[发明专利]一种作文离题检测方法有效
| 申请号： | 201910538980.3 | 申请日： | 2019-06-20 |
| 公开（公告）号： | CN110222347B | 公开（公告）日： | 2020-06-23 |
| 发明（设计）人： | 刘杰;周建设;张凯;史金生;骆力明;马晓丽 | 申请（专利权）人： | 首都师范大学 |
| 主分类号： | G06F40/30 | 分类号： | G06F40/30;G06F16/35 |
| 代理公司： | 北京易捷胜知识产权代理事务所(普通合伙) 11613 | 代理人： | 齐胜杰;孙晓淑 |
| 地址： | 100048 北*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本公开实施例涉及一种作文离题检测方法，其包括：对作文集进行主题模型训练，得到作文的Biterm‑LDA主题模型，并对文档集进行Doc2vec模型训练，得到Doc2vec文档向量模型；将Biterm‑LDA主题模型与Doc2vec文档向量模型的文本表示进行组合，得到组合特征；对作文的组合特征基于孪生网络的多层感知机进行降维和特征优化；对降维和特征优化后的话题作文，分为切题作文和离题作文，对切题作文中的一部分构建话题类中心，并根据话题类中心对切题作文中的剩余部分和离题作文分别计算，得到针对同一话题的一组阈值；根据一组阈值利用ROC曲线进行筛选，得到最佳阈值。本公开能为不同话题作文动态计算最佳阈值。 | ||
| 搜索关键词： | 一种 作文 离题 检测 方法 | ||
【主权项】：
1.一种作文离题检测方法，其特征在于，其包括：对作文集进行主题模型训练，得到作文的Biterm‑LDA主题模型，并对文档集进行Doc2vec模型训练，得到Doc2vec文档向量模型；将所述Biterm‑LDA主题模型与所述Doc2vec文档向量模型的文本表示进行组合，得到组合特征；对作文的所述组合特征基于孪生网络的多层感知机进行降维和特征优化；对降维和特征优化后的话题作文，分为切题作文和离题作文，对所述切题作文中的一部分构建话题类中心，并根据所述话题类中心对所述切题作文中的剩余部分和所述离题作文分别计算，得到针对同一话题的一组阈值；根据所述一组阈值利用ROC曲线进行筛选，得到最佳阈值。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于首都师范大学，未经首都师范大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910538980.3/，转载请声明来源钻瓜专利网。
