典型文献
基于孪生神经网络的行文一致性测评研究
文献摘要：
针对目前的篇章级行文一致性度量模型只考虑了待测作文的全文行文一致性,无法捕捉文本语义块的隐含语义特征及其之间的一致性问题,提出了一种通用的作文行文一致性测评模型.该模型借鉴孪生神经网络的思想,创新性地同时提取作文中核心人物的性格、形象特征以及故事情节特征并进行相似度度量,从而获取文本的中心思想以及行文一致性的匹配分数;使用无监督主题模型Biterm-LDA(Latent Dirichlet Allocation)对作文进行主题特征提取,解决了对手工标注的依赖.实验结果表明提出的模型评分与人工标注结果多数一致,且优于普通神经网络模型.
文献关键词：
作文测评;作文自动评分;行文一致性;孪生神经网络
中图分类号：
作者姓名：
刘杰;张文轩;李亚光;张逸超;周建设
作者机构：
首都师范大学 信息工程学院,北京 100048;北方工业大学 信息工程学院,北京 100144;首都师范大学 中国语言智能研究中心,北京 100048
文献出处：
引用格式：
[1]刘杰;张文轩;李亚光;张逸超;周建设-.基于孪生神经网络的行文一致性测评研究)[J].北京理工大学学报,2022(06):649-657
A类：
行文一致性,Biterm,作文测评
B类：
孪生神经网络,测评研究,一致性度量,度量模型,文本语义,语义块,语义特征,一致性问题,测评模型,同时提取,核心人物,形象特征,故事情节,相似度度量,中心思想,配分,无监督,主题模型,LDA,Latent,Dirichlet,Allocation,主题特征,通神,作文自动评分
AB值：
0.364099
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
