学位论文 > 优秀研究生学位论文题录展示

特征选择方法对英文作文自动评分性能影响的研究

作　者: 崔爱国
导　师: 姚建民
学　校: 苏州大学
专　业: 计算机技术
关键词: 自动作文评分特征提取向量空间模型 boosting 线性回归
分类号: TP391.1
类　型: 硕士论文
年　份: 2009年
下　载: 47次
引　用: 3次
阅　读: 论文下载

内容摘要

英文作文自动评分是一项使用计算机进行作文评分的新技术。该项技术的研究起始于20世纪60年代。至今已经有多个国家开发出针对英文的作文自动评分系统,如E-rater等等。在目前中国此方面正属于研究之中。在当代大学英语四、六级考试是一项规模宏大的标准化考试。考试阅卷工作量大,很难保证阅卷评分的准确性和客观性,随着参考人数的增多,这一问题日显突出。面向大学英语写作的自动作文评分研究存在不少难题,如:评分标准、针对性、通用性等。自动评分要以人工评分为准,并结合写作教学理论;评分要考虑中国学生写作特点,使评价具有针对性。目前的自动化考试系统对客观题目均实现了自动判分,但对作文的自动评分仍有待研究。本文从语料库中抽取同一主题的作文作为系统的语料,根据作文分值的不同,将不同分值的作文划分到不同的类别。文中用到了两种不同的方法来实现对作文的评分——Boosting算法和线性回归方法。抽取相关作文的特征,根据提取的特征,利用向量空间模型来表示每一篇作文,然后利用TF-IDF、IG和CHI方法对抽取的特征进行筛选,删除作文中比所设阈值小的特征,再利用三种文本分类算法(朴素贝叶斯、K近邻和支持向量机)来作为分量分类器。文中用Boosting算法、线性回归的方法,对待测作文进行分类,得出作文的最后类别或分值。通过实验表明,不同的特征提取方法,对最终的结果存在不同影响,线性回归的评分结果比boosting方法稍好,进一步证明了该方法的可行性。

全文目录

摘要  3-4
Abstract  4-8
第一章引言  8-12
  1.1 本文研究的背景和意义  8-9
  1.2 本文的创新之处  9-10
  1.3 本文的工作任务  10
  1.4 本文的组织结构  10-12
第二章自动作文评分及本文的实现  12-21
  2.1 自动作文评分的概述  12-14
    2.1.1 自动作文评分的工作原理  12
    2.1.2 自动作文评分的流程  12-13
    2.1.3 自动作文评分的优点  13-14
  2.2 自动作文评分的发展状况  14-17
    2.2.1 国外发展现状  14-16
    2.2.2 国内发展现状  16-17
  2.3 相关自动作文评分的比较  17-18
  2.4 本文的实现  18-19
  2.5 本章小结  19-21
第三章英文作文的特征提取与表示  21-31
  3.1 英文作文特征的提取方法  21-24
    3.1.1 TF-IDF  21-22
    3.1.2 IG  22-23
    3.1.3 CHI  23-24
  3.2 英文作文的表示及划分  24-30
  3.3 本章小结  30-31
第四章 Boosting 算法在作文评分中的应用  31-48
  4.1 分类器介绍  31-41
    4.1.1 模式识别与分类器技术简介  31-32
    4.1.2 K 近邻  32-33
    4.1.3 朴素贝叶斯  33-36
    4.1.4 支持向量机  36-39
    4.1.5 分类器融合概述  39-41
  4.2 Boosting 概述  41-42
  4.3 AdaBoost 方法  42-44
  4.4 实验结果与分析  44-47
    4.4.1 性能评价标准  44-46
    4.4.2 实验结果  46-47
  4.5 本章小结  47-48
第五章线性回归应用于作文自动评分  48-56
  5.1 一元线性回归  48-51
    5.1.1 相关系数  49-50
    5.1.2 方差分析和F 检验  50
    5.1.3 残差分析  50-51
  5.2 多元线性回归  51-53
  5.3 实验结果  53-54
  5.4 本章小结  54-56
第六章总结与展望  56-58
  6.1 论文总结  56
  6.2 研究展望  56-58
参考文献  58-62
攻读学位期间公开发表的论文  62-63
致谢  63

特征选择方法对英文作文自动评分性能影响的研究

内容摘要

全文目录

相似论文