首页|基于TextRank和字符级卷积神经网络的小学作文素材自动分类模型研究

基于TextRank和字符级卷积神经网络的小学作文素材自动分类模型研究

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
随着教育技术与信息技术的融合,实现面向小学生的语文写作自动辅助成为可能.快速自动地进行范文素材的分类入库是实现写作自动辅助的关键.作文素材语义信息丰富、种类较多,若采用现有方法进行自动分类入库操作往往难以取得好的效果.因此,在分析小学作文的类别特征并构建了一个数据集的基础上,提出基于TextRank和字符级卷积神经网络的小学作文自动分类模型.运用基于TextRank的关键句提取模型为范文素材,去除部分冗余的语义信息.应用word embedding对数据集进行文本表示,并将其作为卷积神经网络的输入.通过不断地迭代训练和测试,最终实现了该模型.实验表明了该方法对于作文分类任务能显著地提高分类的性能.
AUTOMATIC CLASSIFICATION MODEL OF COMPOSITION MATERIAL IN PRIMARY SCHOOL BASED ON TEXTRANK AND CHAR-LEVEL CNN

朱晓亮、石昀东

展开 >

华中师范大学国家数字化学习工程技术研究中心 湖北武汉430079

TextRank 卷积神经网络 作文素材库 文档分类

国家重点研发计划项目教育部人文社会科学研究规划基金中央高校基本科研业务费专项资金资助

2018YFB100450418YJAZH152CCNU18TS005

2019

计算机应用与软件
上海市计算技术研究所 上海计算机软件技术开发中心

计算机应用与软件

CSTPCD北大核心
影响因子：0.615
ISSN：1000-386X
年,卷(期)：2019.36(1)
  • 7
  • 9