自然言語加工の分野での大学英語教育の機械学習ベースのインテリジェントスコアリング

現在の教育評価は、単純化、インデックス作成、およびデータの構成のモードだけでなく、大学教育評価の科学的性質にも制限されています。この作業は、まず自然言語処理技術の理論的分析を実施し、インテリジェントスコアリングの関連技術を分析し、大学の英語教育のインテリジェントなスコアリングのための体系的なプロセスを設計し、最終的に機械学習における素朴なベイジアンアルゴリズムに関する理論的研究を実施します。さらに、大学での英語教育のインテリジェントなスコアリングの誤りと、スコアリングと分類の正確性を分析し、調査します。結果は、マニュアルスコアリングとマシンスコアリングの間のエラーが基本的に約2ポイントであり、マシンスコアリングの下で​​の大学英語教育のインテリジェントスコアリングの最小エラーが0ポイントに達する可能性があることを示しています。手動スコアリングには特定のバイアスがあり、マシンでのスコアリングはこのエラーの生成を減らすことができます。ナイーブベイズアルゴリズムは、大学のインテリジェントスコアリングデータセット（76.43％）で最も高い分類精度を持っています。加重ナイーブベイズアルゴリズムは、大学英語教育のインテリジェントスコアリングの分類精度で改善され、平均精度率は74.87％です。要約すると、加重ナイーブベイズアルゴリズムは、大学の英語のインテリジェントスコアリングの分類精度のパフォーマンスが向上します。この作業は、自然言語処理に基づく大学のインテリジェントな教育スコアリングシステムのスコアリングと、ナイーブベイズアルゴリズムの下での大学教育インテリジェンススコアリングの分類に大きな影響を及ぼし、大学教育スコアリングの効率を向上させることができます。

The current education evaluation is limited not only to the mode of simplification, indexing, and datafication, but also to the scientific nature of college teaching evaluation. This work firstly conducts a theoretical analysis of natural language processing technology, analyzes the related technologies of intelligent scoring, designs a systematic process for intelligent scoring of college English teaching, and finally conducts theoretical research on the Naive Bayesian algorithm in machine learning. In addition, the error of intelligent scoring of English teaching in colleges and universities and the accuracy of scoring and classification are analyzed and researched. The results show that the error between manual scoring and machine scoring is basically about 2 points and the minimum error of intelligent scoring in college English teaching under machine scoring can reach 0 points. There is a certain bias in manual scoring, and scoring on the machine can reduce the generation of this error. The Naive Bayes algorithm has the highest classification accuracy on the college intelligent scoring dataset, which is 76.43%. The weighted Naive Bayes algorithm has been improved in the classification accuracy of college English teaching intelligent scoring, with an average accuracy rate of 74.87%. To sum up, the weighted Naive Bayes algorithm has better performance in the classification accuracy of college English intelligent scoring. This work has a significant effect on the scoring of the college intelligent teaching scoring system under natural language processing and the classification of college teaching intelligence scoring under the Naive Bayes algorithm, which can improve the efficiency of college teaching scoring.