Resumen

Según el problema de la baja eficiencia y la baja precisión de puntuación del sistema tradicional de puntuación del lenguaje oral, este estudio construye un modelo de evaluación oral abierto basado en los principios básicos de la tecnología de aprendizaje profundo. En primer lugar, se introducen los métodos básicos de la red neuronal convolucional (CNN) y la red neuronal de memoria a corto plazo (LSTM). Luego, combinamos la red neuronal convolucional (CNN) y la red neuronal de memoria a corto plazo (LSTM) para diseñar un modelo de puntuación oral abierto basado en CNN+LSTM, que divide el modelo de evaluación oral en el modelo de puntuación de habla y el modelo de puntuación de texto y realiza una implementación específica de los dos modelos de puntuación, respectivamente. Luego se construye un entorno experimental para preprocesar los datos, y finalmente, se entrena y simula el modelo construido en este estudio. Los resultados experimentales muestran que el modelo de evaluación de red CNN+LSTM tiene un mejor rend

• Materias:Colonias de abejas artificiales Inteligencia artificial Patrón espacial Innovación de la comunicación Algoritmo de red neuronal
• Subjects:Artificial bee colonies Artificial intelligence Spatial pattern Communication innovation Neural network algorithm
• Palabras claves:Sistema de puntuación de lenguaje oral tradicional; Tecnología de aprendizaje profundo; Red neuronal convolucional; Memoria a corto plazo a largo plazo; Modelo de puntuación oral abierto
• Keywords:Traditional; Oral language scoring system; Deep learning technology; Convolutional neural network; Long short-term memory; Open oral scoring model