-
题名文本可读性的自动分析研究综述
被引量：17
- 1
-
-
作者
吴思远
蔡建永
于东
江新
-
机构
北京语言大学信息科学学院
北京语言大学对外汉语研究中心
北京语言大学汉语速成学院
-
出处
《中文信息学报》
CSCD
北大核心
2018年第12期1-10,共10页
-
基金
国家社会科学基金(17ZDA305)
中央高校基本科研业务费专项资金资助项目(17PT05)
-
文摘
文本可读性问题最初由教育学家提出,初衷是辅助教师为语言学习者推荐适合其阅读水平的文本。随着计算机技术的发展及网页文本的涌现,对文本进行可读性分析有了更加丰富的技术手段和应用场景。该文对可读性自动分析的相关研究进行了梳理,将可读性自动分析的方法总结为公式法、分类法和排序法三类;然后进一步介绍了可读性自动分析中的两项重要内容:文本特征的选择和数据集的使用;最后对可读性研究的发展方向进行展望。
-
关键词
文本可读性
可读性分析
特征提取
-
Keywords
text readability
readability analysis
feature selection
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名一个面向中文古诗词理解难易度的人工标注数据集
- 2
-
-
作者
刘磊
何苯
孙乐
-
机构
中国科学院大学计算机科学与技术学院
中国科学院软件研究所中文信息处理实验室
-
出处
《中文信息学报》
CSCD
北大核心
2020年第11期9-18,48,共11页
-
基金
中国科学院大学优秀青年教师能力提升项目。
-
文摘
向读者推荐阅读难度合适的古诗词有助于提升读者的诗词鉴赏能力。现阶段,围绕古诗词可读性自动化分析的相关研究的突出局限之一是缺乏大规模高质量的数据集。针对该问题,该文研究面向古诗词可读性自动化分析的数据集构建。该文作者对外开放了包含1915篇古诗词的标注阅读理解难度的数据集(1)。该文首先将数据集划分成易中难三级,构建数据集APRD;然后进一步细化标注,构建六级分类数据集APRD+。抽取教材中的诗词组成标准集,以年级为标准难度级别,计算标准集与APRD、APRD+之间的Spearman相关性,Spearman系数分别为0.786与0.804,表明该数据集标记结果与标准集具有较高一致性。该文提取了字频、注释数等古诗词特征,采用SVM、随机森林等算法进行了初步古诗词阅读理解难易度分类测试。文内提出的古诗词可读性数据集与实验结果可作为后续研究的测试基准。
-
关键词
中文古诗词
可读性分析
-
Keywords
ancient Chinese poetry
readability analysis
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
