基于SVM的学科试题自动分类研究

• 作者: 刘一然 骆力明
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 试题分类 TextRank SVM
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 197-203
• 页数: 7页
• 分类号: TP391
• 字数: 6816字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.01.036

摘要

针对海量学科试题所引发的试题管理混乱现象,提出一种基于SVM的学科试题自动分类法.对学科语料进行分词、去停用词和统一相似词等预处理操作;采用TextRank算法对学科语料进行权重赋值,将语料文本向量化;用SVM中的Linear核函数训练语料得到分类器.用语料库中的12类单选题进行测试,整体分类的准确率、召回率、F1值均达到97％以上.结果表明,该分类法可以有效地分类试题文本.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	骆力明	首都师范大学信息工程学院	41	363	9.0	18.0
2	刘一然	首都师范大学信息工程学院	2	6	2.0	2.0