| 摘要 | 第4-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-21页 |
| 1.1 课题的背景及意义 | 第9-11页 |
| 1.1.1 课题的背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 研究现状及分析 | 第11-20页 |
| 1.2.1 作文自动评分任务简介 | 第11-13页 |
| 1.2.2 作文评分的相关概念 | 第13-14页 |
| 1.2.3 国内外相关的研究与分析 | 第14-17页 |
| 1.2.4 作文评分的数据资源 | 第17-19页 |
| 1.2.5 作文自动评分的评测方法 | 第19-20页 |
| 1.3 本文主要的研究内容及章节安排 | 第20-21页 |
| 第2章 基于启发式的浅层语言特征提取的作文评分 | 第21-29页 |
| 2.1 引言 | 第21页 |
| 2.2 数据集分析 | 第21-24页 |
| 2.2.1 作文人工评分细则 | 第21-22页 |
| 2.2.2 作文分数的分析 | 第22-24页 |
| 2.3 作文的启发式浅层语言特征自动提取方法 | 第24-26页 |
| 2.3.1 作文的长度特征 | 第25-26页 |
| 2.3.2 作文的词汇丰富度特征 | 第26页 |
| 2.3.3 作文的段落特征 | 第26页 |
| 2.4 基于支持向量回归模型的作文自动评分 | 第26-27页 |
| 2.4.1 支持向量回归模型的简介 | 第26-27页 |
| 2.4.2 利用启发式的浅层语言特征的支持向量回归模型 | 第27页 |
| 2.5 实验结果与分析 | 第27-28页 |
| 2.5.1 实验的评价方法 | 第27页 |
| 2.5.2 实验的结果与分析 | 第27-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第3章 基于启发式的深层语言特征提取的作文评分 | 第29-37页 |
| 3.1 引言 | 第29页 |
| 3.2 作文的启发式深层语言特征自动提取方法 | 第29-34页 |
| 3.2.1 作文的篇章结构特征 | 第29-31页 |
| 3.2.2 作文的情感变化特征 | 第31-32页 |
| 3.2.3 作文的引用特征 | 第32-34页 |
| 3.3 基于支持向量回归模型的作文自动评分 | 第34页 |
| 3.3.1 利用启发式的深层语言特征的支持向量回归模型 | 第34页 |
| 3.4 实验结果与分析 | 第34-36页 |
| 3.4.1 实验的评价方法 | 第34-35页 |
| 3.4.2 实验的结果与分析 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第4章 基于篇章向量表示的作文自动评分模型 | 第37-47页 |
| 4.1 引言 | 第37-38页 |
| 4.2 深度学习方法与选取 | 第38-41页 |
| 4.2.1 相关的深度学习方法 | 第38-40页 |
| 4.2.2 任务的分析与方法的选取 | 第40-41页 |
| 4.3 基于篇章向量的作文评分 | 第41-46页 |
| 4.3.1 篇章的向量表示 | 第41-43页 |
| 4.3.2 实验的设计 | 第43-44页 |
| 4.3.3 实验的结果及分析 | 第44-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第5章 基于回归分析的作文评分系统设计与实现 | 第47-58页 |
| 5.1 引言 | 第47页 |
| 5.2 已有的评分系统概述 | 第47-49页 |
| 5.2.1 E-rater英文作文评分系统 | 第47-48页 |
| 5.2.2 IntelliMatric英文作文评分系统 | 第48-49页 |
| 5.3 系统底层数据库设计 | 第49-53页 |
| 5.4 系统设计 | 第53-56页 |
| 5.5 系统应用 | 第56-57页 |
| 5.6 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 攻读学位期间发表的学术论文 | 第64-66页 |
| 致谢 | 第66页 |
