《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》
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。
图表编号 | XD00161773400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.01 |
作者 | 吕欣、程雨夏 |
绘制单位 | 杭州电子科技大学外国语学院、杭州电子科技大学计算机学院 |
更多格式 | 高清、无水印(增值服务) |