مشخصات مقاله | |
ترجمه عنوان مقاله | تحقیق در روش تشخیص و اصلاح خطا متنی بر اساس جامعه یادگیری آنلاین |
عنوان انگلیسی مقاله | Research on Text Error Detection and Repair Method Based on Online Learning Community |
انتشار | مقاله سال ۲۰۱۹ |
تعداد صفحات مقاله انگلیسی | ۷ صفحه |
هزینه | دانلود مقاله انگلیسی رایگان میباشد. |
پایگاه داده | نشریه الزویر |
نوع نگارش مقاله |
مقاله پژوهشی (Research Article) |
مقاله بیس | این مقاله بیس نمیباشد |
نوع مقاله | ISI |
فرمت مقاله انگلیسی | |
ایمپکت فاکتور(IF) |
۱٫۲۵۷ در سال ۲۰۱۸ |
شاخص H_index | ۴۷ در سال ۲۰۱۹ |
شاخص SJR | ۰٫۲۵۷ در سال ۲۰۱۸ |
شناسه ISSN | ۱۸۷۷-۰۵۰۹ |
مدل مفهومی | ندارد |
پرسشنامه | ندارد |
متغیر | ندارد |
رفرنس | دارد |
رشته های مرتبط | مهندسی کامپیوتر، مهندسی فناوری اطلاعات |
گرایش های مرتبط | معماری سیستم های کامپیوتری، اینترنت و شبکه های گسترده |
نوع ارائه مقاله |
ژورنال و کنفرانس |
مجله / کنفرانس | علوم کامپیوتر پروسیدیا-Procedia Computer Science |
دانشگاه | School of Computer, Central China Normal University, Hubei Wuhan 430070, China |
کلمات کلیدی | جامعه یادگیری آنلاین، خطاهای متنی چینی، تشخیص خطا معنایی، تشخیص خطا دستور زبانی، تشخیص خطا متنی |
کلمات کلیدی انگلیسی | Online learning community; Chinese text errors; Semantic error detection; Grammatical error detection; Text error correction |
شناسه دیجیتال – doi |
https://doi.org/10.1016/j.procs.2019.06.004 |
کد محصول | E12270 |
وضعیت ترجمه مقاله | ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید. |
دانلود رایگان مقاله | دانلود رایگان مقاله انگلیسی |
سفارش ترجمه این مقاله | سفارش ترجمه این مقاله |
فهرست مطالب مقاله: |
Abstract
۱٫ Introduction ۲٫ Text Error Detection and Repair Framework ۳٫ Text Error Detection and Repair Method Design ۴٫ Detection and Repair Effect Evaluation ۵٫ Conclusion Acknowledgement References |
بخشی از متن مقاله: |
Abstract
The short text in the online learning community is an important source of data in learning analysis. Therefore, the quality of the short text has a significant impact on the study of learning analysis. Due to the large amount of text data in the learning community, manual detection and repair will cost too much. This paper proposes a text detection and repair framework based on an online learning community. It aims to automatically detect and repair various types of semantic errors and grammatical errors that exist in online learning community short texts. The framework utilizes existing text error detection and repair algorithms and integrates them effectively to form a comprehensive detection and repair algorithm. In this paper, the validity of the framework is verified through experiments on the constructed data set. The experimental results show that the framework has high accuracy in automatically detecting and repairing text errors. Introduction Most of these data are short-text data (such as user questions, answers, comments, etc.). Therefore, in order to ensure the validity of short-text based learning analysis research, the study of textual error detection and repair of short texts in online learning communities is very It is necessary1 . Text errors mainly include semantic errors (such as real-word errors) and grammatical structure errors2 . These errors are usually caused by user’s input errors or insufficient user knowledge. Detecting and fixing these errors will help improve the effectiveness of learning analysis and research and ensure the successful application of learning and analysis techniques. |