CLaC @ QATS：文本简化质量评估
计算与语言
2017-08-22 v1
摘要
本文描述了我们参加 2016 年 QATS 质量评估共享任务的方法。我们训练了三个独立的随机森林分类器，以从语法性、意义保持性和简单性三个方面评估简化文本的质量。我们使用 Google-Ngram 语言模型作为特征来预测语法性。意义保持性通过两种基于词嵌入和 WordNet 同义词的互补方法进行预测。评估简单性方面则使用了更广泛的特征，包括 TF-IDF、句子长度和提示短语频率。总体而言，系统的准确率从整体方面的 33.33% 到语法性方面的 58.73% 不等。
引用
@article{arxiv.1708.05797,
title = {CLaC @ QATS: Quality Assessment for Text Simplification},
author = {Elnaz Davoodi and Leila Kosseim},
journal= {arXiv preprint arXiv:1708.05797},
year = {2017}
}
备注
In Proceedings of the Workshop Shared task on Quality Assessment for Text Simplification (QATS-2016), a workshop of the 10th Language Resources and Evaluation Conference (LREC-2016), pp. 53-56, May 23-28, Portoroz, Slovenia