集中趋势自适应增强的英语作文评分算法

doi:10.3778/j.issn.1002-8331.1611-0502

计算机工程与应用 ›› 2018, Vol. 54 ›› Issue (9): 151-155.DOI: 10.3778/j.issn.1002-8331.1611-0502

集中趋势自适应增强的英语作文评分算法

李婷，张景祥

济南大学信息科学与工程学院，济南 250022

出版日期:2018-05-01 发布日期:2018-05-15

Adaptive boosting with central tendency algorithm for English essay scoring

LI Ting, ZHANG Jingxiang

School of Information Science and Engineering, University of Jinan, Jinan 250022, China

Online:2018-05-01 Published:2018-05-15

摘要/Abstract

摘要： 为更好地对英语作文进行智能评分，提出了一种改进算法Adaboost/CT。算法以机器筛选得到的主成分作为弱分类器集，通过集中趋势的方法改进了自适应增强技术。这样既避免了过拟合问题，也解决了弱分类器叠加错误陷阱。实验表明该算法能有效地应用于英语作文智能评分系统，且与人工评分相比，其邻接准确率为94%，误差均小于20%且不存在奇异值性误差。该算法在智能评分和机器学习方面具有理论和实用价值。

关键词: 智能作文评分, Adaboost/CT, 指标体系, 分层分析

Abstract: An improved algorithm of Adaboost/CT is proposed to find a better way in intelligent English essay assessment. It uses machine learning to select principal components as the set of weak classifiers and reinforces the adaptive boosting technology through an approach of central tendency. It can therefore avoid the over-fitting problem and solve the overlapping error trap of weak classifiers. The experiment exhibits that it can be effectively used in intelligent English essay assessing systems, with an overall 94% adjacent accuracy and all error rates less than 20% without singularity error in comparison to human scoring samples. The algorithm has a theoretical and practical value to intelligent scoring and machine learning.

Key words: intelligent essay evaluation, Adaboost/CT, indexes systems, hierarchical analysis

李婷，张景祥. 集中趋势自适应增强的英语作文评分算法[J]. 计算机工程与应用, 2018, 54(9): 151-155.

LI Ting, ZHANG Jingxiang. Adaptive boosting with central tendency algorithm for English essay scoring[J]. Computer Engineering and Applications, 2018, 54(9): 151-155.

[1]	冯戒虚，司冠南，周风余. 服务机器人云平台服务质量指标体系综述[J]. 计算机工程与应用, 2021, 57(3): 58-71.
[2]	章宜玉，杨清. 基于模糊层次算法的移动互联网安全态势评估研究[J]. 计算机工程与应用, 2016, 52(24): 107-111.
[3]	王新新，梁意文. 树突状细胞算法在Web服务器异常检测中的应用[J]. 计算机工程与应用, 2016, 52(24): 148-152.
[4]	雷勋平. 我国汽车制造业供应链风险评价实证研究——基于熵权可拓决策模型的分析[J]. 计算机工程与应用, 2015, 51(12): 264-270.
[5]	曾明华1，2，王吟松1，杨晓光1. 供应商协同能力评价指标体系研究[J]. 计算机工程与应用, 2014, 50(4): 18-23.
[6]	何永明. 基于KNN-SVM的网络安全态势评估模型[J]. 计算机工程与应用, 2013, 49(9): 81-84.
[7]	谢道文1，2，施式亮1，3. 基于云模型的煤炭企业物资供应商综合评价[J]. 计算机工程与应用, 2013, 49(6): 229-233.
[8]	朱斌1，2，金炜东1，余志斌1. 复杂体制雷达辐射源信号特征的FAHP评价[J]. 计算机工程与应用, 2012, 48(20): 18-22.
[9]	刘刚国，罗省贤. 基于指标体系的网格调度算法研究与实现[J]. 计算机工程与应用, 2012, 48(15): 97-101.
[10]	曹琦^1，2，何中市²，余磊². 计算机仿真系统评估方案研究[J]. 计算机工程与应用, 2011, 47(2): 246-248.
[11]	葛方振，彭太乐，郭桂芳. 灰色聚类法在软件项目风险评价中的应用[J]. 计算机工程与应用, 2009, 45(20): 78-80.
[12]	李晓利,杨育,杨洁,王伟立,曾强,宋李俊. 知识共享效率的R-RNN评价模型研究及应用[J]. 计算机工程与应用, 2009, 45(10): 226-230.
[13]	费军¹,王文学²,余丽华³. 面向用户的政府网站模糊综合评估[J]. 计算机工程与应用, 2008, 44(27): 104-105.
[14]	任明伦,王军. 基于改进DEA的第三方物流企业的选择研究[J]. 计算机工程与应用, 2007, 43(33): 217-220.
[15]	周荣刚. IT产品用户体验质量的模糊综合评价研究[J]. 计算机工程与应用, 2007, 43(31): 102-105.

集中趋势自适应增强的英语作文评分算法

Adaptive boosting with central tendency algorithm for English essay scoring

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics