基于文本挖掘的主觀題評閱輔助系統的研究.pdf

1、計算機評閱客觀題已基本實現，對于主觀題，由于它的答題特點和復雜性，目前還沒有一種考試系統能很好地完成其自動評閱。隨著數據挖掘、模式識別、人工智能及自然語言理解等方面的不斷發(fā)展，利用計算機評閱主觀題將逐漸成為事實。
　　 在教師評閱主觀題時，一般要檢查學生答案中的得分點，即關鍵字，關鍵字越多，分數越高；其次要看關鍵字和標準答案的相似度，相似度越高，則分數越高。本文主要通過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神經網絡法，并對各種算法進行分析；其次建立了基于某一學科且能動態(tài)調節(jié)的專業(yè)詞庫，并提出了將正向最大匹配法與專業(yè)詞庫相結合對文本進行分詞的方法，解決了分詞技術中歧義切分及未登錄詞問題；另外又提出了匹配替換法，對分詞結果進行優(yōu)化，解決了分詞結果中詞單位小、數量多的不足，并使關鍵字

3、的集合更加接近于學生答案；再就是通過計算關鍵字的文檔頻率，對關鍵字進行特征選擇，選取給定數目的關鍵字，通過向量空間模型將一個文本表示為向量空間中的一個特征向量；最后利用kNN和BP神經網絡法將預處理得到的學生答案分類，分別對主觀題文本進行測試，并對這兩種分類算法的準確性及有效性進行分析。選取一種準確性較好的分類算法建立主觀題評閱輔助系統。
　　 本文立足于中文自動分詞和主觀題文本分類兩方面的問題，用Matlab進行仿真實驗，并通