TensorFlow在大学英语语言训练中应用.docVIP

TensorFlow在大学英语语言训练中应用 　　摘要：北京邮电大学人文学院每学期都利用通用计算机化考试平台（大学英语语言技能训练系统）来进行英语测试，其中客观题系统能够对照答案直接给出分数，但是主观题只能依靠英语教师来逐个批改。本研究是利用tensorflow深度学习平台对英语口语表达题进行智能批改，取音素后验概率、语速ROS、关键词覆盖率、文本覆盖率、用词变化程度等维度作为特征，学生考试成绩为目标，用tensorflow深度学习平台进行模型训练，实现学生成绩的预测。 　　关键词：tensorflow；深度学习；大学英语；神经网络 　　中图分类号：TP391.42 文献标识码：A DOI：10.3969/j.issn.l003-6970.2017.08.027 　　引言 　　国内的批改系统主要有以下几个方面：电路类虚拟实验自动批改与智陡指导系统、智目纟导师系统、英语作文智能评阅系统、英语口语智能评阅系统。对于正确答案有一定规则的问题可以利用智能导师系统进行评阅，像用英语口语围绕主题阐述一定观点这种开放性题目，现有的系统不能评阅这种题型。所以，在语言训练中，智能批改仍有一定局限性[1又国外研究现状与国内类似，对于口语口语表达题目等答案固定或者具有一定规则的题目评分有比较成熟的机器学习模型，而对于答案规则不明显的题型目前还不能利用深度学习模型来进行智能批改。在2000年本领域的一篇经典论文就列举了人工老师打分情况，他提出的观点是使用“平均”带来打分稳定性和准确度提高。多个句子的平均，可以更好的对整体水平进行打分，句子越多，打分越准确。瑞士IDIAP在2016年也提出了更新和复杂的深度学习技术来进行评分。 　　1 人工智能 　　近几年，人工智能是计算机领域中的一个热门话题，它的应用非常广泛，可以利用机器学习算法解决一些传统计算机无法解决的复杂问题。而深度学习可以看做是机器学习的另一次升华，深度学习可以解决传统机器学习算法无法解决的问题，大大地提高了人工智能的发展速度。 　　一些深度学习平台有tensor flow、Caffe、Deeplearning4j、CNTK、MXNet、Theano等。Tensorflow作为是最主流和应用最广泛的深度学习平台之一、Caffe：―款集表达、速度和模块化思想于一身的深度学习框架。其图像处理优势明显，只用一个单一的NVIDIAK40的GPU就可以每天处理60M图像数据。Deeplearning4j：Deepleaming4j是java科学计算引擎驱动的矩阵操作。CNTK：是一个描述神经网络的深度学习工具。MXNet：MXNet能够运行在CPU/GPU、集群、服务器、手机上。支持分布式计算，也能够在AWS，GCE，Azure和Yam集群上运行。Theano：一个可以定义、优化、评估多维数组的python库。Torch：有强大的N维数组，能够索引、切片、换位，快速高效的GPU支持。H20：H20可以与最流行的开源产品ApacheHadoop和Spark结合来给客户灵活地解决具有挑战性的数据问题的机器学习平台，可以进行大规模可目前Tensorflow的应用有如下儿个方面：图像识别、语言识别、自然语言处理与人机博弈等。像最近的人机博弈大战，例如李世石和DeepMindalphago的围棋之战、腾讯Master围棋大战、百度大脑和人类大脑的对战都无疑是机器略胜一筹。其实早在1997年，IBM的deepblue就打败了国际象棋冠军Garry Kasparov。这二十年里，机器学习技术的发展是巨大的，不仅能掌握国际象棋的规则，还能通过大量的数据运用深度学习方法训练出解决无规则复杂问题的程序。这对于人工智能的发展来说意义重大，因为现实生活中，很多问题都是无规则的。比如，自动驾驶、人机对话等。让机器通过数据学习像人一样处理和解决问题的能力，这是飞跃性的进步。目前人工智能?不能够理解语义含义，不能理解人类语言中的情绪，但是我相信在不久的将来，人工智能通过大量的数据和深度学习框架一定能够解决这些问题。 　　3 评分系统 　　3.1 评分系统工作原理 　　评分系统主要分为识别端和评分端： 　　扩展的数据分析。OpenNN：opennn是一个用C++语言编写的实现神经网络的开源类库，机器学习研究的主要领域。用于实现监督学习的任意数量的非线性处理单元。它的存储速度和处理速度都很高。OpenCyc：OpenCyc是Cyc的开源版本，Cyc是世界上最庞大的、最完备的通用知识库与常识推理引擎。OpenCyc是对人工智能与语义万维网科学研究的贡献，在人工智能、语义万维网及其应用领域具有很广泛的应用价值。 　　2 Tensor flow平台 　　早在2011年，谷歌内部就开发了一个深度学习工具――Dis