声明
摘要
第一章 绪论
1.1 研究背景
1.2 国外研究现状
1.2.1 Project Essay Grade---PEG
1.2.2 Intelligent Essay Assessor---IEA
1.2.3 Electronic Essay Rater---E-rater
1.2.4 IntelliMetricTM
1.2.5 Bayesian Essay Test Scoring System---BETSY
1.3 国内研究现状
1.3.1 冰果英语智能作文评阅系统
1.3.2 句酷批改网英语智能作文评阅系统
1.3.3 自动作文批改理论研究
1.4 本文的主要工作
1.5 本文的组织结构
第二章 作文特征向量的抽取
2.1 作文的预处理
2.2 特征值的选取
2.2.1 TF×IDF(词频×逆文档频率)
2.2.2 MI(互信息量)
2.2.3 x2(卡方检验)
2.3 权值函数
2.4 本章小结
第三章 作文内容表示模型
3.1 向量空间模型
3.2 潜在语义分析模型
3.2.1 潜在语义分析的特点
3.2.2 奇异值分解
3.2.3 潜在语义分析实例
3.3 基于LCS作文的内在关联度
3.4 本章小结
第四章 作文语言表示模型
4.1 Lucene Analyzer模块
4.2 WordNet语义词典
4.3 基于Stanford Parser生成的句法树模型
4.4 基于规则的语法匹配模型
4.5 本章小结
第五章 以信息增益为权重的距离加权KNN算法
5.1 基于KNN算法的作文内容评分
5.2 KNN算法不足之处及改进
5.3 改进的KNN算法
5.3.1 以信息增益为属性的权值
5.3.2 计算文章中各属性的信息增益值
5.3.3 对距离进行加权
5.3.4 改进后的KNN算法
5.4 本章小结
第六章 KNN在英语自动评分方法中的研究
6.1 问题的提出
6.2 数据的抽取
6.2.1 数据预处理
6.2.2 属性抽取
6.2.3 特征选择
6.3 英语作文自动评分的实验分析
6.4 本章小结
第七章 总结与展望
7.1 工作总结
7.2 未来展望
致谢
参考文献
攻读学位期间发表的论文