基于局部密度的无监督作文跑题检测方法

摘要：

针对现有的无监督作文跑题检测方法中使用作文内容向量表示作文存在非主题词噪音所导致的相似度不准确问题,本文提出一种基于作文主题词抽取和局部密度阈值选择的无监督作文跑题检测方法.首先使用LDA主题生成模型挖掘待测作文的主题词,并使用分布式表示向量寻找与题目词项语义相似的词作为对作文题目的主题词扩展,在此基础上使用本文提出的切题度计算方法计算待测作文的切题度,并使用所提出的基于作文集切题度局部密度的阈值抽取方法动态选取切题阈值,进而实现一种无需训练集和主题无关的无监督作文跑题检测方法.在以英语为母语的学习者和以汉语为母语的学习者所写的8个作文集共9381篇作文上的实验结果表明,本文提出的作文跑题检测方法能有效识别跑题作文.

关键词： 作文跑题检测 主题词抽取 切题度 阈值选取

作者: 李霞 温启帆

作者单位: 广东外语外贸大学 语言工程与计算实验室,广东 广州510006;广东外语外贸大学 信息科学与技术学院,广东 广州510006 广东外语外贸大学 信息科学与技术学院,广东 广州510006

会议类型: 国内会议

会议名称: 第十六届全国计算语言学学术会议暨第五届基于自然标注大数据的自然语言处理国际学术研讨会

会议地点: 南京

会议语种:中文

页码: 1-7

在线出版日期: 2017-10-13（万方平台首次上网日期，不代表论文的发表时间）