用于评估菲律宾语教育文本阅读难度的多样化语言特征
计算与语言
2021-08-03 v1 机器学习
摘要
为确保学习的质量、有效性、流畅性与理解力，应正确识别阅读材料的难度等级。在本文中，我们描述了利用该语言最多样化的语言特征集，开发基于自动机器学习的菲律宾语教育文本可读性评估模型的过程。结果表明，使用随机森林 (Random Forest) 模型在准确率方面取得了 62.7% 的高性能，而在使用由传统预测因子与基于音节模式的预测因子构成的最优特征组合时，准确率达到 66.1%。
引用
@article{arxiv.2108.00241,
title = {Diverse Linguistic Features for Assessing Reading Difficulty of Educational Filipino Texts},
author = {Joseph Marvin Imperial and Ethel Ong},
journal= {arXiv preprint arXiv:2108.00241},
year = {2021}
}
备注
Accepted at ICCE 2021