CN107368469A - 一种越南语教学评分方法及其所应用的越南语学习平台 - Google Patents

一种越南语教学评分方法及其所应用的越南语学习平台 Download PDF

Info

Publication number
CN107368469A
CN107368469A CN201710422997.3A CN201710422997A CN107368469A CN 107368469 A CN107368469 A CN 107368469A CN 201710422997 A CN201710422997 A CN 201710422997A CN 107368469 A CN107368469 A CN 107368469A
Authority
CN
China
Prior art keywords
vietnamese
student
word
justice
teaching
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710422997.3A
Other languages
English (en)
Inventor
柯晓华
陈继华
罗海蛟
申宇铭
林宏典
王丽莎
黄瑞滨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong University of Foreign Studies
Original Assignee
Guangdong University of Foreign Studies
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangdong University of Foreign Studies filed Critical Guangdong University of Foreign Studies
Publication of CN107368469A publication Critical patent/CN107368469A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/284—Lexical analysis, e.g. tokenisation or collocates
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/237—Lexical tools
    • G06F40/242—Dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G06Q50/205—Education administration or guidance

Abstract

本发明涉及一种越南语学习平台，包括服务器，所述服务器上设有后台数据库以及越南语教学评分模块，所述越南语教学评分模块采用越南语教学评分方法实现，所述后台数据库存储有教学资源数据。通过实现越南语教学评分方法，能够有效对学生的练习答案进行评分，提高学生的越南语学习效果。

Description

一种越南语教学评分方法及其所应用的越南语学习平台
技术领域
本发明涉及语言教学领域，具体涉及一种越南语教学评分方法及其所应用的越南语学习平台。
背景技术
在小语种学习平台中，需要建设多语语料库，现有技术一般参考Resnik等（1998）开发的STRAND ( Structural Translation Recognition for Acquiring Natural Data) 系统，以及类似的系统如BITS (Bilingual Internet Text Search)系统(Ma, 1999)、PTMiner (Parallel Text Miner)系统、PTI(The Parallel Text Identificationsystem)系统(Chen, 2004)、WPDE (Web Parallel Data Extraction)(吴，2006)等。国内不少学者也对双（多）语语料的采集和标注进行研究，叶莎妮等（2008）提出一种能够自动发现、采集网络平行语料网页的算法，该方法不需要预先定义语言相关的字符串集合。朱泽德（2014）结合HTML标签分类，釆用改进的编辑距离(Edit Distance)以模糊化网页结构，以及数字序列的最大匹配以精准化内容表面特性等方法，提高了非通用语汉译文本的双语语料识别和采集。
无论是通过教学考试过程收集的平行语料，还是网络采集的语料，都要进行过滤选取和标注，因此，带噪音语料的句级自动对齐、篇章的自动多重归类（相当于篇章级自动多维度标注）显得十分有必要。对此，现有的研究方法总体上三种：一是基于统计的方法，即先对大量的双语语料进行统计训练，获得双语平行句的同现概率，建立句子对齐的统计模型， 用来判断句子对译关系；二是基于词汇/词典的方法；三是把统计手段和词汇/词典结合起来。对于传统方法收集的平行语料，以上方法可以达到非常好的自动对齐效果。但由于平台一般采用Web技术开发，当上述方法用于Web获取的平行语料时，效果不太理想，主要是因为Web上数据都是半结构化，而且“环绕”在大量噪声数据之中。
另外，在越南语这一领域中，现有技术还没有对学生答案进行评分的相关算法，因为每一种语言都有其特殊性，特别是像越南语这种小语种，学生在进行听抄、翻译及发音等练习过程中的评分算法研究不足，现有技术中还缺乏行之有效的解决手段。
发明内容
为了克服现有技术的缺陷，本发明提供一种越南语教学评分方法及其所应用的越南语学习平台，能够有效对学生的练习答案进行评分，提高学生的越南语学习效果。
针对上述技术问题，本专利是这样加以解决的：一种越南语教学评分方法，包括听抄评分步骤，具体如下：
S11：分别对学生听越南语音频后提交的抄写内容及参考答案进行分词，得到参考答案的分词数组A{ a1，a2，...，an}和抄写内容的分词数组B{b1, b2，…，bn}，这两个分词数组的元素为单个词语；
S12：将求解这两个分词数组的最优匹配长度值的问题设为A{ a1，a2，...，an}- B{b1,b2，…，bn}，并将其分解为多个子问题加上最后一个元素的匹配结果：A{ a1，a2，...，an-1}-B{b1, b2，…，bn-1}、A{ a1，a2，...，an-1}- B{b1, b2，…，bn}、A{ a1，a2，...，an}- B{b1,b2，…，bn-1}，再加上A[n]- B[n]的匹配结果，然后重复将这些子问题进行下一级分解，直至分解至最底层为止；
S13：从最底层往上匹配遍历，将每一层得出的各个最大的最优匹配长度值作为上一层中相对应的子问题的最优匹配长度值，得出A{ a1，a2，...，an-1}- B{b1, b2，…，bn-1}、A{ a1，a2，...，an-1}- B{b1, b2，…，bn}、A{ a1，a2，...，an}- B{b1, b2，…，bn-1}这三个子问题中最大的最优匹配长度值，再加上A{n}- B{n}的匹配结果，最终得出A{ a1，a2，...，an}- B{b1,b2，…，bn}的最优匹配长度值，并以该最优匹配长度值作为依据进行评分。
所述步骤S13中的评分公式为：最后得分=(答对词数/总词数)×题目分值，其中的答对词数也即最优匹配长度值，相比于现有技术，本发明能够有效对学生的练习答案进行评分，提高学生的越南语学习效果。
作为优选，还包括翻译评分步骤，具体如下：
S21：对参考答案和学生答案进行分词；
S22：利用词典计算每两个对应词语之间的语义相似度；
S23：若语义相似度达到一定的阀值，则判断学生答对，并根据答对的词语进行评分。
作为优选，所述步骤S21中利用汉语分词系统进行分词；
作为优选，所述步骤S22中利用《知网》词典计算语义相似度，具体步骤如下：
S221：两个对应词语在《知网》中分别分解为两组义原，在这两组义原中分别选取一项义原进行匹配组合，求出每个组合的相似度，取其中的最大值作为这两个对应词语的语义相似度。
作为优选，所述步骤S221中，设两个匹配组合的义原为p1和p2，记其相似度为Sim（p1，p2），设义原间的语义距离为d，则语义相似度公式为：
其中a是一个可调节的参数，具体含义为当语义相似度为0.5时的语义距离值。
作为优选，所述义原间的语义距离d可以通过如下步骤获得：
S222：将两个义原的所有父节点从底层向上分别组合成两个义原数组，从前往后对两个义原数组进行对比，若两个义原数组第m个元素重合，则可认为语义距离d等于m。
作为优选，所述步骤S23中还根据答对的词语之间的语序是否正确进行评分。
作为优选，还包括发音评分步骤，具体如下：
S31：从二进制文件中获取标准音频数据；
S32：对得到的标准音频数据进行归一化处理；
S33：对标准音频数据进行滤波；
S34：截取标准音频数据中的有效数据；
S35：对学生的对比音频数据重复步骤S31至步骤34的操作；
S36：计算标准音频数据与对比音频数据的余弦距离；
S37：根据余弦距离进行评分。
余弦距离值与1越相近，则两个音频数据向量的夹角越小，也即两个音频数据越接近，评分所得的成绩也越高。
作为优选，所述步骤S13中进行匹配遍历时，对一个词语的多种写法均作为同一词语进行匹配识别。
作为优选，所述步骤S11进行分词时，将其中标点符号与距其最近的词语共同组成单个词语，相对应地，所述步骤S13中进行匹配遍历时，还根据单个词语前的标点符号不同进行匹配识别。
作为优选，所述步骤S13中进行匹配遍历时，还根据单个词语首字母大小写不同进行匹配识别。
一种越南语学习平台，包括服务器，所述服务器上设有后台数据库以及越南语教学评分模块，所述越南语教学评分模块采用越南语教学评分方法实现，所述后台数据库存储有教学资源数据。
作为优选，所述越南语学习平台还包括学生端、教师端及管理员端这三种客户端。
作为优选，所述教师端包括注册登录模块、作业导入模块和学生管理模块，所述注册登录模块注册登录模块用于供教师注册、登陆或修改注册信息，所述作业导入模块用于供教师录入练习题目以及参考答案，还能设置练习题目的开放时间和结束时间，所述学生管理模块用于供教师查看学生信息。进一步地，教师导入的练习题目也作为教学资源数据之一，避免背景技术中所提到的现有技术中采集语料的弊端，保证数据输入准确，无噪声，有利于学生在平台上学习正确的知识。
教师在教师端将作业题目以及参考答案导入，题目包括句子翻译、段落翻译，听抄练习及发音练习等，然后教师就可以设置作业的开放时间和结束时间。之后学生就可对开放的作业进行作答，学生做完作业后，每次练习的作答情况记录下来显示在学生管理模块中，这样既方便了老师布置作业及了解学生情况。
作为优选，所述学生端包括练习板块、注册登录模块及意见反馈模块，所述注册登录模块用于在教师端的管理下供学生注册、登陆或修改注册信息，所述练习板块用于供学生进行练习，并将练习后的数据发送到越南语评分方法进行评分，所述意见反馈模块用于供学生对教学效果进行反馈。
作为优选，所述练习板块包括听抄训练模块、翻译训练模块和发音训练模块。
作为优选，所述管理员端包括题库管理模块及账号管理模块，所述题库管理模块用于管理员导入练习及对所有练习题目进行统一管理，所述账号管理模块用于管理在平台上注册的所有成员。
对比于现有技术，本发明的越南语教学评分算法能够有效地对学生的练习答案进行评分，提高学生的越南语学习效果。
附图说明
图1是本发明一种越南语学习平台的结构框图。
图2是本发明听抄评分步骤的流程图。
图3是本发明子问题分解示意图。
图4是本发明翻译评分步骤的流程图。
图5是本发明发音评分步骤的流程图。
具体实施方式
下面结合具体实施方式及附图对本发明进行详细说明。
如图1所示的一种越南语学习平台，包括服务器、后台数据库、客户端，所述服务器上设有后台数据库以及越南语教学评分模块，所述越南语教学评分模块采用越南语教学评分方法实现，所述后台数据库存储有教学资源数据。
所述客户端包括学生端、教师端及管理员端；所述教师端包括注册登录模块、作业导入模块和学生管理模块，所述注册登录模块注册登录模块用于供教师注册、登陆或修改注册信息，所述作业导入模块用于供教师录入练习题目以及参考答案，还能设置练习题目的开放时间和结束时间，所述学生管理模块用于供教师查看学生信息。
教师在教师端将作业题目以及参考答案导入，题目包括句子翻译、段落翻译，听抄练习及发音练习等，然后教师就可以设置作业的开放时间和结束时间。之后学生就可对开放的作业进行作答，学生做完作业后，每次练习的作答情况记录下来显示在学生管理模块中，这样既方便了老师布置作业及了解学生情况。
具体地，所述学生管理模块会提供学生平时练习的得分率，并可通过折线图反映学生各次练习的成绩走向及对比情况，使老师有更多的时间精力关注学生学习情况，从而给出更针对性的意见和指导。
所述学生端包括练习板块、注册登录模块及意见反馈模块，所述注册登录模块用于在教师端的管理下供学生注册、登陆或修改注册信息，所述练习板块用于供学生进行练习，并将练习后的数据发送到越南语评分方法进行评分，所述意见反馈模块用于供学生对教学效果进行反馈。
所述练习板块包括听抄训练模块、翻译训练模块和发音训练模块。
所述管理员端包括题库管理模块及账号管理模块，所述题库管理模块用于管理员导入练习及对所有练习题目进行统一管理，包括设定练习题目的开放时间及结束时间，还能够对练习题目进行编辑及删除，所述账号管理模块用于管理在平台上注册的所有成员，具体提供了添加、编辑、冻结及删除指定用户等功能。
另外，题库管理模块还包括看图和错词统计功能，看图功能可以示出练习题目下学生各分数段的人数分布比例柱状图，从而判断此练习的难易程度，便于教育者将联系题目难度调整至合适，不至于让学生丧失信心，也不至于太简单而达不到学习效果，错词统计可以示出学生的学习难点，便于教育者因材施教，改善教学方式。
所述越南语教学评分方法，包括听抄评分步骤、翻译评分步骤及发音评分步骤，其中听抄评分步骤如图2所示，具体如下：
S11：分别对学生听越南语音频后提交的抄写内容及参考答案进行分词，得到参考答案的分词数组A{ a1，a2，...，an}和抄写内容的分词数组B{b1, b2，…，bn}，这两个分词数组的元素为单个词语；
S12：将求解这两个分词数组的最优匹配长度值的问题设为A{ a1，a2，...，an}- B{b1,b2，…，bn}，并将其分解为多个子问题加上最后一个元素的匹配结果：A{ a1，a2，...，an-1}-B{b1, b2，…，bn-1}、A{ a1，a2，...，an-1}- B{b1, b2，…，bn}、A{ a1，a2，...，an}- B{b1,b2，…，bn-1}，再加上A[n]- B[n]的匹配结果，然后重复将这些子问题进行下一级分解，直至分解至最底层为止，如图3所示，其中子问题A{ a1，a2，...，an-1}- B{b1, b2，…，bn-1}分解为A{ a1，a2，...，an-2}- B{b1, b2，…，bn-2}、A{ a1，a2，...，an-2}- B{b1, b2，…，bn-1}、A{ a1，a2，...，an-1}- B{b1, b2，…，bn-2}，再加上A[n-1]- B[n-1]的匹配结果，其余子问题均按此规律进行分解；
S13：从最底层往上匹配遍历，将每一层得出的各个最大的最优匹配长度值作为上一层中相对应的子问题的最优匹配长度值，得出A{ a1，a2，...，an-1}- B{b1, b2，…，bn-1}、A{ a1，a2，...，an-1}- B{b1, b2，…，bn}、A{ a1，a2，...，an}- B{b1, b2，…，bn-1}这三个子问题中最大的最优匹配长度值，再加上A{n}- B{n}的匹配结果，最终得出A{ a1，a2，...，an}- B{b1,b2，…，bn}的最优匹配长度值，并以该最优匹配长度值作为依据进行评分。
所述步骤S13中的评分公式为：最后得分=(答对词数/总词数)×题目分值，其中的答对词数也即最优匹配长度值。另外，在分析答题情况时，若A{ a1，a2，...，an-1}- B{b1,b2，…，bn-1}、A{ a1，a2，...，an-1}- B{b1, b2，…，bn}、A{ a1，a2，...，an}- B{b1, b2，…，bn-1}这三个子问题中最大的最优匹配长度值来自子问题A{ a1，a2，...，an-1}- B{b1, b2，…，bn-1}，则判断本轮匹配情况答对了多少词（也即最优匹配长度值加上A{n}- B{n}的匹配结果）；若来自子问题A{ a1，a2，...，an-1}- B{b1, b2，…，bn}，则说明学生答案缺词了；若来自子问题A{ a1，a2，...，an}- B{b1, b2，…，bn-1}，则说明学生答案多词了。
所述步骤S13中进行匹配遍历时，对单个词语的多种写法均作为同一词语进行匹配识别，还根据单个词语首字母大小写不同进行匹配识别。
所述步骤S11进行分词时，将其中标点符号与距其最近的词语共同组成单个词语，相对应地，所述步骤S13中进行匹配遍历时，还根据单个词语前的标点符号不同进行匹配识别。
所述翻译评分步骤如图4所示，具体如下所示：
S21：利用汉语分词系统NLPIR（又名ICTCLAS2013）对参考答案和学生答案进行分词；
S22：利用《知网》词典计算每两个对应词语之间的语义相似度；
S23：若语义相似度大于0.85，则判断学生答对，并根据答对的词语及其之间的语序（即通顺度）进行评分，答对的词语占60%分值，通顺度占40%分值。
计算通顺度的公式为：通顺度=位置正常的词数/总词数×（答对的词语/总词数），其中位置正常的词数也即位置正常的词语的数量，判断每个词语与上个词语的相对位置，若相对位置与参考答案中的位置相同，则判定为位置正常。若公式中计算所得的通顺度小于50%时，学生答对的词语的所得分值减半。
所述步骤S22中利用《知网》词典计算语义相似度，具体步骤如下：
S221：两个对应词语在《知网》中分别分解为两组义原，在这两组义原中分别选取一项义原进行匹配组合，求出每个组合的相似度，取其中的最大值作为这两个对应词语的语义相似度。
所述步骤S221中，设两个匹配组合的义原为p1和p2，记其相似度为Sim（p1，p2），设义原间的语义距离为d，则语义相似度公式为：
其中a是一个可调节的参数，具体含义为当语义相似度为0.5时的语义距离值。
所述义原间的语义距离d可以通过如下步骤获得：
S222：将两个义原的所有父节点从底层向上分别组合成两个义原数组，从前往后对两个义原数组进行对比，若两个义原数组第m个元素重合，则可认为语义距离d等于m。
如图5所示的发音评分步骤，具体如下：
S31：由于音频按照16位量化标准采样，从二进制文件中每16位（即两个字节）读取一个数据，获取标准音频数据数组；
S32：对得到的标准音频数据进行归一化处理；
S33：对标准音频数据进行滤波；
S34：截取标准音频数据中的有效数据；
S35：对学生的对比音频数据进行同上操作；
S36：计算标准音频与对比音频数据的余弦距离；
S37：根据余弦距离进行评分。
余弦距离值与1越相近，则两个音频数据向量的夹角越小，也即两个音频数据越接近，评分所得的成绩也越高。
具体实施过程中，所述服务器使用Java Web搭建，后台数据库为Mysql其核心程序是使用多线程开发的，能够支持大多数应用的并发要求，虽然它跟Oracle、SybaseL等大型数据库比较起来，有规模小、功能少的缺点，但是其具有体积小、速度快、简单易用、成本低的特点，并且功能方面基本满足学校教学中对数据库的要求，适用于日常教学活动。

Claims (10)

1.一种越南语教学评分方法，其特征在于，包括听抄评分步骤，具体如下：
S11：分别对学生听越南语音频后提交的抄写内容及参考答案进行分词，得到参考答案的分词数组A{ a1，a2，...，an}和抄写内容的分词数组B{b1, b2，…，bn}，这两个分词数组的元素为单个词语；
S12：将求解这两个分词数组的最优匹配长度值的问题设为A{ a1，a2，...，an}- B{b1,b2，…，bn}，并将其分解为多个子问题加上最后一个元素的匹配结果：A{ a1，a2，...，an-1}-B{b1, b2，…，bn-1}、A{ a1，a2，...，an-1}- B{b1, b2，…，bn}、A{ a1，a2，...，an}- B{b1,b2，…，bn-1}，再加上A[n]- B[n]的匹配结果，然后重复将这些子问题进行下一级分解，直至分解至最底层为止；
S13：从最底层往上匹配遍历，将每一层得出的各个最大的最优匹配长度值作为上一层中相对应的子问题的最优匹配长度值，得出A{ a1，a2，...，an-1}- B{b1, b2，…，bn-1}、A{ a1，a2，...，an-1}- B{b1, b2，…，bn}、A{ a1，a2，...，an}- B{b1, b2，…，bn-1}这三个子问题中最大的最优匹配长度值，再加上A{n}- B{n}的匹配结果，最终得出A{ a1，a2，...，an}- B{b1,b2，…，bn}的最优匹配长度值，并以该最优匹配长度值作为依据进行评分。
2.根据权利要求1所述的一种越南语教学评分方法，其特征在于，还包括翻译评分步骤，具体如下：
S21：对参考答案和学生答案进行分词；
S22：利用词典计算每两个对应词语之间的语义相似度；
S23：若语义相似度达到一定的阀值，则判断学生答对，并根据答对的词语进行评分。
3.根据权利要求2所述的一种越南语教学评分方法，其特征在于，所述步骤S22中利用《知网》词典计算语义相似度，具体步骤如下：
S221：两个对应词语在《知网》中分别分解为两组义原，在这两组义原中分别选取一项义原进行匹配组合，求出每个组合的相似度，取其中的最大值作为这两个对应词语的语义相似度。
4.根据权利要求3所述的一种越南语教学评分方法，其特征在于，所述步骤S221中，设两个匹配组合的义原为p1和p2，记其相似度为Sim（p1，p2），设义原间的语义距离为d，则语义相似度公式为：
其中a是一个可调节的参数，具体含义为当语义相似度为0.5时的语义距离值。
5.根据权利要求4所述的一种越南语教学评分方法，其特征在于，所述义原间的语义距离d可以通过如下步骤获得：
S222：将两个义原的所有父节点从底层向上分别组合成两个义原数组，从前往后对两个义原数组进行对比，若两个义原数组第m个元素重合，则可认为语义距离d等于m。
6.根据权利要求2至4任一项所述的一种越南语教学评分方法，其特征在于，所述步骤S23还根据答对的词语之间的语序是否正确进行评分。
7.根据权利要求1所述的一种越南语教学评分方法，其特征在于，还包括发音评分步骤，具体如下：
S31：从二进制文件中获取标准音频数据；
S32：对得到的标准音频数据进行归一化处理；
S33：对标准音频数据进行滤波；
S34：截取标准音频数据中的有效数据；
S35：对学生的对比音频数据重复步骤S31至步骤34的操作；
S36：计算标准音频数据与对比音频数据的余弦距离；
S37：根据余弦距离进行评分。
8.根据权利要求1至5、7任一项所述的一种越南语教学评分方法，其特征在于，所述步骤S11进行分词时，将其中标点符号与距其最近的词语共同组成单个词语，相对应地，所述步骤S13中进行匹配遍历时，还根据单个词语前的标点符号不同进行匹配识别。
9.根据权利要求1至5、7任一项所述的一种越南语教学评分方法，其特征在于，所述步骤S13中进行匹配遍历时，还根据单个词语首字母大小写不同进行匹配识别。
10.一种越南语学习平台，包括服务器，所述服务器上设有后台数据库以及越南语教学评分模块，其特征在于，所述越南语教学评分模块采用权利要求1至5、7任一项所述的越南语教学评分方法实现，所述后台数据库存储有教学资源数据。
CN201710422997.3A 2017-06-01 2017-06-07 一种越南语教学评分方法及其所应用的越南语学习平台 Pending CN107368469A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201710404528 2017-06-01
CN2017104045289 2017-06-01

Publications (1)

Publication Number Publication Date
CN107368469A true CN107368469A (zh) 2017-11-21

Family

ID=60306352

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710422997.3A Pending CN107368469A (zh) 2017-06-01 2017-06-07 一种越南语教学评分方法及其所应用的越南语学习平台

Country Status (1)

Country Link
CN (1) CN107368469A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110136543A (zh) * 2019-04-26 2019-08-16 北京大米科技有限公司 在线教学互动方法、相关设备、存储介质以及系统
CN110852088A (zh) * 2019-10-15 2020-02-28 昆明理工大学 一种考虑语言态度和双语教学的语言竞争模型的建模仿真方法
CN111027794A (zh) * 2019-03-29 2020-04-17 广东小天才科技有限公司 一种听写作业的批改方法及学习设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102103852A (zh) * 2009-12-22 2011-06-22 康佳集团股份有限公司 一种音频评分方法、装置及卡拉ok播放器
CN102214462A (zh) * 2011-06-08 2011-10-12 北京爱说吧科技有限公司 用于发音评估的方法和系统
CN102737012B (zh) * 2011-04-06 2015-09-30 赛恩倍吉科技顾问（深圳）有限公司 文本信息对比方法及系统
CN105354188A (zh) * 2015-11-18 2016-02-24 成都优译信息技术有限公司 用于翻译教学系统的批量评分方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102103852A (zh) * 2009-12-22 2011-06-22 康佳集团股份有限公司 一种音频评分方法、装置及卡拉ok播放器
CN102737012B (zh) * 2011-04-06 2015-09-30 赛恩倍吉科技顾问（深圳）有限公司 文本信息对比方法及系统
CN102214462A (zh) * 2011-06-08 2011-10-12 北京爱说吧科技有限公司 用于发音评估的方法和系统
CN105354188A (zh) * 2015-11-18 2016-02-24 成都优译信息技术有限公司 用于翻译教学系统的批量评分方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
何恒飞: "主观题智能阅卷的关键技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
吴起: "《期刊工作与二十一世纪 全国高校图书馆第七次期刊工作学术研讨会论文集》", 31 August 1999, 物价出版社 *
张威: "《口译语料库的建设与应用理论、方法与实践》", 31 December 2013, 北京语言大学出版社 *
韩安琪: "基于改进编辑距离的字符串相似算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
高定国 等: "《藏文信息处理的原理与应用》", 31 December 2014, 西南交通大学出版社 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111027794A (zh) * 2019-03-29 2020-04-17 广东小天才科技有限公司 一种听写作业的批改方法及学习设备
CN111027794B (zh) * 2019-03-29 2023-09-26 广东小天才科技有限公司 一种听写作业的批改方法及学习设备
CN110136543A (zh) * 2019-04-26 2019-08-16 北京大米科技有限公司 在线教学互动方法、相关设备、存储介质以及系统
CN110852088A (zh) * 2019-10-15 2020-02-28 昆明理工大学 一种考虑语言态度和双语教学的语言竞争模型的建模仿真方法
CN110852088B (zh) * 2019-10-15 2022-09-20 昆明理工大学 一种考虑语言态度和双语教学的语言竞争模型的建模仿真方法

Similar Documents

Publication Publication Date Title
CN101084500B (zh) 用于输入和搜索非罗马字母表字符的计算机实现的方法和系统以及相关搜索系统
US20170213469A1 (en) Digital media content extraction and natural language processing system
Xu Terminology preparation for simultaneous interpreters
CN107368469A (zh) 一种越南语教学评分方法及其所应用的越南语学习平台
Sabtan et al. Teaching Arabic machine translation to EFL student translators: A case study of Omani translation undergraduates
Huang et al. Examining the text quality of English/Chinese bilingual children’s picture books
KR101671179B1 (ko) 온라인 교육서비스 제공서버의 온라인 교육서비스 제공방법
Abbas et al. An assistive environment for EAL academic writing using formulaic sequences classification
KR102149935B1 (ko) 8품사 및 문장 내 사용역할로 성분을 구분하는 단순도해법을 이용한 영어문장 학습 서비스 제공 방법
Cavalli-Sforza et al. Arabic readability research: current state and future directions
CN113011154A (zh) 一种基于深度学习的作业查重方法
CN110390032B (zh) 一种手写作文的批阅方法及系统
Preradović et al. Learner corpus of Croatian as a second and foreign language
Grenoble et al. Language standardization in the aftermath of the Soviet language empire
Pilán et al. Exploring word embeddings and phonological similarity for the unsupervised correction of language learner errors
Young et al. Evaluation of the Potential Usage of ChatGPT for Providing Easier Reading Materials for ESL Students
McAllister et al. Interested Complicities
Sun et al. Research on grammar checking system using computer big data and convolutional neural network constructing classification model
Burns Assessment and instruction in multilingual classrooms
Aleedy et al. Towards deep learning-powered chatbot for translation learning
Lu et al. Practical Research on Corpus-based Translation Teaching Modes of College English
König Automating vocabulary tests and enriching online courses for language learners
Appel Lexical bundles in university EAP exam writing samples: CAEL test essays
Wang Online Corpus Construction of English Text Collection, Data Cleaning, and Similarity Analysis
Hazelbeck et al. A Corpus-based e-learning system for Japanese vocabulary

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20171121