[发明专利]基于随机子空间的决策树分类的对外汉语难度评估方法

权利要求书

1.一种基于svm和bert模型的随机子空间特征选择的决策树分类的对外汉语难度评估方法，其特征在于，包括如下步骤：

S1、对对外汉语文章进行预处理；

S2、对于步骤S1预处理之后的对外汉语文章，根据对外汉语文章的长度,文章的易读性，文章的生词量生成多个特征；

S3、然后使用基于随机子空间的svm结合对包含所有上述特征的文章进行分类，得到置信度1；

S4、对于步骤S1预处理之后的对外汉语文章，通过BERT模型提取的encoding的-1层输出信息结果，再做average-max pooling处理，得到文章的多维encoding特征；

S5、将encoding特征,使用基于随机子空间的svm进行分类，得到置信度2；

S6、将得到的2个置信度，融合作为新的特征，用决策树来进行分类。

2.如权利要求1所述的基于svm和bert模型的随机子空间特征选择的决策树分类的对外汉语难度评估方法，其特征在于：

步骤S1中，对对外汉语文章进行预处理包括保存为txt格式。

3.如权利要求2所述的基于svm和bert模型的随机子空间特征选择的决策树分类的对外汉语难度评估方法，其特征在于：

步骤S1中，对对外汉语文章进行预处理包括删除文章中的空行。

4.如权利要求3所述的基于svm和bert模型的随机子空间特征选择的决策树分类的对外汉语难度评估方法，其特征在于：

步骤S1中，对对外汉语文章进行预处理包括对文章进行分句。

5.如权利要求4所述的基于svm和bert模型的随机子空间特征选择的决策树分类的对外汉语难度评估方法，其特征在于：

步骤S1中，分句为利用python将每篇文章以句子为单位进行切割，存储在list结构中，并且去除标点符号。

6.如权利要求1所述的基于svm和bert模型的随机子空间特征选择的决策树分类的对外汉语难度评估方法，其特征在于：

步骤S2中生成的多个特征包括总字数，总笔画数，段落数，总句数，生词数。

7.如权利要求1所述的基于svm和bert模型的随机子空间特征选择的决策树分类的对外汉语难度评估方法，其特征在于：

步骤S6中，将置信度1和置信度2使用求加权平均值，来作为这篇文章的综合输出。