刘 磊

(燕山大学外国语学院 河北 秦皇岛 066004)

0 引 言

作文是评测英语学习者语言能力的重要指标。目前，在英语教学和测试领域，学习者作文通常依靠人工审阅，耗费大量人力和物力，同时很难保证评测结果的可信度和有效性[1]。为了改善这一状况，近年来国内外学者开始借助机器学习和自然语言处理技术，利用计算机自动评测学习者的作文质量[2]。作文自动评分(Automated Essay Scoring,AES)系统可用于TOEFL和GRE等大规模、高影响力的语言水平测试，作为辅助手段验证人工评分的信度，如果二者相差较大，则需重新评估作文质量[3]。此外，AES系统也适用于非考试环境下的网络自主学习平台，在学生提交作文后提供实时反馈，通过动态评估督促其修改作文，提高二语写作水平[4]。本文结合计算机科学和语言学领域的研究方法，采用基于机器学习的统计算法，提取学习者文本的词汇、语法和语篇特征，从文本复杂度、语法正确度和语篇连贯度等层面构建评分模型，提高现有AES系统的性能。

1 相关工作

AES研究始于20世纪60年代，在当时的技术条件下，计算机并不对输入文本进行语言学分析，只采用简单的表层特征，如平均词长、句长和标点符号数量等评测作文质量[5]。但是，由于当时计算机普及程度较低，运算能力有限，导致AES研究一度陷入沉寂。直至20世纪90年代，随着计算机软硬件性能的提高和自然语言处理技术的进步，AES研究重新焕发生机，出现了一批面向商业应用的英语作文自动评……