探索結合快速文本及卷積神經網路於可讀性模型之建立

Exploring Combination of FastText and Convolutional Neural Networks for Building Readability Models

可讀性模型可以自動估測文本的可讀性，幫助讀者去挑選符合自己閱讀能力的文件，以達到更好的學習效果。長久以來，研究人員致力於可讀性模型或特徵的研發，尤其近年來隨著表示學習法的蓬勃發展，使得訓練可讀性模型所需要的特徵可以不再需要仰賴專家，這也使得可讀性模型的發展有了一個嶄新的研究方向。然而，不同表示學習法所抽取出來的特徵各有所長，但過去的可讀性研究大多只用單一方法來訓練可讀性模型。因此，本論文嘗試利用類神經網路來融合卷積神經網路及快速文本兩種表示學習法，以訓練出一個能夠分析跨領域文件的可讀性模型，並可以因應文件內容多元主題的特性。從實驗結果可以發現本論文所提出的可讀性模型，其效能可略微勝出單一表示學習法所訓練的可讀性模型。