《表1 探究度话语体系编码分析的关键特征词》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《融合知识建构和机器学习的观点质量评价》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在机器学习视角下，观点质量评价被定义为在样本数据集上训练一种关系模型，用来预测专家对观点的评分。如图1所示，假设观点特征x输入和输出p之间符合一种回归模型的关系，训练的过程是模型的参数优化过程，也就是采用一种优化算法最小化预测值p和真实值y之间的误差，这一误差通过损失函数进行定义。因为文本特征的提取关乎机器学习性能的好坏，需要根据语境寻找重要特征，作为输入的样本特征。在知识建构学习情境之下，势必要选取体现知识建构意义的语义特征，才能提高观点质量评价预测的准确性。因此，本研究假设观点质量与可读性、相关度、内聚度、纵深度和探究度这五个维度的特征相关，并且每个维度的评价都以反映知识建构的内涵为核心。其中，探究度的评价不再是考量少量的词集，而是基于探究度话语体系编码，归纳出探究度的关键特征词（特征词集合记为E），如表1所示。