基於貝氏機器學習法之中文自動作文評分系統 - 國家圖書館

研究生: 林信宏. 論文名稱: 基於貝氏機器學習法之中文自動作文評分系統. 論文名稱(外文):, A Bayesian Based Chinese Essay Scoring System. 資料載入處理中... 跳到主要內容 臺灣博碩士論文加值系統 ::: 網站導覽| 首頁| 關於本站| 聯絡我們| 國圖首頁| 常見問題| 操作說明 English |FB專頁 |Mobile 免費會員 登入| 註冊 功能切換導覽列 (206.189.149.24)您好！臺灣時間：2022/10/0414:41 字體大小：       ::: 詳目顯示 recordfocus 第1筆/ 共1筆  /1頁 論文基本資料 摘要 外文摘要 目次 參考文獻 電子全文 紙本論文 QRCode 本論文永久網址: 複製永久網址Twitter研究生:林信宏論文名稱:基於貝氏機器學習法之中文自動作文評分系統論文名稱(外文):ABayesianBasedChineseEssayScoringSystem指導教授:李嘉晃指導教授(外文):Chia-HoangLi學位類別:碩士校院名稱:國立交通大學系所名稱:資訊科學與工程研究所學門:工程學門學類:電資工程學類論文種類:學術論文論文出版年:2006畢業學年度:94語文別:中文論文頁數:29中文關鍵詞:貝氏、中文自動作文評分系統外文關鍵詞:AES、CAES、BayesianBaesd相關次數: 被引用:10點閱:661評分:下載:96書目收藏:6 在本論文中，我們探討文章直接與間接特徵對於寫作評分之間的關係，並以此作為基礎，建立一套以貝氏機器學習法為主的中文作文自動評閱系統。

在本研究中我們認為，文章的間接特徵(外在特徵)雖然無法提供足夠的語義資訊，卻往往深切的影響評分老師對於文章好壞評斷的第一印象；如文章字數、分段數、標點符號的正確使用與否等其他多項外在因素，皆為評分老師在尚未深入細讀文章內容時用以作為評分標準的圭臬。

但一篇文章的好壞，不僅僅只是以外觀的特徵來決定，且須更進一步探討文章的各段內容。

據此想法，本系統對於文章的評分流程共分為三個階段：1.HolisticScoring-整體評鑑2.ParagraphicScoring-分段評鑑3.Integration-評鑑整合。

而根據實驗結果，本系統評閱的正確率可達95%~97%，是作為閱卷老師評分時的良好工具之一。

ThispaperproposesanefficientmethodbasedonBayesianTheoremtoscoreChineseessayaccordingtothedirectandindirectfeaturesofanessay.Itincludeswords,nouns,themes,oralwriting,averagenumberofwordsofasectionandconceptsofanessay.Inthisstudy,wedeterminedtheholisticandparagraphicscoreofatestingdatafirstly.Subsequentlycalculatethegradeofthetestingdatabyintegratingtherelationofholisticandparagraphicscore.ExperimentalresultsshowthatourapproachcomparesfavorablywithsomeotherAutomaticChineseEssayScoring(ACES)systems. 第一章、緒論..........................................................................................................-1-1.1研究動機..................................................................................................-1-1.2研究假設..................................................................................................-2-1.3研究目的與構想......................................................................................-2-1.4論文架構..................................................................................................-2-第二章、相關研究與構想......................................................................................-3-2.1e-rater....................................................................................................-3-2.2BayesianTheorem..................................................................................-4-2.3中文斷詞處理..........................................................................................-5-第三章、特徵擷取..................................................................................................-6-3.1直接特徵的擷取......................................................................................-6-3.1.1概念數..........................................................................................-6-3.1.2口語化程度..................................................................................-7-3.2間接特徵的擷取....................................................................................-10-3.2.1文章字數....................................................................................-10-3.2.2主題數........................................................................................-11-3.2.3名詞數量....................................................................................-11-3.2.4平均段落字數............................................................................-12-3.3直接特徵與間接特徵的特性................................................................-15-第四章、中文評分的系統設計............................................................................-16-4.1系統架構................................................................................................-16-4.2LearningAgent–學習機制................................................................-17-4.2.1篩選門檻值................................................................................-17-4.2.2屬性機率值的計算....................................................................-18-4.3HolisticScoring–整體評鑑............................................................-19-4.3.1貝氏機器學習法(6項特徵).....................................................-20-4.3.2規則............................................................................................-21-4.4ParagraphicScoring–分段評鑑......................................................-23-4.4.1Partition..................................................................................-23-4.4.2貝氏機器學習法(4項特徵).....................................................-23-4.5Integration–評鑑整合......................................................................-24-第五章、實驗過程與結果討論............................................................................-25-5.1實驗資料................................................................................................-25-5.2實驗流程................................................................................................-25-5.3實驗結果與討論....................................................................................-26-第六章、結論與展望............................................................................................-28- [1]L.M.Rudner&L.Liang,AutomatedessayscoringusingBayes'theorem,NationalCouncilonMeasurementinEducation,NewOrleans,LA.(2002)[2]JillBurstein,KarenKukich,SusanneWolf,ChiLu,MartinChodorow,LisaBraden-Harder,MaryDeeHarris,Automatedscoringusingahybridfeatureidentificationtechnique,Proceedingsofthe17thinternationalconferenceonComputationallinguistics(1998)[3]JillBurstein.TheE-raterScoringEngine:AutomatedEssayScoringWithNaturalLanguageProcessing.AutomatedEssayScoring:ACross-DisciplinaryPerspective(2003).pp.113-121[4]TsunenoriISHIOKA,MasayukiKAMEDA,AutomatedJapaneseEssayScoringSystem:Jess.(2003)[5]中央研究院資訊科學研究所詞庫小組中文斷詞系統URL：http://ckipsvr.iis.sinica.edu.tw/[6]張佑銘,中文自動作文修辭評分系統設計(2005)[7]蔡沛言,自動建構中文作文評分系統：產生、篩選與評估(2005)  電子全文  國圖紙本論文 推文 網路書籤 推薦 評分 引用網址 轉寄                                                                                                                                                                                                                    top 相關論文 相關期刊 熱門點閱論文 1. 基於語言模型及正反面語料知識庫之中文錯別字自動偵錯系統 2. 篇章結構理論融入國小主題作文之教學研究 3. 使用模糊理論於中文寫作自動評分之新方法 4. 利用雜訊通道模型與自動產生偵錯模板改良學生中文作文別字偵測與改正 5. 非監督式中文寫作自動評閱系統 6. 中文寫作多面向評分系統 7. 華語作文分級系統 8. 自動化中文作文評分與評語回饋系統 9. 中文主題詞辨識與其應用   1. 36. 劉兆明(1996)，組織中的情感報：初步的觀點分析，應用心理學報，5期，1-34。

2. 33. 楊國樞(1981)，中國人的性格與行為：形成與蛻變，中華心理學刊，23卷，1期，39-55。

3. 26. 曾仕強(1995)，管理是藝術絕非謀略權術，統領雜誌，104-106 4. 23. 黃敏萍(2003)，台灣之組織領導研究：從客位到主位之研究途徑，應用心理研究第二十期，五南圖書出版股份有限公司。

5. 19. 戚樹誠、林行宜(1994)，企業高階主管親信關係之研究，管理科學學報，11（2），218-312。

6. 18. 戚樹誠(1996b)，企業親信角色之實證研究，中山管理評論，4（1），1-15。

7. 17. 戚樹誠(1996a)，企業組織親信角色之實證研究，管理評論，15（1），37-59。

  1. 以機器學習與文字探勘技術解整合文件分類問題 2. 利用機器學習作法之中文意見分析 3. 整合機器學習方法於決策樹為基智慧型排程系統之研究 4. 基於支援向量機之中文自動作文評分系統 5. 利用整合式的機器學習方式提高垃圾網站偵測率 6. 利用機器學習修正QPESUMS雷達估計降雨 7. 輔助教師以機器學習分析及評量學生鋼琴演奏技巧之研究 8. 利用機器學習摘要概念為基礎之文件摘要自動建立方法 9. 應用單純貝氏機器學習方法調查在工作分析中預測字和子任務類別之間的關係 10. 建置以機器學習理論為基礎之中英文電子郵件分類器 11. 監督式與非監督式機器學習技術應用於商品評論的文件探勘之研究 12. 以機器學習混種式卜氏面向模型法來進行個人化商品推薦 13. 以機器學習法分析線上簽名之動態特徵對於身分辨識影響之研究 14. 人類決策與貝葉斯預測工具的比較-從分析機器學習應用中錯誤分類的實例到工作分析 15. 以文字探勘及機器學習為基礎之電子郵件分類方法設計     簡易查詢 | 進階查詢 | 熱門排行 | 我的研究室