文摘
英文文摘
声明
第一章绪论
1.1课题背景
1.2课题研究意义
1.3课题的创新点
1.4课题研究目标及相关问题
1.5论文的组织结构
第二章相关工作及系统实现框架
2.1相关工作介绍
2.1.1国外自动作文评分研究
2.1.2国内自动作文评分研究
2.2系统实现框架
2.3本章小结
第三章作文的表示与评分特征提取
3.1作文类别的划分
3.2作文的表示
3.2.1基于内容特征的表示方法
3.2.2基于语言学特征的表示方法
3.3作文特征的提取
3.3.1文档频率(Document Frequency,DF)
3.3.2信息增益(Information Gain,IG)
3.3.3 X2统计(Chi Square Statistic,CHI)
3.4本章小结
第四章基于文本分类技术的自动作文评分
4.1文本分类技术介绍
4.1.1文本分类概述
4.1.2文本分类的研究现状
4.1.3文本分类的一般过程与框架
4.2朴素贝叶斯(Naive Bayes,NB)
4.2.1贝叶斯法则
4.2.2朴素贝叶斯分类器
4.2.3下溢与平滑处理
4.2.4性能评价标准
4.2.6实验结果与分析
4.3 K近邻(K-Nearest Neighbor,KNN)
4.3.1最近邻分类
4.3.2 K近邻分类方法
4.3.3 K近邻技术在作文评分中的应用
4.3.4实验结果与分析
4.4支持向量机(Support Vector Machine,SVM)
4.4.3统计学习理论
4.4.3支持向量机基本思想与优点
4.4.3支持向量机算法
4.4.4实验结果与分析
4.5三种分类器性能比较
4.6本章小结
第五章自动作文评分中的多分类器融合技术
5.1引言
5.2多分类器融合技术
5.2.1多分类器融合技术概述
5.2.2多分类器问题描述
5.3基于多分类器的融合技术的自动作文评分
5.3.1基于投票原则的方法
5.3.2基于栈的融合方法
5.4实验结果与分析
5.5本章小结
第六章总结与展望
6.1本文总结
6.2未来工作
参考文献
附录
攻读学位期间公开发表的论文
致谢