面向第二语言学习者的文本可读性评估
计算与语言
2019-06-19 v1
摘要
本文处理面向第二语言（L2）学习者的文本可读性评估任务。该任务的主要挑战之一是缺乏具有相当规模的等级标注数据。在本工作中，我们收集了一个为英语作为L2学习者定制的CEFR分级文本数据集，并研究了面向母语者与L2学习者的文本可读性评估。我们应用泛化方法将在较大母语语料上训练的模型适配以估计学习者文本可读性，并探索了领域自适应与自学习技术，以利用母语数据提升系统在有限L2数据上的性能。在我们的实验中，在学习者文本上可读性表现最佳的模型达到了0.797的准确率与0.938的PCC。
引用
@article{arxiv.1906.07580,
title = {Text Readability Assessment for Second Language Learners},
author = {Menglin Xia and Ekaterina Kochmar and Ted Briscoe},
journal= {arXiv preprint arXiv:1906.07580},
year = {2019}
}
备注
Proceedings of the 11th Workshop on Innovative Use of NLP for Building Educational Applications