简介:实用汉语水平认定考试(简称C.TEST)是用来测试母语非汉语的外籍人士在国际环境下社会生活以及日常工作中实际运用汉语能力的考试。由于C.TEST的考试题目公开,题库数量较小,所以通过一般标准化考试采用的在部分目标被试中实施预测(fieldtest)的方法来获取考试题目的难度参数存在困难。然而,人工神经网络技术作为现代人工智能研究的成果,在预测(prediction)领域发挥了很大作用。本文选取C.TEST(A—D级)的阅读理解题目作为研究材料,运用人工神经网络技术对其难度进行预测,得到了网络预测难度值与实际考试难度值显著相关的研究结果。这一结果表明,利用人工神经网络模型对语言测验的题目难度等参数进行预测是可行的。
简介:层次分析法的优点是程序明确,但是步骤繁多,句型不明。成分分析法正好相反。理想的析句法应该是程序明确而又步骤简化,以利于反映句子基本格局。从这一点出发,提出了“主干成分分析法”,它是层次分析法的简化:每一层的切分都有选择地进行,只向靠近谓语核心(一般指谓语动词)的地方切分,最后以切分出谓语核心为止。这样,切分m层后只得到(m+1)个成分,可称为“主干成分”。每个主干成分内部的成分是“支干成分”,它们同句型格局没有直接联系。这种析句法反映了“核心层次”的观念:以谓语核心为中心,其他主干成分一层一层围着它。主干成分分析法分析的结果,大致上同传统成分分析法相似。每个主干成分相当于一个“意群”,在句子中是“成块儿运用”的“备用单位”。