刘娜

(咸阳师范学院 外国语学院， 陕西 咸阳 712000)

0 引言

英文作文的内容是否紧扣题目，是判断作文质量和给出评分的重要依据。目前英语教学中用于辅助作文评分的系统对于跑题文档的检测能力普遍不足[1-3]。因此，本文提出并设计了一种英文作文跑题智能化检测算法，创建LDA(Latent Dirichlet Allocation，潜在Dirichlet分布)模型以获取文档的主题及其分布信息，利用Word2vec模型对词向量进行训练从而进一步获取词项表达的语义，最后通过二者的结合进行跑题检测。该算法弥补了传统算法对词项语义信息缺少分析的不足，具有很强的实用性。

1 创建LDA模型

1.1 LDA模型

LDA模型是一种非监督机器学习算法，主要用于提取包含在文档集中的主题信息，其结构为“文档—主题—词”的形式，描述了由词汇表达主题，由主题构成文档的文档集构建过程[4-5]。LDA模型下的文档集结构，如图1所示。

图1 LDA模型描述的文档结构

图中，α、β均为模型的超参数，α代表文档集中的潜在主题与文档思想的接近程度，β代表各潜在主题在文档集中的概率分布；M代表文档总数；K代表主题总数；N代表单个文档中特征词汇的数量；θm代表全部主题在第m个文档中的概率分布;φk代表与某个主题对应的特征词汇的概率分布;Zm,n代表第m个文档中第n个特征词所属的主题;wm,n代表第m个文档中的第n个特征词。

1.2 参数预估

对于文档集LDA模型的创建，θ与φ两个参数的预估值最为重要。本文采用Gibbs抽样法进行参数值估算，具体过程如下。

(1) 将主题zi初始化，随机得到一个(1，T)范围内的整数，假定N为某个特征词汇的数量，则i=1，2，…，N，全部主题初始化后得到初始Markow链。……