基於階層式編碼架構之文本可讀性預測

A Hierarchical Encoding Framework for Text Readability Prediction

以教育的角度來看，為了幫助學生獲得更好的習效果，對每個年級安排適當的難度文本是非常重要的。因此，長久以來，陸續有許多學術機構致力於可讀性模型或特徵的研究。為了解決這個問題，在解決這個問題，在先前的研究常使用一些人為定義的特徵，例如難詞頻率或字數等特徵來對文本進行可讀性難易程度預測。然而，這些特徵可能太淺層而不能表示文本的語法、語意或更深層的內涵。近期，由於深度學習或表示學習技術的蓬勃發展，使得更有代表性的語言特徵能從文本中被萃取出來增進可讀難易程度準確。延伸此技術發展趨勢，在本論文中我們設計並實作出具有階層式編碼的類神經網路來做為可讀性預測模型，以擷取在文本中的詞彙到語句、意和結構表示資訊。性預測模型，以擷取在文本中的詞彙到語句、語句到文本的語意和結構表示資訊。此外，我們並嘗試在此模型中額外加入傳統的人為定義特徵作為輔助資訊。從實驗結果可以發現，我們提出的可讀性預測模型具有良好效能表現，而加入傳統的人為定義特徵，亦可以進一步增其預測的準確性。

From an educational perspective, it is important to provide students of different grades with reading material of appropriate difficulty for better learning retention. To deal with this problem, it is common practice to use a set of handcrafted features, for example, hard word rate or word count, to distinguish articles into different readability levels. However, these traditional readability features are often too shallow to represent deeper semantic or syntactic structures of the articles. In view of this, we present a modeling approach that leverages a recurrent neural network to hierarchically encode both the semantic or syntactic structures of a given article for better readability classification. Furthermore, we also seek to make extra use of traditional handcrafted feature as side information to further boost the performance.