基于文本挖掘的主觀題評(píng)閱輔助系統(tǒng)的研究.pdf

1、計(jì)算機(jī)評(píng)閱客觀題已基本實(shí)現(xiàn)，對(duì)于主觀題，由于它的答題特點(diǎn)和復(fù)雜性，目前還沒(méi)有一種考試系統(tǒng)能很好地完成其自動(dòng)評(píng)閱。隨著數(shù)據(jù)挖掘、模式識(shí)別、人工智能及自然語(yǔ)言理解等方面的不斷發(fā)展，利用計(jì)算機(jī)評(píng)閱主觀題將逐漸成為事實(shí)。
　　 在教師評(píng)閱主觀題時(shí)，一般要檢查學(xué)生答案中的得分點(diǎn)，即關(guān)鍵字，關(guān)鍵字越多，分?jǐn)?shù)越高；其次要看關(guān)鍵字和標(biāo)準(zhǔn)答案的相似度，相似度越高，則分?jǐn)?shù)越高。本文主要通過(guò)文本挖掘中的文本分類算法將主觀題答案分到某一分值的類別中，主

2、觀題的最后得分也就是所屬類別的分值。
　　 文章首先研究了主觀題文本的預(yù)處理，如分詞算法、向量空間模型、特征選擇等基本理論及兩種文本分類算法：最近鄰法及BP神經(jīng)網(wǎng)絡(luò)法，并對(duì)各種算法進(jìn)行分析；其次建立了基于某一學(xué)科且能動(dòng)態(tài)調(diào)節(jié)的專業(yè)詞庫(kù)，并提出了將正向最大匹配法與專業(yè)詞庫(kù)相結(jié)合對(duì)文本進(jìn)行分詞的方法，解決了分詞技術(shù)中歧義切分及未登錄詞問(wèn)題；另外又提出了匹配替換法，對(duì)分詞結(jié)果進(jìn)行優(yōu)化，解決了分詞結(jié)果中詞單位小、數(shù)量多的不足，并使關(guān)鍵字

3、的集合更加接近于學(xué)生答案；再就是通過(guò)計(jì)算關(guān)鍵字的文檔頻率，對(duì)關(guān)鍵字進(jìn)行特征選擇，選取給定數(shù)目的關(guān)鍵字，通過(guò)向量空間模型將一個(gè)文本表示為向量空間中的一個(gè)特征向量；最后利用kNN和BP神經(jīng)網(wǎng)絡(luò)法將預(yù)處理得到的學(xué)生答案分類，分別對(duì)主觀題文本進(jìn)行測(cè)試，并對(duì)這兩種分類算法的準(zhǔn)確性及有效性進(jìn)行分析。選取一種準(zhǔn)確性較好的分類算法建立主觀題評(píng)閱輔助系統(tǒng)。
　　 本文立足于中文自動(dòng)分詞和主觀題文本分類兩方面的問(wèn)題，用Matlab進(jìn)行仿真實(shí)驗(yàn)，并通