摘要：全国大学英语四六级考试作为国家标准化考试旨在测量大学生们的英语水平，对个人来说，四六级证书意味着更多的就业、升学机会和未来更多的晋升空间。对学校来说，要衡量学校英语教学质量，英语四六级通过率是重要的评价指标。但英语基础薄弱的学生拿到这个证书是相当困难的。经调查，他们大都是在仔细阅读（即阅读一篇文章后选出符合题意的选项）这一模块丢掉了太多分数，而这个模块却是试卷中占分数比例最大的。如果他们突破了阅读此类英语文章的困难，获得四级证书难度会大幅降低。

本文根据对英语历年四六级阅读文章真题的整理结果，将文章分为科技、财经、教育、生活、文化、时政六大类。基于这九大类利用CNN模型提取相应文章的特征集，最终抽象成向量化的样本集，然后将各篇处理好的准备评分的英文文章与训练好的模板进行相似度计算，若评分到达要求则进行归类并记录。训练完成后的模型能代替人脑来对文章进行高效率、低成本且精准的分类、打分，然后推荐高分文章到前端应用供学生们阅读学习。前端应用采取手机APP的方式，前台部分采用基于HTML5+MUI开发框架，后台则是通过搭建云服务器，采用JavaWeb技术处理与前台进行通信和数据库的连接，实现对文章的动态更新、对文章的评分以及用户的登录注册功能。

最终本文将实现一套完整的前后端推荐系统对海量的文章进行分类评分，遴选出最符合真题风格和贴近当前热门话题的文章来帮助学生们练习仔细阅读这一重要模块，从而提高四六级考试成绩。

 

关键词：英语四六级；基于内容推荐；TextRank；深度学习

 

目录

摘要

Abstract

引    言-1

1  绪论-2

1.1  研究背景-2

1.2  国内外研究现状-2

1.3  研究意义-3

1.4  本文内容组织架构-3

2  相关技术与算法-4

2.1  前端应用技术介绍-4

2.1.1  MUI框架-4

2.1.2  JavaWeb技术-4

2.2  后台推荐算法相关介绍-4

2.2.1  基于TextRank的关键词提取-4

2.2.2  Tensorflow-5

2.2.3  CNN模型-5

3  基于MUI和JavaWeb的APP设计和实现-6

3.1  系统总体架构-6

3.2  前端设计-6

3.3  数据库设计-8

3.4  后端设计-9

4  基于CNN模型的文章推荐系统设计和实现-13

4.1  语料收集和处理-13

4.2  数据预处理-13

4.3  模型训练-14

5  测试与分析-18

5.1 基于CNN模型的文章推荐功能测试过程描述-18

5.1.1  实验数据集-18

5.1.2  推送到前端应用效果-19

5.2  测试结果分析-28

5.2.1  检验指标-28

5.2.2  测试分析-28

结    论-29

参 考 文 献-30