支持中文学术评论的自动反馈模型设计
发布时间：2021-12-10 23:59
随着人工智能在教育领域的发展,近年来不少学者开始关注:如何利用计算机来辅助教师评价大量的学生学术评论,以帮助学生改善学术论文的写作质量。在以往的研究中,一些学者验证了透过同侪互评能够帮助学生改进写作;与线下同侪互评活动相比,在线同侪互评活动在提高同侪互评的有效性和可靠性上更有潜力。但是,评论者的评论质量参差不齐,难以提供写作者整体性的建议,造成写作者对收到的评论意见并不能很好的理解和运用。因此,本研究基于在线同侪互评环境,旨在同侪互评过程中提升同侪互评者的评论质量,通过开发一种自动评估学生中文评论并为评论者提供元评论反馈的系统,以帮助评论者撰写更好的评论,使其能够进行自我反思,写出质量更好、更有效的评论内容。其主要研究工作如下:一、针对在线同侪互评活动,本文提出评论自动反馈模型,该模型包括三个评论质量指标:评论的内容类型、评论相关性和评语反馈。评论自动反馈模型以评论自动分类为切入点,借助自然语言处理、机器学习和深度学习等技术完成三个评论质量指标的量化。其中评论的内容类型从情感、认知和元认知三个维度进行探讨,在收集和人工标注的4652条同伴评论数据中,利用LSTM分类器进行评论自动分类的...
【文章来源】：华中师范大学湖北省 211工程院校 教育部直属院校
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
图１．２显示了??具有此评论自动反馈机制的同侪互评活动流程图
／ＩｊＯｌ＇Ｘ硕士学位论文??ＭＡＳＴＥＲ＇Ｓ?ＴＨＥＳＩＳ??Ｆ＝＾ｌ???＾评论反馈系统＾???｜③自动反馈??ｒ￣、①提交???ＣＣ￣＾＾?②互评?产＝■＂：：■＂．．．．．?．．??／?＼??－论文??＂评论文本，??Ｌ￣＾?④修改评论Ｌ—??⑤修改后的评论??图１．２基于评论自动反馈机制的在线同侪互评活动流程图??１．３技术路线??图１．３显示了本研究的技术路线。首先在组内开发的在线学术写作平台进行??收集评论数据，其次主要选取并完成三个评论质量指标：??一、评论的内容类型：从情感、认知和元认知三个维度分析评论的内容类型，??根据评论的分类标准对评论数据进行人工标注，并利用四种分类器算法（朴素贝??叶斯、支持向量机、卷积神经网络、长短期记忆网络）对评论数据进行训练与测??试，从中选取效果最好的分类器并进行优化，实现评论文本的自动分类。??二、评论相关性：通过比对评论与评论文章内容的相关程度，然后对计算数??值进行归一化处理，使其结果在［０，１］区间内，从而完成评论相关性的量化。??三、评语反馈：根据评论的内容类型和评论相关性的量化结果，设置合理的??阈值和评语内容，以评论的文章为单位自动生成个性化评语。??朴素贝叶斯分类器一??＊＊??一＇－支持向量机分类器一???兩?—：——｜?ｃｎｎ分类器ｐ?Ｉ?．??ＬＳＴＭ?分类器?＾?????评语反馈?一＾质量????１?指标??枚集数据??????????？评论文章一＂评论与原文章相似度对比一￣？评论相关性?—??图１．３评论自动反馈技术路线??４??
／ＩｊＯｌ＇Ｘ硕士学位论文??ＭＡＳＴＥＲ＇Ｓ?ＴＨＥＳＩＳ??Ｆ＝＾ｌ???＾评论反馈系统＾???｜③自动反馈??ｒ￣、①提交???ＣＣ￣＾＾?②互评?产＝■＂：：■＂．．．．．?．．??／?＼??－论文??＂评论文本，??Ｌ￣＾?④修改评论Ｌ—??⑤修改后的评论??图１．２基于评论自动反馈机制的在线同侪互评活动流程图??１．３技术路线??图１．３显示了本研究的技术路线。首先在组内开发的在线学术写作平台进行??收集评论数据，其次主要选取并完成三个评论质量指标：??一、评论的内容类型：从情感、认知和元认知三个维度分析评论的内容类型，??根据评论的分类标准对评论数据进行人工标注，并利用四种分类器算法（朴素贝??叶斯、支持向量机、卷积神经网络、长短期记忆网络）对评论数据进行训练与测??试，从中选取效果最好的分类器并进行优化，实现评论文本的自动分类。??二、评论相关性：通过比对评论与评论文章内容的相关程度，然后对计算数??值进行归一化处理，使其结果在［０，１］区间内，从而完成评论相关性的量化。??三、评语反馈：根据评论的内容类型和评论相关性的量化结果，设置合理的??阈值和评语内容，以评论的文章为单位自动生成个性化评语。??朴素贝叶斯分类器一??＊＊??一＇－支持向量机分类器一???兩?—：——｜?ｃｎｎ分类器ｐ?Ｉ?．??ＬＳＴＭ?分类器?＾?????评语反馈?一＾质量????１?指标??枚集数据??????????？评论文章一＂评论与原文章相似度对比一￣？评论相关性?—??图１．３评论自动反馈技术路线??４??
【参考文献】：
期刊论文
[1]一种基于深度学习的中文文本特征提取与分类方法[J]. 曹鲁慧,邓玉香,陈通,李钊. 山东科学. 2019(06)
[2]基于卷积神经网络的图像分类研究[J]. 庞丝丝,黄呈铖. 现代计算机. 2019(23)
[3]MOOC同伴作业互评中反思意识与学习成效的关系研究[J]. 汪琼,欧阳嘉煜,范逸洲. 电化教育研究. 2019(06)
[4]基于Keras的LSTM模型在空气质量指数预测的应用[J]. 郑洋洋,白艳萍,侯宇超. 数学的实践与认识. 2019(07)
[5]改进朴素贝叶斯算法在文本分类中的应用[J]. 黄勇,罗文辉,张瑞舒. 科技创新与应用. 2019(05)
[6]评价量规设计对慕课同伴互评有效性的影响研究[J]. 范逸洲,冯菲,刘玉,汪琼. 电化教育研究. 2018(11)
[7]基于LSTM-Attention的中文新闻文本分类[J]. 蓝雯飞,徐蔚,汪敦志,潘鹏程. 中南民族大学学报(自然科学版). 2018(03)
[8]基于k最近邻和改进TF-IDF的文本分类框架[J]. 龚静,黄欣阳. 计算机工程与设计. 2018(05)
[9]面向情感聚类的文本相似度计算方法研究[J]. 李欣,李旸,王素格. 中文信息学报. 2018(05)
[10]深度学习中汉语字向量和词向量结合方式探究[J]. 李伟康,李炜,吴云芳. 中文信息学报. 2017(06)
本文编号：3533634
【文章来源】：华中师范大学湖北省 211工程院校 教育部直属院校
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
图１．２显示了??具有此评论自动反馈机制的同侪互评活动流程图
／ＩｊＯｌ＇Ｘ硕士学位论文??ＭＡＳＴＥＲ＇Ｓ?ＴＨＥＳＩＳ??Ｆ＝＾ｌ???＾评论反馈系统＾???｜③自动反馈??ｒ￣、①提交???ＣＣ￣＾＾?②互评?产＝■＂：：■＂．．．．．?．．??／?＼??－论文??＂评论文本，??Ｌ￣＾?④修改评论Ｌ—??⑤修改后的评论??图１．２基于评论自动反馈机制的在线同侪互评活动流程图??１．３技术路线??图１．３显示了本研究的技术路线。首先在组内开发的在线学术写作平台进行??收集评论数据，其次主要选取并完成三个评论质量指标：??一、评论的内容类型：从情感、认知和元认知三个维度分析评论的内容类型，??根据评论的分类标准对评论数据进行人工标注，并利用四种分类器算法（朴素贝??叶斯、支持向量机、卷积神经网络、长短期记忆网络）对评论数据进行训练与测??试，从中选取效果最好的分类器并进行优化，实现评论文本的自动分类。??二、评论相关性：通过比对评论与评论文章内容的相关程度，然后对计算数??值进行归一化处理，使其结果在［０，１］区间内，从而完成评论相关性的量化。??三、评语反馈：根据评论的内容类型和评论相关性的量化结果，设置合理的??阈值和评语内容，以评论的文章为单位自动生成个性化评语。??朴素贝叶斯分类器一??＊＊??一＇－支持向量机分类器一???兩?—：——｜?ｃｎｎ分类器ｐ?Ｉ?．??ＬＳＴＭ?分类器?＾?????评语反馈?一＾质量????１?指标??枚集数据??????????？评论文章一＂评论与原文章相似度对比一￣？评论相关性?—??图１．３评论自动反馈技术路线??４??
／ＩｊＯｌ＇Ｘ硕士学位论文??ＭＡＳＴＥＲ＇Ｓ?ＴＨＥＳＩＳ??Ｆ＝＾ｌ???＾评论反馈系统＾???｜③自动反馈??ｒ￣、①提交???ＣＣ￣＾＾?②互评?产＝■＂：：■＂．．．．．?．．??／?＼??－论文??＂评论文本，??Ｌ￣＾?④修改评论Ｌ—??⑤修改后的评论??图１．２基于评论自动反馈机制的在线同侪互评活动流程图??１．３技术路线??图１．３显示了本研究的技术路线。首先在组内开发的在线学术写作平台进行??收集评论数据，其次主要选取并完成三个评论质量指标：??一、评论的内容类型：从情感、认知和元认知三个维度分析评论的内容类型，??根据评论的分类标准对评论数据进行人工标注，并利用四种分类器算法（朴素贝??叶斯、支持向量机、卷积神经网络、长短期记忆网络）对评论数据进行训练与测??试，从中选取效果最好的分类器并进行优化，实现评论文本的自动分类。??二、评论相关性：通过比对评论与评论文章内容的相关程度，然后对计算数??值进行归一化处理，使其结果在［０，１］区间内，从而完成评论相关性的量化。??三、评语反馈：根据评论的内容类型和评论相关性的量化结果，设置合理的??阈值和评语内容，以评论的文章为单位自动生成个性化评语。??朴素贝叶斯分类器一??＊＊??一＇－支持向量机分类器一???兩?—：——｜?ｃｎｎ分类器ｐ?Ｉ?．??ＬＳＴＭ?分类器?＾?????评语反馈?一＾质量????１?指标??枚集数据??????????？评论文章一＂评论与原文章相似度对比一￣？评论相关性?—??图１．３评论自动反馈技术路线??４??
【参考文献】：
期刊论文
[1]一种基于深度学习的中文文本特征提取与分类方法[J]. 曹鲁慧,邓玉香,陈通,李钊. 山东科学. 2019(06)
[2]基于卷积神经网络的图像分类研究[J]. 庞丝丝,黄呈铖. 现代计算机. 2019(23)
[3]MOOC同伴作业互评中反思意识与学习成效的关系研究[J]. 汪琼,欧阳嘉煜,范逸洲. 电化教育研究. 2019(06)
[4]基于Keras的LSTM模型在空气质量指数预测的应用[J]. 郑洋洋,白艳萍,侯宇超. 数学的实践与认识. 2019(07)
[5]改进朴素贝叶斯算法在文本分类中的应用[J]. 黄勇,罗文辉,张瑞舒. 科技创新与应用. 2019(05)
[6]评价量规设计对慕课同伴互评有效性的影响研究[J]. 范逸洲,冯菲,刘玉,汪琼. 电化教育研究. 2018(11)
[7]基于LSTM-Attention的中文新闻文本分类[J]. 蓝雯飞,徐蔚,汪敦志,潘鹏程. 中南民族大学学报(自然科学版). 2018(03)
[8]基于k最近邻和改进TF-IDF的文本分类框架[J]. 龚静,黄欣阳. 计算机工程与设计. 2018(05)
[9]面向情感聚类的文本相似度计算方法研究[J]. 李欣,李旸,王素格. 中文信息学报. 2018(05)
[10]深度学习中汉语字向量和词向量结合方式探究[J]. 李伟康,李炜,吴云芳. 中文信息学报. 2017(06)
本文编号：3533634
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3533634.html
