| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 本文研究思路及章节安排 | 第14-18页 |
| 1.3.1 研究思路和内容 | 第14-16页 |
| 1.3.2 论文组织结构 | 第16-18页 |
| 第二章 基于多层次语言学特征的作文质量分类 | 第18-31页 |
| 2.1 引言 | 第18页 |
| 2.2 相关理论 | 第18-23页 |
| 2.2.1 作文的浅层语言学特征 | 第18-19页 |
| 2.2.2 随机森林概述 | 第19页 |
| 2.2.3 支持向量机概述 | 第19-22页 |
| 2.2.4 文本分类评价指标 | 第22-23页 |
| 2.3 多层次语言学特征提取及实验方案设计 | 第23-28页 |
| 2.3.1 作文语料采集 | 第23-24页 |
| 2.3.2 数据预处理 | 第24页 |
| 2.3.3 语言学特征提取 | 第24-27页 |
| 2.3.4 划分方式与特征筛选 | 第27页 |
| 2.3.5 基于支持向量机的分类模型构建 | 第27-28页 |
| 2.4 实验结果及分析 | 第28-30页 |
| 2.4.1 特征筛选结果分析 | 第28-29页 |
| 2.4.2 分类结果对比分析 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 融合文本主题特征的作文质量分类 | 第31-40页 |
| 3.1 引言 | 第31页 |
| 3.2 LDA主题模型 | 第31-33页 |
| 3.2.1 LDA基本原理 | 第31-32页 |
| 3.2.2 Gibbs Sampling求解LDA | 第32-33页 |
| 3.3 主题特征提取及实验方案设计 | 第33-35页 |
| 3.3.1 数据预处理 | 第33页 |
| 3.3.2 提取作文主题向量 | 第33-34页 |
| 3.3.3 确定最佳主题数 | 第34页 |
| 3.3.4 构建分类模型 | 第34-35页 |
| 3.4 实验结果及分析 | 第35-38页 |
| 3.4.1 确定最佳主题数 | 第35-36页 |
| 3.4.2 对比不同特征下的分类效果 | 第36-38页 |
| 3.5 本章小结 | 第38-40页 |
| 第四章 融合句子质量特征的作文质量分类 | 第40-53页 |
| 4.1 引言 | 第40页 |
| 4.2 卷积神经网络 | 第40-41页 |
| 4.2.1 卷积运算 | 第40-41页 |
| 4.2.2 基本思想 | 第41页 |
| 4.2.3 池化 | 第41页 |
| 4.3 基于卷积神经网络的句子评分 | 第41-45页 |
| 4.3.1 句子评分标准 | 第42页 |
| 4.3.2 构建分类模型 | 第42-44页 |
| 4.3.3 模型分类结果 | 第44-45页 |
| 4.4 句子质量特征提取及实验方案设计 | 第45-51页 |
| 4.4.1 特征设计 | 第45-47页 |
| 4.4.2 特征筛选 | 第47-48页 |
| 4.4.3 分类结果 | 第48-51页 |
| 4.5 基于多维特征的作文分类模型 | 第51-52页 |
| 4.6 本章小结 | 第52-53页 |
| 第五章 小学语文作文自动评价原型系统设计与实现 | 第53-65页 |
| 5.1 引言 | 第53页 |
| 5.2 小学语文作文自动评价系统设计 | 第53-55页 |
| 5.2.1 系统整体设计 | 第53-54页 |
| 5.2.2 系统各功能简介 | 第54-55页 |
| 5.3 小学语文作文自动评价系统实现 | 第55-64页 |
| 5.3.1 系统整体技术架构 | 第55-56页 |
| 5.3.2 相关技术简介 | 第56-57页 |
| 5.3.3 系统功能展示 | 第57-64页 |
| 5.4 本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 研究总结 | 第65页 |
| 6.2 研究展望 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 攻读硕士期间发表的论文 | 第70-71页 |
| 致谢 | 第71页 |