《表3 各类作文评分方法的评分效果》

  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

《基于语义相似度与XGBoost算法的英语作文智能评价框架研究》

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

根据图1的技术路线，将900份作文平均分成5份（即每份180篇），随机取其中4份（即80%）作为训练样本，剩余1份作为测试样本。采用5轮交叉验证的方式循环训练和测试5次，每次得到一份评价指标，将5次指标的平均值作为评分结果。本文方法的打分效果与以往几类评分方法效果的比较见表3，其中，本文方法的输入特征包括四部分：word2vec，paragraph2vec，pos2vec和LDA，分别取50维、100维、20维、100维，则第i篇作文的综合特征向量为viall=[vw2v，vp2v，vpos2v，vLDA]，即1×270维的向量。从表3中可以看出，相比其他方法，本文方法评分结果具有最小的均方误差和最大的皮尔逊相关系数，说明本文方法与教师评分结果的误差最小，且相关性最高。