| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 语言训练研究现状 | 第10-13页 |
| 1.2.2 人工智能在教育领域研究现状 | 第13-14页 |
| 1.3 本文工作 | 第14-17页 |
| 1.3.1 研究内容 | 第14-15页 |
| 1.3.2 研究方法 | 第15页 |
| 1.3.3 论文章节安排 | 第15-17页 |
| 第二章 相关概念及理论概述 | 第17-27页 |
| 2.1 人工智能相关概念 | 第17-24页 |
| 2.1.1 人工智能 | 第17-18页 |
| 2.1.2 机器学习 | 第18-21页 |
| 2.1.3 语音识别 | 第21-24页 |
| 2.2 语言训练相关概念 | 第24-26页 |
| 2.2.1 建构主义学习理论 | 第24-25页 |
| 2.2.2 教学评价形式 | 第25页 |
| 2.2.3 人工智能在教育中的应用 | 第25-26页 |
| 2.2.4 自动批改系统 | 第26页 |
| 2.3 总结 | 第26-27页 |
| 第三章 智能评分系统设计 | 第27-35页 |
| 3.1 需求分析 | 第27-28页 |
| 3.2 数据准备设计 | 第28-31页 |
| 3.2.1 数据处理 | 第28-30页 |
| 3.2.2 特征提取 | 第30-31页 |
| 3.3 智能评分系统设计 | 第31-35页 |
| 3.3.2 线性回归模型设计 | 第32页 |
| 3.3.3 深度神经网络模型设计 | 第32-34页 |
| 3.3.4 线性回归模型和深度神经网络模型融合设计 | 第34-35页 |
| 第四章 智能评分系统实现 | 第35-54页 |
| 4.1 数据集介绍 | 第35-37页 |
| 4.1.1 学习数据 | 第35-36页 |
| 4.1.2 考试数据 | 第36页 |
| 4.1.3 音频数据 | 第36-37页 |
| 4.2 数据处理 | 第37-43页 |
| 4.2.1 音频数据识别 | 第37-38页 |
| 4.2.2 自动批改 | 第38-40页 |
| 4.2.3 文本处理 | 第40-42页 |
| 4.2.4 数据清洗 | 第42-43页 |
| 4.3 特征提取 | 第43-47页 |
| 4.3.1 特征提取 | 第43-45页 |
| 4.3.2 特征选择 | 第45-46页 |
| 4.3.3 特征变换 | 第46-47页 |
| 4.4 智能评分系统实现 | 第47-50页 |
| 4.4.1 线性回归模型实现 | 第47-48页 |
| 4.4.2 深度神经网络模型实现 | 第48-49页 |
| 4.4.3 线性回归模型和深度神经网络模型融合实现 | 第49-50页 |
| 4.5 智能评分系统实验结果 | 第50-53页 |
| 4.5.1 模型评估 | 第50-52页 |
| 4.5.2 评分准确率评估 | 第52-53页 |
| 4.6 总结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 总结 | 第54-55页 |
| 5.1.1 工作内容 | 第54页 |
| 5.1.2 创新点 | 第54-55页 |
| 5.2 展望 | 第55-56页 |
| 5.2.1 存在问题 | 第55页 |
| 5.2.2 未来展望 | 第55-56页 |
| 感谢语 | 第56-57页 |
| 参考文献 | 第57-63页 |
| 攻读学位期间取得的研究成果 | 第63页 |