基于深度學(xué)習(xí)的動(dòng)詞檢錯(cuò)算法的研究及其設(shè)計(jì).pdf

1、英文作文自動(dòng)批閱，是近年來(lái)快速發(fā)展的一個(gè)領(lǐng)域。它逐漸替代了教師人工批閱，成為緩解英語(yǔ)教師教學(xué)負(fù)擔(dān)的重要工具。同時(shí)，通過(guò)文獻(xiàn)調(diào)研可知，動(dòng)詞的一致性錯(cuò)誤和動(dòng)詞時(shí)態(tài)錯(cuò)誤是英文作文中出錯(cuò)率最高的兩類(lèi)語(yǔ)法錯(cuò)誤。所以，對(duì)于動(dòng)詞錯(cuò)誤的檢測(cè)結(jié)果能反映一個(gè)自動(dòng)批閱系統(tǒng)的實(shí)用性和有效性。現(xiàn)階段，主流的自動(dòng)批閱系統(tǒng)有冰果、句酷等。在經(jīng)過(guò)調(diào)研后，這些系統(tǒng)對(duì)于動(dòng)詞的一致性錯(cuò)誤和動(dòng)詞時(shí)態(tài)錯(cuò)誤的檢測(cè)結(jié)果不滿足學(xué)習(xí)者的要求。本文針對(duì)這個(gè)情況，研究出一種基于深度學(xué)習(xí)的動(dòng)

2、詞語(yǔ)法檢錯(cuò)算法。
　　通過(guò)研究和分析發(fā)現(xiàn)，動(dòng)詞一致性錯(cuò)誤和動(dòng)詞時(shí)態(tài)錯(cuò)誤的出現(xiàn)與上下文中出現(xiàn)的單詞和短語(yǔ)相關(guān)性較大，而深度學(xué)習(xí)模型LSTM(Long Short-Term Memory)能夠在訓(xùn)練時(shí)有效的保留上下文中有效的信息，所以本文決定采用LSTM作為訓(xùn)練模型對(duì)于已標(biāo)注的訓(xùn)練語(yǔ)料進(jìn)行建模。同時(shí)，如何將英文作文中的文字信息轉(zhuǎn)換為數(shù)值以供后續(xù)計(jì)算，也是自動(dòng)批閱中重要的一步，主流工具中大多使用詞袋模型，即按照每個(gè)單詞在詞典中的順序，對(duì)

3、每個(gè)單詞進(jìn)行編碼。這種編碼方式雖然簡(jiǎn)單易用，但是既會(huì)導(dǎo)致向量丟失文字的順序信息，也容易出現(xiàn)維度災(zāi)難。所以本文采用詞嵌入模型對(duì)于文字進(jìn)行編碼，將文本信息按照順序映射到一個(gè)低維度的向量空間，這樣既不丟失文字的位置信息，也避免了維度災(zāi)難。之后，本文收集了一定的語(yǔ)料樣本，將本文算法與句酷和冰果進(jìn)行對(duì)比驗(yàn)證，驗(yàn)證結(jié)果表明本文算法在動(dòng)詞檢錯(cuò)上的優(yōu)越性。
　　本文針對(duì)主流的自動(dòng)批閱系統(tǒng)在動(dòng)詞語(yǔ)法檢錯(cuò)上的效果較差的情況，提出了基于深度學(xué)習(xí)的動(dòng)詞語(yǔ)