李 琼，张小奇

(宣城职业技术学院，安徽 宣城 242099)

0 引 言

随着人工智能技术的发展，教育部门逐步采用大数据集成下的人工智能识别技术实现对英语语段辅助评阅。通过分析英语语段的语义信息，用语义特征分布式检测的方法构建英语语段辅助评阅系统，提高英语语段辅助评阅能力。在人工智能识别下建立英语语段辅助评阅的信息处理模型，结合智能化的英语语段辅助评阅专家系统设计方法，建立英语语段辅助评阅的输出语义信息分析模型，结合对英语语段辅助评阅的语义信息参数识别，进行英语语段辅助评阅辅助决策，提高英语语段辅助评阅的准确性。相关的英语语段辅助评阅系统优化设计方法研究受到人们的极大重视。

现有研究中，对英语语段展开评阅的技术主要有基于语义相似度与XGBoost算法的英语作文智能评价系统[1]和基于词语块匹配的英语语段写作信息化评阅系统等[2]。但利用传统系统进行英语语段辅助评阅的人工智能性不好，评阅准确度不高。

针对上述问题，本研究设计了基于人工智能技术的英语语段辅助评阅系统。首先构建英语语段辅助评阅的大数据参数分析模型，采用大数据信息融合的方法，挖掘英语语段辅助评阅的大数据，使用经典的软聚类方法提取英语语段辅助评阅特征。构建英语语段辅助评阅的语言参数分布集，获得英语语段辅助评阅的语义信息，利用随机节点映射方法实现对英语语段辅助评阅的寻优控制，采用人工智能算法进行英语语段辅助评阅的专家系统设计。最后进行仿真测试分析，证明了本文系统在提高英语语段辅助评阅能力方面的优越性能。

1 系统总体架构设计

设计基于人工智能技术的英语语段辅助评阅系统，需要首先构建英语语段辅助评阅的大数据参数分析模型。通过线性参数信息融合的方法，进行英语语段辅助评阅的控制器设计，构建英语语段辅助评阅的数据库模型，进行英语语段辅助评阅的嵌入式控制，得到英语语段辅助评阅系统的总体结构如图1所示。

图1 英语语段辅助评阅系统的总体结构

2 英语语段大数据挖掘和特征分析

2.1 英语语段大数据挖掘

根据图1所示的英语语段辅助评阅总体结构模型，在辨识框架下采用信任相关性关系[3-5]，构建英语语段辅助评阅的插值分析模型，结合完整信息检验方法，得到英语语段辅助评阅的软聚类分析模型[6-7]，得到英语语段辅助评阅的大数据分布状态空间{(s1,a1),(s2,a2),…,(sn,an)}，采用二元语义分析方法，得到英语语段辅助评阅的线性规划模型，表示为

(1)

基于混合分量控制方法，在语义线性融合下，得到英语语段辅助评阅的融合规则模型，得到英语语段辅助评阅的语义相似度向量为ri，采用插值拟合控制方法，得到英语语段辅助评阅的线性规划参数分析模型表示为

(2)

采用完整样本分类方法，得到英语语段的大数据集合为

(3)

根据上述分析，构建英语语段辅助评阅系统的总体结构模型，采用大数据信息融合的方法，进行英语语段辅助评阅的人工智能控制[8]。

2.2 英语语段特征分析

使用经典的软聚类方法实现对英语语段辅助评阅的参数辨识和语义信息寻优控制，得到英语语段辅助评阅的重叠区域特征参量为m，采用多个完整样本分类方法，得到英语语段辅助评阅的多维空间分布类别为cx，每个语义表达词汇表示英语语段辅助评阅的文本特征分量，得到英语语段辅助评阅的训练阈值分布参数ci(i∈{1,…,x-1,x+1,…,m})。采用大规模资源分配方法，得到英语语段辅助评阅的强化学习特征量：

(4)

式中，Kt表示英语语段辅助评阅的词汇t在di中的下标集合。设X、Y是两个待比较英语语段辅助评阅词语，使用语义本体相似度检测的方法，得到任意2个词语X、Y中英语语段辅助评阅的可靠性检测统计特征量[9]，英语语段辅助评阅的类间分布式特征聚类参数为

(5)

式中，P(X)、P(Y)是分别表示英语语段辅助评阅的二维特征分量X、Y的随机概率分布概率，P(X∩Y)是英语语段辅助评阅的联合概率分布函数。由此得到英语语段辅助评阅的特征检测模型(图2)。

图2 英语语段特征检测模型

通过随机节点映射方法构建英语语段辅助评阅的信息聚类和特征分析模型，提取英语语段辅助评阅特征并进行分析，提高英语语段辅助的评阅能力。

3 英语语段参数分析及人工智能评阅

3.1 英语语段的语义参数分析

采用调度决策的方法，构建英语语段辅助评阅的语言参数分布集，得到英语语段辅助评阅的二元语义信息：

(6)

设计英语语段辅助评阅的全局性空间规划模型，采用流媒体边缘云资源匹配方法，得到英语语段辅助评阅的语义参数规划模型[10]。采用深度强化学习的会话调度方法[11]，得到英语语段辅助评阅的语义向量逆变换后的辅助评阅参数为

(7)

采用负载值和系统的负载均衡控制的方法，得到英语语段辅助评阅的联合关联规则分布模型表示为

(8)

式中，G为英语语段辅助评阅的全局传输矩阵(或全局系统矩阵)。采用语义信息约束得到英语语段辅助评阅的规则函数[12]，采用适应调整的方法，得到英语语段辅助评阅的联合规划参数x(t)，其自相关函数C(τ)定义为

(9)

英语语段辅助评阅的可信日志存储信息流序列{xi}，验证系统接收身份信息分布的自相关函数为

(10)

此时英语语段辅助评阅的区块链参数分布集为E{[X-E(X)][Y-E(Y)]}，得到英语语段辅助评阅可靠性语义参数集合为

Cov(X,Y)=E{[X-E(X)][Y-E(Y)]}+|Cxx(jτ)|e-2π

(11)

采用日志信息和签名信息联合分析方法，构建英语语段辅助评阅的语义参数分析模型[13]。

3.2 英语语段辅助评阅系统智能控制

通过随机节点映射方法构建英语语段辅助评阅的信息聚类分析模型[14]，得到英语语段辅助评阅的信息自相关控制分量表示为

(12)

式中,D(XY)是对象或词条整体分量。采用对象或词条整体联合分析方法，得到英语语段辅助评阅的联合正相关分布关系为

(13)

在逻辑对应领域中，得到英语语段辅助评阅的空间规划控制函数满足条件

(14)

式中，λmax(Qi)为英语语段辅助评阅的状态耦合矩阵，采用融合递归分析，实现对英语语段辅助评阅的统计分析，可得J*(.)是单调递减函数，此时英语语段辅助评阅的继承和隶属关系满足τ∈[tk,tk+δ]，即

(15)

由于J*(.)是数据库实体模型，根据英语语段辅助评阅的数量分布，实现对英语语段辅助评阅控制，得到人工智能控制的决策函数为

(16)

综上，实现人工智能算法进行英语语段辅助评阅的专家系统设计。

4 仿真测试分析

为验证上述设计的基于人工智能技术的英语语段辅助评阅系统的有效性，设计如下仿真实验。

实验环境如下：设定英语语段辅助评阅的联合相关系数为0.35，语义信息检测的长度为1 200，英语语段辅助评阅的模拟参数分布阈值系数为0.16。

为避免实验结果的单一性，将本文方法与文献[1]中的基于语义相似度与XGBoost算法的英语作文智能评价系统和文献[2]中的基于词语块匹配的英语语段写作信息化评阅系统进行对比，得到评阅的可靠性参数分布，如图3所示。

图3 英语语段辅助评阅的可靠性分析

分析图3得知，本文系统进行英语语段辅助评阅的可靠性较好。在此基础上，测试不同系统的语义检索的准确度，得到对比结果，如图4所示。

图4 英语语段辅助评阅的查准率测试

分析图4得知，本文系统进行英语语段辅助评阅的查准性较高，效果较好。

5 结 论

为有效提高英语语段辅助评阅的有效性，本研究提出了基于人工智能技术的英语语段辅助评阅系统。通过线性参数信息融合的方法采集英语语段数据并分析其特征，然后使用经典的软聚类方法实现对英语语段辅助评阅的参数辨识和语义信息寻优控制，再采用人工智能算法设计英语语段辅助评阅的专家系统。经实验研究得知，利用本文系统进行英语语段辅助评阅的可靠性较高、查准性较好，证明其对英语语段辅助评阅的能力较强。在接下来的研究中，将考虑从提高系统评审时效性的角度对其展开进一步优化。