在語文課程學(xué)習(xí)過程中,如何培養(yǎng)學(xué)生的寫作興趣以及提高寫作能力一直是廣大教育者關(guān)心的熱點問題。傳統(tǒng)的作文評分一般需要老師人工進行打分,這不僅會耗費大量人力,而且其結(jié)果容易受到評價者個人主觀性影響。隨著自然語言處理等人工智能相關(guān)技術(shù)的快速發(fā)展,使用計算機對作文進行自動評價、輔助教學(xué)成為研究熱點。本文以小學(xué)語文作文為研究對象,開展了針對小學(xué)作文進行自動評價方法的系列研究,通過結(jié)合傳統(tǒng)作文評價標準與小學(xué)生寫作能力發(fā)展水平的特點,提出了一種通過詞匯與語句等級對小學(xué)作文進行評價的方法教學(xué)。本研究的主要工作如下:（1）通過相關(guān)研究與理論分析,本文對作文自動評價過程可能涉及到的關(guān)鍵技術(shù)的原理和特點進行了闡述,最終基于其性能及可行性分析,明確了本文的研究路線。（2）本文以詞匯運用為研究點,建立了基于詞匯的多元線性回歸模型及方程。首先從詞匯豐富性的詞匯多樣性、詞匯復(fù)雜性以及詞頻概貌三個維度研究其與作文成績之間的相關(guān)性,將文章所使用的詞匯的評分進行加權(quán)而得到一個等價的衡量作文評分的多元線性回歸模型,并最終優(yōu)選詞匯的復(fù)雜詞種比重、最常用詞種數(shù)量、詞種數(shù)和控制文本長度TTR（隨機抽�。┧恼咦鳛轭A(yù)測作文成績的因素... 

【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)】：67 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖４．３傳統(tǒng)神經(jīng)網(wǎng)絡(luò)（左）和循環(huán)神經(jīng)網(wǎng)絡(luò)（右）結(jié)構(gòu)圖??循環(huán)神經(jīng)網(wǎng)絡(luò)的時序展開模型圖如圖４．４所示

碩士學(xué)位論文??ＭＡＳＴＥＲ＇Ｓ?ＴｉＨ－：ＳｉＳ??４．２循環(huán)神經(jīng)網(wǎng)絡(luò)簡介??循環(huán)神經(jīng)網(wǎng)絡(luò)是指一個隨著時間的推移，重復(fù)發(fā)生的結(jié)構(gòu)，其結(jié)構(gòu)圖如圖４．３??右圖所示。傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)一般是由輸入層、隱藏層和輸出層三個部分組成，其結(jié)??構(gòu)圖如圖４．３左圖所不。其中，Ｘ、〇為向量，分別表不輸入層、輸出層的值；Ｕ、Ｖ??為矩陣，Ｕ是輸入層到隱藏層的權(quán)重矩陣，Ｖ是隱藏層到輸出層的權(quán)重矩陣。循環(huán)??神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的不同之處在于循環(huán)神經(jīng)網(wǎng)絡(luò)的隱藏層的ｓ值不僅取決于??當前的這次輸入ｘ，還取決于上一次隱藏層的ｓ值。權(quán)重值Ｗ就是隱藏層上一次的??ｓ值作為這一次輸入的輸入權(quán)重。因此循環(huán)神經(jīng)網(wǎng)絡(luò)在處理過程中，每一刻的輸出??都是帶著之前的輸出值加權(quán)之后的結(jié)果，使得循環(huán)神經(jīng)網(wǎng)絡(luò)把每一次輸入之間相互??聯(lián)系在一起，能充分挖掘文本的時序信息和語義信息。??０?０??Ｑ?Ｑ??Ｖ?１１?Ｖ?１１??ｓｕｉ?；９＞ｗ??Ｘ?Ｘ??圖４．３傳統(tǒng)神經(jīng)網(wǎng)絡(luò)（左）和循環(huán)神經(jīng)網(wǎng)絡(luò)（右）結(jié)構(gòu)圖??循環(huán)神經(jīng)網(wǎng)絡(luò)的時序展開模型圖如圖４．４所示。??°ｒ－／?Ａ?°ｆ＋／??ｉ?ｋ?Ａ?Ａ??Ｖ?Ｖ?ｖ??￣＞〇ｌ￣？〇＾—＾??Ｙ?＾?Ｖ?ＩＶ?Ｙ?Ｕ／??ｕ?ｕ?ｕ??ｘｔ－，?ｘ，?ｘｍ??圖４．４?ＲＮＮ時序展開圖??２８??

碩士學(xué)位論文??ＭＡＳＴＥＲ＇Ｓ?Ｔｌｌｔ．ＳＩＳ????表４．１語句等級標準劃分表???＾語句等級?評價標準??Ａ等級?語言生動，用詞豐富，修辭恰到好處，表達流暢且富含真情實感???Ｂ等級?用詞簡單，句式有變化，內(nèi)容較豐富，表達得體，較有情感???Ｃ等級?語言空洞，內(nèi)容簡單且意義不大，沒有真情實感???４．４語句等級自動分類模型構(gòu)建流程??通過上述分析，我們構(gòu)建了基于雙向長短時記憶網(wǎng)絡(luò)的語句等級自動分類模型??的構(gòu)建。??庳浐教珉隹＿▲人工審閱打．Ｗ處理?？＇ｆ〇ｒｄ２Ｖｅｃ?ｉｌｌ｜練循環(huán)神??測試并選擇??最佳模型??圖４．５自動分類模型構(gòu)建流程圖??如圖４．５所示，我們首先將收集到的文本數(shù)據(jù)集均分成三份，有三個相關(guān)學(xué)科??背景下的學(xué)者按照語句等級劃分標準表交叉劃分語句等級，并且進行數(shù)據(jù)清洗形成??基礎(chǔ)的文本數(shù)據(jù)集，接著使用Ｗｏｒｄ２Ｖｅｃ工具訓(xùn)練詞向量，并將文本通過ｗｏｒｄ??ｅｍｂｅｄｄｉｎｇ輸入到循環(huán)神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，最后將基礎(chǔ)的文本數(shù)據(jù)集劃分為１０份，??中９份作為訓(xùn)練集，１份作為驗證集進行１０折交叉驗證，從而測試出具有最佳性能??的模型。??４．５測試與分析??４．５．１數(shù)據(jù)預(yù)處理??本章節(jié)所使用作文數(shù)據(jù)來自于前期從武漢市華中師范大學(xué)附屬小學(xué)收集的一??至三年級２２７５篇作文。首先對作文文本中的數(shù)據(jù)進行分詞并統(tǒng)計詞的種類及詞性，??然后針對一些文本中廣泛存在但實際意義并不大的停用詞及特殊符號進行剔除，只??保留了名詞、形容詞、動詞以及疊詞。作文使用ＮＬＰＩＲ軟件進行分詞的效果圖如圖??４．６所示。??３０??

【參考文獻】：
期刊論文
[1]作文評價有效性的思考與實踐[J]. 黃本榮.  中學(xué)語文教學(xué)參考. 2019(22)
[2]漢語作文自動評價及其關(guān)鍵技術(shù)——來自作文自動評價（AEE）的經(jīng)驗[J]. 吳恩慈,田俊華.  教育測量與評價. 2019(08)
[3]面向作文自動評分的優(yōu)美句識別[J]. 付瑞吉,王棟,王士進,胡國平,劉挺.  中文信息學(xué)報. 2018(06)
[4]初中語文作文教學(xué)存在的問題及對策[J]. 段雅馨.  課外語文. 2018(07)
[5]基于作文自動評分系統(tǒng)的高職學(xué)生英語寫作自我效能感研究[J]. 鐘歆.  湖南郵電職業(yè)技術(shù)學(xué)院學(xué)報. 2017(04)
[6]作文自動評分系統(tǒng)在大學(xué)英語寫作教學(xué)中的應(yīng)用——以句酷批改網(wǎng)為例[J]. 唐芳,莊翠娟,鞏藝超.  海外英語. 2017(20)
[7]漢語二語者詞匯豐富性與寫作成績的相關(guān)性——兼論測量寫作質(zhì)量的多元線性回歸模型及方程[J]. 王藝璇.  語言文字應(yīng)用. 2017(02)
[8]用燦爛的語言表達深邃的思想——淺談高考語文寫作的文采表達[J]. 楊磊.  課外語文. 2017(10)
[9]作文自動評分系統(tǒng)的反饋對高職學(xué)生英語寫作修改的影響[J]. 鐘歆.  無錫職業(yè)技術(shù)學(xué)院學(xué)報. 2017(02)
[10]基于文采特征的高考作文自動評分[J]. 劉明楊,秦兵,劉挺.  智能計算機與應(yīng)用. 2016(01)

碩士論文
[1]基于修辭使用的小學(xué)作文自動分類評價方法研究[D]. 石昀東.華中師范大學(xué) 2019
[2]基于中文多維度特征指標的小學(xué)寫作自動反饋研究[D]. 劉衛(wèi)平.華中師范大學(xué) 2019
[3]小學(xué)低年級語文教學(xué)中的造句訓(xùn)練研究[D]. 馮曉晴.南京師范大學(xué) 2018
[4]英語作文自動評分系統(tǒng)的設(shè)計與實現(xiàn)[D]. 郭慶春.哈爾濱工業(yè)大學(xué) 2017
[5]基于回歸分析的中文作文自動評分技術(shù)研究[D]. 陳一樂.哈爾濱工業(yè)大學(xué) 2016
[6]面向語文作文自動評閱的修辭手法識別系統(tǒng)的設(shè)計與實現(xiàn)[D]. 鞏捷甫.哈爾濱工業(yè)大學(xué) 2016
[7]小學(xué)高年級作文評價的現(xiàn)狀及對策研究[D]. 李揚.陜西師范大學(xué) 2016
[8]基于作文自動評分理論的小學(xué)寫作教學(xué)研究[D]. 熊永燕.華東師范大學(xué) 2015
[9]基于自動評分系統(tǒng)的大學(xué)英語作文反饋研究[D]. 陳慰.重慶大學(xué) 2013
[10]高中作文評價現(xiàn)狀分析及對策研究[D]. 朱明坤.東北師范大學(xué) 2008



本文編號：3132507