文档名：一个面向中文古诗词理解难易度的人工标注数据集
向读者推荐阅读难度合适的古诗词有助于提升读者的诗词鉴赏能力.现阶段,围绕古诗词可读性自动化分析的相关研究的突出局限之一是缺乏大规模高质量的数据集.针对该问题,本文研究面向古诗词可读性自动化分析的数据集构建.对外开放包含1915篇古诗词的标注阅读理解难度的数据集.首先将数据集划分成易中难三级,构建数据集APRD;然后进一步细化标注构建六级分类数据集APRD+.抽取教材中的诗词组成标准集,以年级为标准难度级别,计算标准集与APRD、APRD+之间的Spearman相关性分别为0.786与0.804,表明该数据集标记结果与标准集具有较高一致性.本文提取了字频、注释数等古诗词特征,采用SVM、随机森林等算法进行了初步古诗词阅读理解难易度分类测试.本文提出的古诗词可读性数据集与实验结果可作为后续研究的测试基准.
作者：刘磊 何苯 孙乐
作者单位：中国科学院大学计算机科学与技术学院,北京100049;中国科学院软件研究所中文信息处理实验室,北京100190中国科学院软件研究所中文信息处理实验室,北京100190
母体文献：第十八届中国计算语言学大会暨中国中文信息学会2019学术年会论文集
会议名称：第十八届中国计算语言学大会暨中国中文信息学会2019学术年会
会议时间：2019年10月18日
会议地点：昆明
主办单位：中国中文信息学会
语种：chi
分类号：
关键词：中文古诗词 可读性分析 人工标注 数据集
在线出版日期：2021年8月24日
基金项目：
相似文献
相关博文
- 文件大小:
- 794.07 KB
- 下载次数:
- 60
-
高速下载
|
