面向英文阅读难度分类的神经网络设计与实现

• 全文链接
• 请求原文

作   者：

徐诗语;  张谦;  邬依林; 

作者机构：

广东第二师范学院计算机学院; 

关键词：

投票策略;  收敛差分神经网络;  文本分类; 

期刊名称：

现代计算机

i s s n：

年卷期：

2024 年 002 期

页   码：

52-59,112

摘   要：

阅读文本是影响英语阅读材料难度的重要因素，有效地评估英文文本难度可以为不同阅读能力的学习者提供相匹配的阅读材料，帮助教师科学选择合适的教学资源，为考试命题者提供科学指导。基于神经动力学方法（NDA）的收敛差分神经网络（CDNN），将文本数据进行特征选择、加权和样本归一化预处理，用于训练不同映射函数的网络，再将网络的输出通过投票规则进行增强泛化，从而实现了一种结合投票收敛差分神经网络（Voting-CDNN,V-CDNN）的英文文本阅读难度分类方法，提高了计算效率和分类预测准确率。实验结果表明，V-CDNN的分类准确率最高值和平均值分别达到98.81%和95.45%，其在计算时间、平均精度和最高精度等方面进一步证实了V-CDNN是一个高性能的分类器。