基于深度學習的動詞檢錯算法的研究及其設計.pdf

1、英文作文自動批閱，是近年來快速發(fā)展的一個領域。它逐漸替代了教師人工批閱，成為緩解英語教師教學負擔的重要工具。同時，通過文獻調研可知，動詞的一致性錯誤和動詞時態(tài)錯誤是英文作文中出錯率最高的兩類語法錯誤。所以，對于動詞錯誤的檢測結果能反映一個自動批閱系統(tǒng)的實用性和有效性?，F(xiàn)階段，主流的自動批閱系統(tǒng)有冰果、句酷等。在經過調研后，這些系統(tǒng)對于動詞的一致性錯誤和動詞時態(tài)錯誤的檢測結果不滿足學習者的要求。本文針對這個情況，研究出一種基于深度學習的動

2、詞語法檢錯算法。
　　通過研究和分析發(fā)現(xiàn)，動詞一致性錯誤和動詞時態(tài)錯誤的出現(xiàn)與上下文中出現(xiàn)的單詞和短語相關性較大，而深度學習模型LSTM(Long Short-Term Memory)能夠在訓練時有效的保留上下文中有效的信息，所以本文決定采用LSTM作為訓練模型對于已標注的訓練語料進行建模。同時，如何將英文作文中的文字信息轉換為數(shù)值以供后續(xù)計算，也是自動批閱中重要的一步，主流工具中大多使用詞袋模型，即按照每個單詞在詞典中的順序，對

3、每個單詞進行編碼。這種編碼方式雖然簡單易用，但是既會導致向量丟失文字的順序信息，也容易出現(xiàn)維度災難。所以本文采用詞嵌入模型對于文字進行編碼，將文本信息按照順序映射到一個低維度的向量空間，這樣既不丟失文字的位置信息，也避免了維度災難。之后，本文收集了一定的語料樣本，將本文算法與句酷和冰果進行對比驗證，驗證結果表明本文算法在動詞檢錯上的優(yōu)越性。
　　本文針對主流的自動批閱系統(tǒng)在動詞語法檢錯上的效果較差的情況，提出了基于深度學習的動詞語