In this paper, we describe our effo

In this paper, we describe our efforts to automatically identify the overlap between the student texts and the original source texts. We start by describing the corpus of student texts. Then we present a simple text classification method in which a human expert creates regular expressions to identify student sentences which correspond to a particular documents model category. In section 4, we evaluate Latent Semantic Analysis for classifying the student texts. Then we describe a machine learning approach to the classification problem, and finish with a comparison of the approaches.

Kết quả (Việt) 1:

Trong bài này, chúng tôi mô tả những nỗ lực của chúng tôi để tự động xác định sự chồng chéo giữa các văn bản cho sinh viên và các văn bản nguồn gốc. Chúng tôi bắt đầu bằng cách mô tả các văn thể của sinh viên văn bản. Sau đó, chúng tôi trình bày một phương pháp phân loại văn bản đơn giản trong đó một chuyên gia của con người tạo ra các biểu thức chính quy để xác định các sinh viên câu tương ứng với danh mục mô hình tài liệu cụ thể. Trong phần 4, chúng tôi đánh giá tiềm ẩn ngữ nghĩa phân tích cho phân loại văn bản cho sinh viên. Sau đó, chúng tôi mô tả một máy học cách tiếp cận cho vấn đề phân loại, và kết thúc với một so sánh của các phương pháp tiếp cận.

Kết quả (Việt) 2:

Trong bài báo này, chúng tôi mô tả những nỗ lực của chúng tôi để tự động xác định chồng chéo giữa các văn bản học sinh và các văn bản gốc. Chúng tôi bắt đầu bằng việc mô tả corpus của văn bản học sinh. Sau đó, chúng tôi trình bày một phương pháp phân loại văn bản đơn giản, trong đó một chuyên gia con người tạo ra biểu thức thông thường để xác định câu sinh viên tương ứng với một loại tài liệu mô hình cụ thể. Trong phần 4, chúng tôi đánh giá phân tích ngữ nghĩa tiềm ẩn để phân loại các văn bản học sinh. Sau đó, chúng tôi mô tả một cách tiếp cận máy học cho vấn đề phân loại, và kết thúc với một so sánh các phương pháp tiếp cận.