價建立了基礎(chǔ);(2)采用啟發(fā)式的特征抽取方法,建立基于淺層語言特征的回歸模型,設(shè)定了實驗的基線(baseline)。歸納出本課題基于啟發(fā)式特征抽取的基本實驗方法與思路;(3)建立基于啟發(fā)式的深層語言特征的回歸模型,對深層的語言特征進(jìn)行分析、拆分與抽取,并對實驗結(jié)果進(jìn)行了合理的歸因,更加深入的理解問題本質(zhì),了解了作文評分的難點與要點,使得后續(xù)的工作更加聚焦。(4)嘗試使用深度學(xué)習(xí)的方法,用篇章向量來表示文章,利用回歸模型進(jìn)行訓(xùn)練和測試,以探索自動特征抽取方法對系統(tǒng)的影響,從而突破系統(tǒng)某些的特定指標(biāo)的瓶頸。
[Abstract]:Scoring plays an important role in the teaching process. It is not only a means to assess the students' learning effect, but also a necessary way to check the teachers' teaching level, and the most concern of the scoring is the fairness and objectivity of the scoring. With the rapid development of artificial intelligence, the machine automatic scoring using artificial intelligence has gradually come into people's view. It is not difficult to see that automatic machine scoring technology has objectivity, neutrality, high efficiency and time saving. You can repeatedly finish marking work, and so on, with many excellent characteristics. The college entrance examination is a large-scale examination of qualification for higher education in the whole province and even all over the country. Every year, more than one million people take part in it, which determines the qualification criteria for candidates to choose universities and enter universities, and plays an irreplaceable role in our country. The Chinese composition score of the college entrance examination is a special application scene of scoring. Because most of the examinees have received good education and training, the scoring object of the composition scoring has a strong language ability. It is necessary to examine the students' understanding ability, logical thinking ability, literary accomplishment, knowledge accumulation and so on while examining the language ability of the examinee in Chinese composition examination. However, in contrast to the seriousness of the college entrance examination score, it is the urgent time to mark the Chinese composition score of the college entrance examination, and the workload of the examination paper evaluation teacher is great. It can be said that the composition manual evaluation is a great challenge to the fairness and authority of the composition score of the college entrance examination. This paper attempts to use automatic scoring technology to automatically score Chinese composition in college entrance examination. In order to solve the limitation of artificial scoring, it is necessary to understand and analyze the complexity of Chinese composition examination and scoring process, which is also the opportunity and challenge faced by this subject. This paper will focus on the core technology of automatic scoring of Chinese composition based on regression analysis. The main contents include the separation and abstraction of the concept of the score process, and the reasonable evaluation index and objective optimization parameters are put forward. A heuristic feature extraction method is used to establish a regression model based on shallow language features and the baseline of the experiment is set up. The basic experimental methods and ideas of heuristic feature extraction are summarized. (3) the regression model of deep language feature based on heuristic is established, and the deep language feature is analyzed, split and extracted. The results of the experiment are attributed reasonably to understand the nature of the problem, understand the difficulties and key points of the composition scoring, make the follow-up work more focused. 4) try to use the method of deep learning and use the text vector to express the article. The regression model is used for training and testing to explore the influence of automatic feature extraction on the system, thus breaking the bottleneck of some specific indicators of the system.
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：G633.34;O212.1

【相似文獻(xiàn)】

相關(guān)期刊論文 前8條

1 張愛文;王泉泉;;編程題自動評分模型的研究與實現(xiàn)[J];黑龍江科技信息;2007年09期

2 張美茹;朱金珊;;學(xué)生考試系統(tǒng)的研發(fā)[J];內(nèi)江科技;2008年12期

3 陳慧寧;蔡永泉;楊文利;;VFP上機(jī)考試自動評分的研究[J];科技信息(科學(xué)教研);2008年16期

4 吳亞坤;郭海旭;;Office文檔自動評分的研究與實現(xiàn)[J];遼寧大學(xué)學(xué)報(自然科學(xué)版);2008年04期

5 鄭文奎;侯秀紅;;基于ASP的網(wǎng)上練習(xí)系統(tǒng)[J];魯東大學(xué)學(xué)報(自然科學(xué)版);2009年02期

6 莫紅枝;;計算機(jī)一級Word和Excel操作自動評分的實現(xiàn)[J];實驗科學(xué)與技術(shù);2011年03期

7 吳成洲;;基于C/S模式的C語言考試系統(tǒng)的設(shè)計與實現(xiàn)[J];科技廣場;2008年03期

8 ;[J];;年期

相關(guān)會議論文 前5條

1 楊晨;曹亦薇;;論文自動評分——作文評價的一場革命[A];全國教育與心理統(tǒng)計測量學(xué)術(shù)年會論文摘要集[C];2006年

2 彭星源;柯登峰;趙知;陳振標(biāo);徐波;;基于詞匯評分的漢語作文自動評分[A];中國計算語言學(xué)研究前沿進(jìn)展（2009-2011）[C];2011年

3 戴臘梅;曹亦薇;;關(guān)于LSA對主觀題自動評分的效度評價[A];全國教育與心理統(tǒng)計與測量學(xué)術(shù)年會暨第八屆海峽兩岸心理與教育測驗學(xué)術(shù)研討會論文摘要集[C];2008年

4 蔡黎;彭星源;柯登峰;趙軍;;少數(shù)民族漢語考試作文自動評分的特征提取研究[A];第五屆全國青年計算語言學(xué)研討會論文集[C];2010年

5 柯登峰;彭星源;趙知;陳振標(biāo);王士進(jìn);徐波;;基于詞匯等級的漢語作文自動評分技術(shù)[A];第十一屆全國人機(jī)語音通訊學(xué)術(shù)會議論文集（一）[C];2011年

相關(guān)重要報紙文章 前2條

1 孫召華　王光勇 本報特約通訊員 顏貴斌;科技元素越多,現(xiàn)代軍營越靚[N];解放軍報;2011年

2 特約記者 顏貴斌;現(xiàn)代警營該是什么樣[N];人民武警報;2011年

相關(guān)碩士學(xué)位論文 前10條

1 劉明楊;高考作文自動評分關(guān)鍵技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2015年

2 梅紅偉;基于VBA的Word文檔操作自動評分算法研究[D];云南大學(xué);2015年

3 苗靖潔;大學(xué)英語分級測試簡答題計算機(jī)自動評分的誤差分析[D];湖南大學(xué);2009年

4 陳一樂;基于回歸分析的中文作文自動評分技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2016年

5 陳立蜜;數(shù)據(jù)挖掘應(yīng)用于在線聽力簡答題自動評分的研究[D];電子科技大學(xué);2016年

6 宣華鋒;Visual Basic程序設(shè)計題自動評分算法的研究及實踐[D];浙江工業(yè)大學(xué);2012年

7 仲紅艷;數(shù)控技能考核中仿真操作考試自動評分方法研究與實現(xiàn)[D];上海師范大學(xué);2007年

8 李亞男;漢語作為第二語言測試的作文自動評分研究[D];北京語言大學(xué);2006年

9 熊永燕;基于作文自動評分理論的小學(xué)寫作教學(xué)研究[D];華東師范大學(xué);2015年

10 赫伽寧;結(jié)合動態(tài)測試與靜態(tài)分析的編程題自動評分方法研究[D];哈爾濱工業(yè)大學(xué);2008年

，

本文編號：1844798