面向英语教学的作文主题偏离自动检测算法

吉林大学学报(信息科学版) ›› 2022, Vol. 40 ›› Issue (6): 1033-1038.

面向英语教学的作文主题偏离自动检测算法

叶佩

西安思源学院旅游与融媒学院, 西安 710038

收稿日期:2021-12-21 出版日期:2022-12-09 发布日期:2022-12-10
作者简介:叶佩(1978— ), 女, 西安人, 西安思源学院讲师, 主要从事英语研究,( Tel) 86-18066617581 ( E-mail) jhbsdf874 @163. com。
基金资助:
西安思源学院校级科研基金资助项目(SYHX-2017005)

Automatic Detection Algorithm of Composition Subject Deviation Oriented to College English Teaching

YE Pei

College of Tourism and Media, Xi'an Siyuan University, Xi'an 710038, China

Received:2021-12-21 Online:2022-12-09 Published:2022-12-10

摘要/Abstract

摘要： 针对当前已有算法未能计算语义相似度, 导致检测结果不理想的问题, 提出一种面向大学英语教学的作文主题偏离自动检测算法。在大学英语教学环境下, 以分布式和结构化两种语义空间为基础, 组建语义表示模型, 在英语单词以及短语中, 得到语义相似度。通过 LDA(Latent Dirichlet Allocation)模型对全部文档进训练, 同时对文档中各个主体和特征词进行概率加权求和, 根据设定的合理阈值检测出偏离主体的作文。仿真实验结果表明, 所提算法能获取高精度的作文主题偏离自动检测结果。

关键词: 大学英语教学, , 作文主题, , 偏离, , 自动检测

Abstract: Because the existing algorithms fail to calculate the semantic similarity, the detection results are not ideal, and an automatic detection algorithm for the deviation of the composition subject for college English teaching is proposed. In the college English teaching environment, combining distributed semantic space and structured semantic space, a semantic representation model is constructed to obtain the semantic similarity between English words and phrases. Through the LDA(Latent Dirichlet Allocation) model, all documents are trained, and the probabilistic weighted summation of each subject and feature words in the document is carried out, and the composition of the subject deviation is detected according to the set reasonable threshold. The results of simulation experiments show that the proposed algorithm can obtain high-precision automatic detection results of composition subject deviation.

Key words: college english teaching, , composition theme, , deviation, , automatic detection

中图分类号:

TP391. 1

叶佩. 面向英语教学的作文主题偏离自动检测算法[J]. 吉林大学学报(信息科学版), 2022, 40(6): 1033-1038.

YE Pei. Automatic Detection Algorithm of Composition Subject Deviation Oriented to College English Teaching[J]. Journal of Jilin University (Information Science Edition), 2022, 40(6): 1033-1038.

[1]	王琦, 杜海龙, 高威, 刁庶. 基于贝叶斯的核磁共振T₂谱成像方法[J]. 吉林大学学报(信息科学版), 2022, 40(6): 893-897.
[2]	叶文海, 林红波. 基于低维流形学习的地震数据重构[J]. 吉林大学学报(信息科学版), 2022, 40(6): 898-907.
[3]	侯男, 张超, 路敬祎, 宋南南. 基于 VMD-熵方法的管道信号特征提取方法[J]. 吉林大学学报(信息科学版), 2022, 40(6): 908-917.
[4]	洪宇 , 高骞 , 杨俊义 , 梁永青. 基于DE-ELM算法的配电网电力系统负荷预测研究[J]. 吉林大学学报(信息科学版), 2022, 40(6): 918-923.
[5]	付强 , 陈晓玲 , 李沫 , 李剑锋. 基于深度整合的科技资源系统的设计与实现[J]. 吉林大学学报(信息科学版), 2022, 40(6): 924-929.
[6]	刘志镔, 李有鹏, 潘兹勇, 黄鹏天, 才它尼玛. 基于拓扑解耦的配网运检故障定位算法[J]. 吉林大学学报(信息科学版), 2022, 40(6): 930-936.
[7]	李振江, 万利, 吴涛, 陶楚青. 隧道侧壁效应下的交通流粘滞特性建模[J]. 吉林大学学报(信息科学版), 2022, 40(6): 937-945.
[8]	辛钢 , 宋少忠 , 张慧 , 安毅. 基于改进遗传算法的路径规划问题应用[J]. 吉林大学学报(信息科学版), 2022, 40(6): 946-953.
[9]	高金兰, 宋爽, 王良禹, 刁楠, 侯学才. 基于改进磷虾群算法的主动配电网无功优化[J]. 吉林大学学报(信息科学版), 2022, 40(6): 954-962.
[10]	刘远红 , 王庆龙 , 张文华 , 张彦生 , 李鑫. 基于改进生成对抗网络的抽油机故障诊断方法[J]. 吉林大学学报(信息科学版), 2022, 40(6): 963-969.
[11]	杨莉, 鹿卓慧, 任伟建, 刘添翼. 基于模糊神经网络的钻速预测方法[J]. 吉林大学学报(信息科学版), 2022, 40(6): 970-978.
[12]	李艳辉 , 张金伟. 中立系统的H_∞故障检测方法研究及应用[J]. 吉林大学学报(信息科学版), 2022, 40(6): 979-983.
[13]	陈光勇, 万利, 周逸凯. 高速公路隧道照明智能控制[J]. 吉林大学学报(信息科学版), 2022, 40(6): 984-993.
[14]	孙美君 , 郭红桐 , 王征 , 刘洋 , 张及鹏 , 张景科 , 李黎. 基于并行自注意力的石窟寺岩体裂隙发育研究[J]. 吉林大学学报(信息科学版), 2022, 40(6): 994-1002.
[15]	杨秀华, 梅圣民, 李玲, 张海蓉. 云存储数据完整性验证[J]. 吉林大学学报(信息科学版), 2022, 40(6): 1003-1008.