A Statistical Model for Scientific Readability-paper

Posted 2021-01-28 rosyyy

monosyllable 单音节词

 

数据不公开： 　educational Web pages ，A total of 91 Web pages。Pages were grouped into three readability levels: KindergartenGrade2, Grade3-Grade5, and Grade6-Grade8

 

2. READABILITY METRICS

第一个是个初级中级学习者

第二个会比别的给的难度分更高

第三个用的更广

 

3. STATISTICAL LANGUAGE MODELS

线性模型广泛用于模型的组合，EM算法用来寻找最佳参数

线性插值公式来组合语言模型和句子长度模型：前者用ngram，后者考虑句长

1）unigram语言模型假设生成一个词的概率适合上下文无关的。虽然unigram模型在人类语言上效果不好，但是它们适合很多应用，有可以在小数据上训练的优点。

2）通过看某个特征的值是否和难度成正比或反比，来判断特征重要与否，最后得出句长特征很重要，公式法中单音节不适合该数据集；然后假设符合正态分布

 

4 实验

KF这种公式法只能得出最终属于哪个等级，但是我们的数据集并不含有这些等级。我们统计的方法可以给出概率这种soft metric。