一种基于实时纠错的英语写作评价系统、方法、计算机设备技术方案

本发明专利技术属于英语写作评价技术领域，公开了一种基于实时纠错的英语写作评价系统、方法、计算机设备，所述基于实时纠错的英语写作评价系统包括：英语导入模块、中央控制模块、英语识别模块、英语对比模块、英语判断模块、纠错模块、评价模块、显示模块。本发明专利技术通过英语识别模块能够快速、正确识别英语；同时，通过纠错模块采用合适的逻辑结构，不仅考虑对于英语文本的纠错，同时可将句子的正确语法现象输出，最重要的一点就是，能够利用这些正确句子语法分析结果，辅助学习者对正确句子(包括优美句子)进行写法学习，学习例句的句子组成结构和用词搭配等，以此来提高写作水平。以此来提高写作水平。以此来提高写作水平。

【技术实现步骤摘要】
一种基于实时纠错的英语写作评价系统、方法、计算机设备


[0001]本专利技术属于英语写作评价
，尤其涉及一种基于实时纠错的英语写作评价系统、方法、计算机设备。

技术介绍

[0002]目前，英语作文，是指用英语针对某一内容写出一篇文章，是英语考试最常见的一种题目类型，英语作文要求阅读、写作能力比较高，也是考生最容易失分的题型。英文书写应符合书写规范，英文字母要写清楚、写整齐、写美观，字母的大小和字母之间的距离要匀称。书写应做到字形秀丽漂亮，通篇匀称和谐。然而，现有基于实时纠错的英语写作评价系统识别英语过程慢，且正确率较低；同时，现有的纠错方法和软件中，仅仅关注英文文本错误语法的提醒，忽略了给予正确的优美句子的解析，帮助提高英语学习者的写作能力。另一方面，英文文本的纠错，基本的语法纠错等大部分能够实现，但是由于重视普适性，反而忽略了不同人群群体对于语言应用能力的不同，导致很多提示没有针对性，甚至，特定群体下的错误基本不能进行纠错。比如，小学生英文写作常见问题和科研学术论文的纠错重点明显应该是不同的，前者更加重视语法结构和词汇量的运用，而后者更加关注专业词汇的表达准确与否，以及表达的可理解性。
[0003]通过上述分析，现有技术存在的问题及缺陷为：
[0004]综上所述，现有技术存在的问题是：现有基于实时纠错的英语写作评价系统识别英语过程慢，且正确率较低；同时，现有的纠错方法和软件中，仅仅关注英文文本错误语法的提醒，忽略了给予正确的优美句子的解析，帮助提高英语学习者的写作能力。另一方面，英文文本的纠错，基本的语法纠错等大部分能够实现，但是由于重视普适性，反而忽略了不同人群群体对于语言应用能力的不同，导致很多提示没有针对性，甚至，特定群体下的错误基本不能进行纠错。比如，小学生英文写作常见问题和科研学术论文的纠错重点明显应该是不同的，前者更加重视语法结构和词汇量的运用，而后者更加关注专业词汇的表达准确与否，以及表达的可理解性。

技术实现思路

[0005]针对现有技术存在的问题，本专利技术提供了一种基于实时纠错的英语写作评价系统、方法、计算机设备。
[0006]本专利技术是这样实现的，一种基于实时纠错的英语写作评价系统包括：
[0007]英语导入模块、中央控制模块、英语识别模块、英语对比模块、英语判断模块、纠错模块、评价模块、显示模块；
[0008]英语导入模块，与中央控制模块连接，用于通过导入程序导入英语写作文本；
[0009]中央控制模块，与英语导入模块、英语识别模块、英语对比模块、英语判断模块、纠错模块、评价模块、显示模块连接，用于控制各个模块正常工作；
[0010]英语识别模块，与中央控制模块连接，通过手写笔上的滑动感应器将手写的内容
发送到中央处理器。也可通过摄像头将图像信息或视频信息传送到中央处理器。还设置语音输入，通过语音将信息输入到中央处理器。
[0011]英语对比模块，与中央控制模块连接，用于通过对比程序将英语识别信息与正确英语进行对比；
[0012]英语判断模块，与中央控制模块连接，用于通过判断程序根据对比结果判断英语写作是否正确；
[0013]纠错模块，与中央控制模块连接，用于通过纠错程序对英语文本及语法进行纠错；
[0014]评价模块，与中央控制模块连接，用于通过评价程序对英语写作质量进行评价；
[0015]显示模块，与中央控制模块连接，用于通过显示器显示英语写作文本、识别结果、对比结果、判断结果、纠错结果、评价结果。
[0016]进一步，所述英语识别模块识别方法如下：
[0017](1)获取输出特征值；
[0018]给定训练集N＝{(x
i
，t
i
)|x
i
∈R
n
，t
i
∈R
n
，i＝1，2，3，
…
N}，激励函数将训练样本和实际标签输入卷积神经网络逐层传播，得到输出特征值；
[0019]如果当前为全连接层，输出特征值为：
[0020]y
il
＝f(W
l
y
il
‑1+b
l
)
[0021]如果当前为卷积层，输出特征值为：
[0022]y
il
＝f(W
l
*y
il
‑1+b
l
)
[0023]如果当前为池化层，输出特征值为：
[0024]y
il
＝pool(y
il
‑1)
[0025]其中，x
i
为待识别英语训练样本，t
i
为实际英语标签，yi
l
第i个样本在第l 层的输出特征值，yi
l
‑1为第i个样本在第l
‑
1层的输出特征值，W
l
为第l层的输出权值，b
l
为第l层的偏置，yi0＝x
i
，pool为按照池化区域大小和池化标准将输入缩小的过程；
[0026](2)利用网络输出值和实际标签之间的误差和误差梯度进行反向传播，调整权值和偏置，直至误差梯度小于停止迭代阈值，否则重复对所述卷积神经网络进行模型训练；
[0027]如果当前为全连接层，误差梯度为：
[0028]δ
il
‑1＝(W
l
)
T
δ
il
⊙
f
’
(y
il
‑1)
[0029]如果当前为卷积层层，误差梯度为：
[0030]δ
il
‑1＝δ
il
*rot180(W
l
)
⊙
f
’
(y
il
‑1)
[0031]如果当前为池化层，误差梯度为：
[0032]δ
il
‑1＝upsampleδ
il
⊙
f
’
(y
il
‑1)
[0033]其中，δi
l
为误差梯度，rot180()表示上下翻转一次后再左右翻转一次；
[0034](3)对所述神经网络的输入层输入待识别英文，经过所述神经网络的中间层，所述神经网络的输出层输出识别后的英文。
[0035]进一步，所述步骤(2)中的误差为：
[0036][0037]其中，E
N
为每个样本集的误差的和，c为卷积神经网络所分层数，N为训练样本数。
[0038]进一步，所述步骤(2)中调整权值和偏置包括：
[0039]如果当前为全连接层：
[0040][0041][0042]如果当前为卷积层：
[0043][0044][0045]其中，α为梯度迭代参数，为误差梯度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于实时纠错的英语写作评价系统，其特征在于，所述基于实时纠错的英语写作评价系统包括：英语导入模块，通过区域无线网与中央控制器连接，通过手写笔上的摄像头、语音和滑动感应器将数据输入到中央处理器；中央控制模块，与英语导入模块、英语识别模块、英语对比模块、英语判断模块、纠错模块、评价模块、显示模块连接，用于控制各个模块正常工作；英语识别模块，与中央控制模块连接，用于通过识别程序对英语写作文本进行识别；英语对比模块，与中央控制模块连接，用于通过对比程序将英语识别信息与正确英语进行对比；英语判断模块，与中央控制模块连接，用于通过判断程序根据对比结果判断英语写作是否正确；纠错模块，与中央控制模块连接，用于通过纠错程序对英语文本及语法进行纠错，并将信息通过语音反馈给用户；评价模块，与中央控制模块连接，用于通过评价程序对英语写作质量进行评价；显示模块，与中央控制模块连接，用于通过显示器显示英语写作文本、识别结果、对比结果、判断结果、纠错结果、评价结果。2.如权利要求1所述基于实时纠错的英语写作评价系统，其特征在于，所述英语识别模块识别方法如下：(1)获取输出特征值；给定训练集N＝{(x
i
，t
i
)|x
i
∈R
n
，t
i
∈R
n
，i＝1，2，3，
…
N}，激励函数将训练样本和实际标签输入卷积神经网络逐层传播，得到输出特征值；如果当前为全连接层，输出特征值为：y
il
＝f(W
l
y
il
‑1+b
l
)如果当前为卷积层，输出特征值为：y
il
＝f(W
l
*y
il
‑1+b
l
)如果当前为池化层，输出特征值为：y
il
＝pool(y
il
‑1)其中，x
i
为待识别英语训练样本，t
i
为实际英语标签，yi
l
第i个样本在第l层的输出特征值，yi
l
‑1为第i个样本在第l
‑
1层的输出特征值，W
l
为第l层的输出权值，b
l
为第l层的偏置，yi0＝x
i
，pool为按照池化区域大小和池化标准将输入缩小的过程；(2)利用网络输出值和实际标签之间的误差和误差梯度进行反向传播，调整权值和偏置，直至误差梯度小于停止迭代阈值，否则重复对所述卷积神经网络进行模型训练；如果当前为全连接层，误差梯度为：δ
il
‑1＝(W
l
)Tδi
l
⊙
f
’
(y
il
‑1)如果当前为卷积层层，误差梯度为：
δ
il
‑1＝δ
il
*rot180(W
...

【专利技术属性】
技术研发人员：董迪雯，王晓峰，
申请(专利权)人：湖南环境生物职业技术学院，
类型：发明
国别省市：