一种扩展的基于VSM的Web文本分类算法

随着Internet的飞速发展,Web文本分类研究已经得到人们密切关注,并取得了大量的研究成果。基于向量空间模型(VSM),针对传统的Web文本分类方法缺乏认知自主性和不能再学习的特点,提出了一种扩展的Web文本分类算法,通过一系列实验,该算法产生的效果明显优于当前其他的分类方法。

对简单向量距离文本分类算法的改进

分析了简单向量距离文本分类算法的不足,提出了相应的改进算法。把反馈思想引入简单向量距离分类模型,使文本分类系统具备了不断学习的能力。实验证明,改进后的文本分类模型适合于文本分类的需要,改善了原有分类器的性能。

Web文本分类技术研究及其实现

随着Internet的飞速发展,Web文本分类研究已经得到了人们密切的关注,并取得了大量的研究成果。文中讨论了Web文本分类过程中的几个关键技术;针对传统的Web文本分类方法缺乏认知自主性和不能再学习的特点,提出了一种扩展的Web文本分类模型和算法。通过系列实验表明,该算法具有较高的分类精度和查准率。

图像检索中相关性反馈模型研究

相关性反馈是图像检索中一个重要的组成部分。本文介绍了文本检索中相关性反馈技术及相关性反馈模型。在此基础上,引入基于内容的图像相关性反馈技术及相关性反馈模型。

反馈方式对二语写作语言复杂度的影响

本研究以自动评分系统反馈和范文反馈为例,探讨纠错反馈与非纠错反馈对大学生英语作文语言复杂度的影响。借助LCA、L2SCA和Coh-Metrix 3.0等在线分析器,对词汇复杂度和句法复杂度共10个代表性指标进行测量和分析。发现系统反馈能提高词汇复杂度但降低句法复杂度,而范文反馈对学生作文的词汇和句法复杂度均有显著的提升作用。由此可见,不同反馈方式对语言复杂度产生错综复杂的影响,相比而言范文反馈能促进文本质量在更多维度上的提升。

在线同伴反馈情感识别与可视化:促进教师深度反思与教学问题改进

在线课例研究是由教师学习共同体围绕特定的专业发展目标,借助在线学习平台合作开展教学设计修改、教学实施、课堂观察、课后研讨与教学反思的专业发展实践活动。在课例研究活动中,教师获得了大量的同伴反馈文本数据。智能识别与可视化同伴反馈文本情感,有助于及时发现教师集体共识信息与关键教学问题。为此,本研究基于机器学习技术构建了在线同伴反馈文本情感识别与可视化模型,包括同伴反馈文本数据采集、基于BERT模型的文本情感识别、文本主题抽取和情感可视化报告自动生成。研究采用实验研究与案例研究法分析了应用效果,结果表明:反馈文本情感识别模型具有较高的准确率,支持快速发现教师集体共识信息,生成的同伴反馈情感可视化报告有助于教师进行深度反思和教学问题改进。