阿拉伯语句子级可读性细粒度注释指南
计算与语言
2025-06-12 v3
摘要
本文提出了平衡阿拉伯语可读性评估语料库（BAREC）的注释指南，这是一个用于阿拉伯语句子级可读性评估的大型资源。BAREC 包含 69,441 句话（100 万+ 单词），按 19 个等级进行标签，从幼儿园到研究生阶段。基于 Taha/Arabi21 框架，我们通过与阿拉伯语母语教育者的迭代培训不断细化了指南。我们强调了确定可读性的关键语言、教育和认知因素，并报告了在最后一次注释阶段达到 81.8% 的二次加权 Kappa 值（表示高度/优秀的一致性）。我们还对跨多个分类粒度（19 级、7 级、5 级和 3 级）的自动可读性模型进行了基准测试。该语料库和指南均公开可用。
引用
@article{arxiv.2410.08674,
title = {Guidelines for Fine-grained Sentence-level Arabic Readability Annotation},
author = {Nizar Habash and Hanada Taha-Thomure and Khalid N. Elmadani and Zeina Zeino and Abdallah Abushmaes},
journal= {arXiv preprint arXiv:2410.08674},
year = {2025}
}
备注
Accepted at LAW-XIX at ACL 2025