CN109977408A - 基于深度学习的英语阅读分级和读物推荐系统的实现方法 - Google Patents
基于深度学习的英语阅读分级和读物推荐系统的实现方法 Download PDFInfo
- Publication number
- CN109977408A CN109977408A CN201910239394.9A CN201910239394A CN109977408A CN 109977408 A CN109977408 A CN 109977408A CN 201910239394 A CN201910239394 A CN 201910239394A CN 109977408 A CN109977408 A CN 109977408A
- Authority
- CN
- China
- Prior art keywords
- reading
- english text
- english
- classification
- text
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000013135 deep learning Methods 0.000 title claims abstract description 20
- 238000011156 evaluation Methods 0.000 claims abstract description 15
- 238000012549 training Methods 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 9
- 238000013145 classification model Methods 0.000 claims description 6
- 230000035484 reaction time Effects 0.000 claims description 3
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 239000000463 material Substances 0.000 description 6
- 241001062009 Indigofera Species 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/211—Syntactic parsing, e.g. based on context-free grammar [CFG] or unification grammars
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/237—Lexical tools
- G06F40/247—Thesauruses; Synonyms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Economics (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明公开了一种基于深度学习的英语阅读分级和读物推荐系统的实现方法，包括以下步骤：通过文本阅读难度评级模块评估各英文文本的阅读难度等级，同时通过阅读者阅读能力评估模块评估阅读者的阅读能力等级，推荐系统实现模块根据英文文本的阅读难度等级及阅读者的阅读能力等级向阅读者推荐与其阅读能力等级相匹配的英文文本，该方法实现文本阅读难度与阅读者阅读能力的匹配。
Description
技术领域
本发明属于人工智能和自然语言处理相结合的领域，涉及一种基于深度学习的英语阅读分级和读物推荐系统的实现方法。
背景技术
教育过程中，为学习者推荐与其学习能力和兴趣匹配的英文文本，是现实生活中，费时费力的一项工作，处于同一年级的孩子，学习能力往往也存在很大的差异，如何针对阅读者的阅读能力，以及文本的阅读难度进行较理想的阅读区间的推荐，具有极强的现实意义。
关于阅读分级系统的实现方法，已经存在公开发表过的专利和现有系统：
1)CN 108984531 A专利中，提出了基于语文教材的图书阅读难度方法及系统，是一种基于语文教材的图书阅读难度分级的方法，包括获取各等级的语文教材的内容；识别语文教材内容并生成各等级教材的评估因子的评估因子值，根据该评估因子值得出阅读难度等级评估参考值；获取待评估图书内容；识别图书内容并生成待评估图书的评估因子的评估因子值；待评估因子值与阅读难度等级评估参考值进行相似度评估，生成待评估图书的整体相似性度量值；判断该评估图书内容是否含有负面内容。其对于待评估图书的分级主要采用不同等级的教材作为参考值，与哪个等级的教材评估因子值相近，则归为该类。
2)CN 107506346 A专利中，公开了一种基于机器学习的中文阅读难度分级方法及系统，引入了句长、词长、语义、句子、篇章以及主题特征作为复杂度的指标，使阅读难度分级技术适用于中文，符合中文的语言特点。
3)现有的英语分级推荐系统，以“蓝思”和“AR”两大阅读分级系统为代表。这两大系统已经对数十万种英文儿童、青少年读物进行了分级评估，在两大系统的官网输入书名就可以查找一本书的分级数据，为选书作为参考。AR系统是经过对整本书的文本内容分析，结合平均句子长度、平均单词长度、词汇难度、全书单词数四个数据分析得出的分级结果。而蓝思系统，也作为目前应用广泛的分级阅读体系，相比AR系统用四个参考值来评定一本书的语言难度，蓝思主要参考词汇的常见度(以词汇频率衡量，在6亿词汇量的语库中，计算出某一词汇在每百万词出现次数的对数，并以此对数作为词汇频率)和句子长度，一本书的词语越是常见常用，句子越是短小简单，这本书的“蓝思指数”也就越低。
现有专利都是针对中文的语言特征进行的分级系统构建，而英文本身与中文在语言特点上存在着极大的不同，两者不具有很好的扩展性。并且，这两篇专利只是针对文本阅读难度进行了评级，只涉及针对语文文本特征所设计的文本难度分级，并不支持对阅读者阅读能力进行评估，并将两个评估值进行难度区间的匹配，以此来为阅读者进行合理的读物推荐。
而现有的AR、蓝思等英语分级系统，虽然被广泛应用，但是比较适用于将英语作为第一语言的学习者，而且针对的往往是课外阅读读物，对于将英语作为第二语言的非英文环境下的中国学习者，给出的评级往往不够准确，而且并不支持查询者自主输入文本，以此来进行输入文本的等级评定。同时，存在分级特征较少的问题，仅基于整本书的文本内容分析，结合平均句子长度、平均单词长度、词汇难度、全书的单词数进行定位分级，因此不能较好的实现文本阅读难度与阅读者阅读能力的匹配。
发明内容
本发明的目的在于克服上述现有技术的缺点，提供了一种基于深度学习的英语阅读分级和读物推荐系统的实现方法，该方法实现为用户推荐的英文文本的阅读难度等级与用户的阅读能力等级相匹配。
为达到上述目的，本发明所述的基于深度学习的英语阅读分级和读物推荐系统的实现方法包括以下步骤：
通过文本阅读难度评级模块评估各英文文本的阅读难度等级，同时通过阅读者阅读能力评估模块评估阅读者的阅读能力等级，推荐系统实现模块根据英文文本的阅读难度等级及阅读者的阅读能力等级向阅读者推荐与其阅读能力等级相匹配的英文文本。
通过文本阅读难度评级模块评估英文文本的阅读难度等级的具体操作过程为：
1a)利用fastText算法训练文本分类模型；
2a)在各类别下，训练得到对应的分级模型，当英文文本的词汇量超过预设数量时，则利用深度学习算法进行英文文本的分级；当英文文本的词汇量小于等于预设数量时，则构建衡量阅读难度层次的特征集，所述衡量阅读难度层次的特征集包括{词汇量、词频、句子平均词汇量、词汇常见度、句子平均结构难度、句子基本句型种类、各种句型的出现频度}，然后将该特征集输入到现有的文本分类模型中进行训练，得该类别下的分级模型；
3a)将待评估的英文文本输入到训练后的文本分类模型中，再根据分类结果，将分类结果及其待评估的英文文本输入到步骤2a)中训练得到的该类别下的分级模型中，得待评估英文文本的分类分级结果，再将待评估英文文本的分类分级结果作为所属类别下英文文本的阅读难度等级评估值，然后将该英文文本及其该英文文本的分类分级结果存储于数据库中。
通过阅读者阅读能力评估模块评估阅读者的阅读能力等级的具体操作为：
1b)利用深度学习技术自动生成待评估英文文本的测试题，所述待评估英文文本的测试题包括主旨题、词汇题、句子结构或语序题、文章信息题及观点态度题；
2b)根据阅读者对测试题的正确率、答题时的反应时间比例以及文章的阅读时间进行阅读者的阅读能力评估，得阅读者的阅读能力评估值，然后将阅读者的信息及其对应的阅读能力评估值存储于数据库中。
推荐系统实现模块根据英文文本的阅读难度等级评估值及阅读者的阅读能力评估值向阅读者推荐与其阅读能力等级相匹配的英文文本的具体操作为：
1c)获取用户感兴趣的类型及英文文本的阅读能力评估值，当用户没有输入其感兴趣的类型时，则随机为该用户分配一个感兴趣的类型，同时在数据库中查找该用户所选类别下的阅读能力评估值，当在数据库中找到该用户所选类别下的阅读能力评估值时，则转至步骤3c)；当在数据库中没有找到该用户所选类别的阅读能力评估值时，则转至步骤2c)；
2c)将所选类别下中等级别的英文文本推送给用户，并根据用户对该英文文本的阅读评估值利用二分法进行调整，直到得到用户最终的阅读能力评估值为止，然后转至步骤3c)；
3c)根据用户的英文文本阅读能力评估值构建难度区间，其中，所述难度区间的上限为由用户的英文文本阅读能力评估值增加15％得到，难度区间的下限为由用户的英文文本阅读能力评估值减少15％得到，然后将该难度区间对应的英文文本推送给用户。
步骤2a)中的词汇量为英文文本中所有单词的总数量；
步骤2a)中的词频为各单词在英文文本中出现的次数；
步骤2a)中的句子平均词汇量为总的词汇量与英文文本中句子数量的比例；
步骤2a)中的词汇常见度为英文文本中常见词汇列表中的单词数量与该英文文本的词汇量的比值；
步骤2a)中句子平均结构难度为英文文本中各句子依存关系深度值的总和与该英文文本所含句子数量的比例，其中，英文文本中各句子依存关系深度值通过stanfordcoreNLP工具包获得。
本发明具有以下有益效果：
本发明所述的基于深度学习的英语阅读分级和读物推荐系统的实现方法在具体操作时，通过获取阅读者的阅读能力等级及英文文本的阅读难度等级，从而向阅读者推荐与自身阅读能力等级相匹配的英文文本，为用户推荐的英文文本的阅读难度等级与用户的阅读能力等级相匹配，操作方便、简单，综合考虑用户的阅读能力及英文文本的阅读难度，使得向阅读者推荐的英文文本更加符合阅读者的阅读能力。
附图说明
图1为本发明的流程图；
图2为本发明实例中分级特征集的构建过程的示意图；
图3为本发明实例中自动检测题生成过程的示意图。
具体实施方式
下面结合附图对本发明做进一步详细描述：
参考图1，本发明所述的基于深度学习的英语阅读分级和读物推荐系统的实现方法包括以下步骤：
通过文本阅读难度评级模块评估各英文文本的阅读难度等级，同时通过阅读者阅读能力评估模块评估阅读者的阅读能力等级，推荐系统实现模块根据英文文本的阅读难度等级及阅读者的阅读能力等级向阅读者推荐与其阅读能力等级相匹配的英文文本。
具体的，针对不同题材的英文读物，分级是不同的，有些人擅长阅读冒险类小说，该类别下的读物阅读能力级别可能很高，但对于其它的题材，比如说明文，对应的级别应该较低，这样才能更合理的进行分配。同时，针对不同特征的文本，可以采用不同的方法，如文本词汇量较低的文本，可以采用传统的机器学习算法，如SVM、朴素贝叶斯分类算法、最大熵等；对于词汇量多的本发明则采用深度学习的方法，如：fastText算法。
通过文本阅读难度评级模块评估英文文本的阅读难度等级的具体操作过程为：
1a)利用fastText算法训练文本分类模型，其中，当英文文本为绘本画册的形式，则需要利用OCR(光学字符识别)技术进行文字的提取；
2a)在各类别下，当英文文本的词汇量超过500字时，则利用深度学习算法进行英文文本的分级；当英文文本的词汇量小于等于500字时，则构建衡量阅读难度层次的特征集，参考图2，所述衡量阅读难度层次的特征集包括{词汇量、词频、句子平均词汇量、词汇常见度、句子平均结构难度、句子基本句型种类、各种句型的出现频度}，然后将该特征集输入到现有的文本分类模型中进行训练，得该类别下的分级模型；
步骤2a)中的词频为各单词在英文文本中出现的次数；步骤2a)中的句子平均词汇量为总的词汇量与英文文本中句子数量的比例；步骤2a)中的词汇常见度为英文文本中常见词汇列表中的单词数量与该英文文本的词汇量的比值；步骤2a)中句子平均结构难度为英文文本中各句子依存关系深度值的总和与该英文文本所含句子数量的比例，其中，英文文本中各句子依存关系深度值通过stanford coreNLP工具包获得。
3a)将待评估的英文文本输入到训练后的文本分类模型中，再根据分类结果，将分类结果及其待评估的英文文本输入到步骤2a)中训练得到的该类别下的分级模型中，得待评估英文文本的分类分级结果，再将待评估英文文本的分类分级结果作为所属类别下英文文本的阅读难度等级评估值，然后将该英文文本及其该英文文本的分类分级结果存储于数据库中。
通过阅读者阅读能力评估模块评估阅读者的阅读能力等级的具体操作为：
1b)利用深度学习技术自动生成待评估英文文本的测试题，所述待评估英文文本的测试题包括主旨题、词汇题、句子结构或语序题、文章信息题及观点态度题，测试题的具体生成方法简要说明如图3所示：主旨题：利用文本主题发现的结果；词汇题：进行相近同义词的替换选择；句子结构或语序题：利用依存句法分析结果；文章信息题：利用文章连词前后位置句子的关系结果；观点态度题：利用情感分析分类算法的结果。
2b)根据阅读者对测试题的正确率、答题时的反应时间比例以及文章的阅读时间进行阅读者的阅读能力评估，得阅读者的阅读能力评估值，然后将阅读者的信息及其对应的阅读能力评估值存储于数据库中。
具体的，推荐系统实现模块根据英文文本的阅读难度等级评估值及阅读者的阅读能力评估值向阅读者推荐与其阅读能力等级相匹配的英文文本的具体操作为：
1c)获取用户感兴趣的类型及英文文本的阅读能力评估值，当用户没有输入其感兴趣的类型时，则随机为该用户分配一个感兴趣的类型，同时在数据库中查找该用户所选类别下的阅读能力评估值，当在数据库中找到该用户所选类别下的阅读能力评估值时，则转至步骤3c)；当在数据库中没有找到该用户所选类别的阅读能力评估值时，则转至步骤2c)；
2c)将所选类别下中等级别的英文文本推送给用户，并根据用户对该英文文本的阅读评估值利用二分法进行调整，直到得到用户最终的阅读能力评估值为止，然后转至步骤3c)；
3c)根据用户的英文文本阅读能力评估值构建难度区间，其中，所述难度区间的上限为由用户的英文文本阅读能力评估值增加15％得到，难度区间的下限为由用户的英文文本阅读能力评估值减少15％得到，然后将该难度区间对应的英文文本推送给用户。
Claims (5)
1.一种基于深度学习的英语阅读分级和读物推荐系统的实现方法，其特征在于，包括以下步骤：
通过文本阅读难度评级模块评估各英文文本的阅读难度等级，同时通过阅读者阅读能力评估模块评估阅读者的阅读能力等级，推荐系统实现模块根据英文文本的阅读难度等级及阅读者的阅读能力等级向阅读者推荐与其阅读能力等级相匹配的英文文本。
2.根据权利要求1所述的基于深度学习的英语阅读分级和读物推荐系统的实现方法，其特征在于，通过文本阅读难度评级模块评估英文文本的阅读难度等级的具体操作过程为：
1a)利用fastText算法训练文本分类模型；
2a)在各类别下，训练得到对应的分级模型，当英文文本的词汇量超过预设数量时，则利用深度学习算法进行英文文本的分级；当英文文本的词汇量小于等于预设数量时，则构建衡量阅读难度层次的特征集，所述衡量阅读难度层次的特征集包括{词汇量、词频、句子平均词汇量、词汇常见度、句子平均结构难度、句子基本句型种类、各种句型的出现频度}，然后将该特征集输入到现有的文本分类模型中进行训练，得该类别下的分级模型；
3a)将待评估的英文文本输入到训练后的文本分类模型中，再根据分类结果，将分类结果及其待评估的英文文本输入到步骤2a)中训练得到的该类别下的分级模型中，得待评估英文文本的分类分级结果，再将待评估英文文本的分类分级结果作为所属类别下英文文本的阅读难度等级评估值，然后将该英文文本及其该英文文本的分类分级结果存储于数据库中。
3.根据权利要求1所述的基于深度学习的英语阅读分级和读物推荐系统的实现方法，其特征在于，通过阅读者阅读能力评估模块评估阅读者的阅读能力等级的具体操作为：
1b)利用深度学习技术自动生成待评估英文文本的测试题，所述待评估英文文本的测试题包括主旨题、词汇题、句子结构或语序题、文章信息题及观点态度题；
2b)根据阅读者对测试题的正确率、答题时的反应时间比例以及文章的阅读时间进行阅读者的阅读能力评估，得阅读者的阅读能力评估值，然后将阅读者的信息及其对应的阅读能力评估值存储于数据库中。
4.根据权利要求3所述的基于深度学习的英语阅读分级和读物推荐系统的实现方法，其特征在于，推荐系统实现模块根据英文文本的阅读难度等级评估值及阅读者的阅读能力评估值向阅读者推荐与其阅读能力等级相匹配的英文文本的具体操作为：
1c)获取用户感兴趣的类型及英文文本的阅读能力评估值，当用户没有输入其感兴趣的类型时，则随机为该用户分配一个感兴趣的类型，同时在数据库中查找该用户所选类别下的阅读能力评估值，当在数据库中找到该用户所选类别下的阅读能力评估值时，则转至步骤3c)；当在数据库中没有找到该用户所选类别的阅读能力评估值时，则转至步骤2c)；
2c)将所选类别下中等级别的英文文本推送给用户，并根据用户对该英文文本的阅读评估值利用二分法进行调整，直到得到用户最终的阅读能力评估值为止，然后转至步骤3c)；
3c)根据用户的英文文本阅读能力评估值构建难度区间，其中，所述难度区间的上限为由用户的英文文本阅读能力评估值增加15％得到，难度区间的下限为由用户的英文文本阅读能力评估值减少15％得到，然后将该难度区间对应的英文文本推送给用户。
5.根据权利要求3所述的基于深度学习的英语阅读分级和读物推荐系统的实现方法，其特征在于，步骤2a)中的词汇量为英文文本中所有单词的总数量；
步骤2a)中的词频为各单词在英文文本中出现的次数；
步骤2a)中的句子平均词汇量为总的词汇量与英文文本中句子数量的比例；
步骤2a)中的词汇常见度为英文文本中常见词汇列表中的单词数量与该英文文本的词汇量的比值；
步骤2a)中句子平均结构难度为英文文本中各句子依存关系深度值的总和与该英文文本所含句子数量的比例，其中，英文文本中各句子依存关系深度值通过stanford coreNLP工具包获得。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910239394.9A CN109977408A (zh) | 2019-03-27 | 2019-03-27 | 基于深度学习的英语阅读分级和读物推荐系统的实现方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910239394.9A CN109977408A (zh) | 2019-03-27 | 2019-03-27 | 基于深度学习的英语阅读分级和读物推荐系统的实现方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109977408A true CN109977408A (zh) | 2019-07-05 |
Family
ID=67081027
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910239394.9A Pending CN109977408A (zh) | 2019-03-27 | 2019-03-27 | 基于深度学习的英语阅读分级和读物推荐系统的实现方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109977408A (zh) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110472236A (zh) * | 2019-07-23 | 2019-11-19 | 浙江大学城市学院 | 一种基于注意力机制的双向gru文本可读性评估方法 |
| CN110517272A (zh) * | 2019-08-29 | 2019-11-29 | 电子科技大学 | 基于深度学习的血细胞分割方法 |
| CN111078874A (zh) * | 2019-11-29 | 2020-04-28 | 华中师范大学 | 基于随机子空间的决策树分类的对外汉语难度评估方法 |
| CN111507062A (zh) * | 2020-04-14 | 2020-08-07 | 天津洪恩完美未来教育科技有限公司 | 文本的展示方法及装置、系统、存储介质、电子装置 |
| CN111860121A (zh) * | 2020-06-04 | 2020-10-30 | 上海翎腾智能科技有限公司 | 一种基于ai视觉下的阅读能力辅助评估方法及系统 |
| CN111860122A (zh) * | 2020-06-04 | 2020-10-30 | 上海翎腾智能科技有限公司 | 一种现实场景下的阅读综合行为的识别方法及系统 |
| CN111914174A (zh) * | 2020-08-07 | 2020-11-10 | 上海梅斯医药科技有限公司 | 一种医学信息推荐方法及系统 |
| CN112347239A (zh) * | 2020-11-12 | 2021-02-09 | 方正株式(武汉)科技开发有限公司 | 一种基于大数据的图书匹配方法、系统、服务器及存储介质 |
| CN113076481A (zh) * | 2021-04-22 | 2021-07-06 | 同济大学 | 一种基于成熟度技术的文献推荐系统及方法 |
| CN113343690A (zh) * | 2021-06-22 | 2021-09-03 | 北京语言大学 | 一种文本可读性自动评估方法及装置 |
| CN113420213A (zh) * | 2021-06-23 | 2021-09-21 | 洪恩完美(北京)教育科技发展有限公司 | 儿童英语绘本的阅读推荐方法、设备及存储介质 |
| CN113609103A (zh) * | 2021-08-17 | 2021-11-05 | 山西传世科技有限公司 | 一种基于ai的交互式阅读支持数据库构建方法及系统 |
| CN114547154A (zh) * | 2022-04-26 | 2022-05-27 | 成都迈杰世教育咨询有限公司 | 一种智能交互式英语训练方法、系统及计算机可读介质 |
| CN114818921A (zh) * | 2022-04-26 | 2022-07-29 | 北京思源智通科技有限责任公司 | 一种多维度图书分级方法、系统、可读介质及设备 |
| WO2023137917A1 (zh) * | 2022-01-21 | 2023-07-27 | 平安科技（深圳）有限公司 | 基于分类模型的文本难度分类方法、装置及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100021830A (ko) * | 2008-08-18 | 2010-02-26 | 이호원 | 외국어 도서의 독서 학습 관리 시스템 및 그 방법 |
| CN105068993A (zh) * | 2015-07-31 | 2015-11-18 | 成都思戴科科技有限公司 | 一种评估文本难度的方法 |
| CN107506346A (zh) * | 2017-07-10 | 2017-12-22 | 北京享阅教育科技有限公司 | 一种基于机器学习的中文阅读难度分级方法及系统 |
| CN109523194A (zh) * | 2018-12-14 | 2019-03-26 | 深圳市小柠檬教育科技有限公司 | 汉语阅读能力测评方法、装置及可读存储介质 |
-
2019
- 2019-03-27 CN CN201910239394.9A patent/CN109977408A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100021830A (ko) * | 2008-08-18 | 2010-02-26 | 이호원 | 외국어 도서의 독서 학습 관리 시스템 및 그 방법 |
| CN105068993A (zh) * | 2015-07-31 | 2015-11-18 | 成都思戴科科技有限公司 | 一种评估文本难度的方法 |
| CN107506346A (zh) * | 2017-07-10 | 2017-12-22 | 北京享阅教育科技有限公司 | 一种基于机器学习的中文阅读难度分级方法及系统 |
| CN109523194A (zh) * | 2018-12-14 | 2019-03-26 | 深圳市小柠檬教育科技有限公司 | 汉语阅读能力测评方法、装置及可读存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 我爱猫咪魔法袋: "给孩子选择合适的英文读物，不得不提一下蓝思分级", 《个人图书馆》 * |
Cited By (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110472236A (zh) * | 2019-07-23 | 2019-11-19 | 浙江大学城市学院 | 一种基于注意力机制的双向gru文本可读性评估方法 |
| CN110517272A (zh) * | 2019-08-29 | 2019-11-29 | 电子科技大学 | 基于深度学习的血细胞分割方法 |
| CN110517272B (zh) * | 2019-08-29 | 2022-03-25 | 电子科技大学 | 基于深度学习的血细胞分割方法 |
| CN111078874A (zh) * | 2019-11-29 | 2020-04-28 | 华中师范大学 | 基于随机子空间的决策树分类的对外汉语难度评估方法 |
| CN111078874B (zh) * | 2019-11-29 | 2023-04-07 | 华中师范大学 | 基于随机子空间的决策树分类的对外汉语难度评估方法 |
| CN111507062A (zh) * | 2020-04-14 | 2020-08-07 | 天津洪恩完美未来教育科技有限公司 | 文本的展示方法及装置、系统、存储介质、电子装置 |
| CN111860121A (zh) * | 2020-06-04 | 2020-10-30 | 上海翎腾智能科技有限公司 | 一种基于ai视觉下的阅读能力辅助评估方法及系统 |
| CN111860122A (zh) * | 2020-06-04 | 2020-10-30 | 上海翎腾智能科技有限公司 | 一种现实场景下的阅读综合行为的识别方法及系统 |
| CN111860122B (zh) * | 2020-06-04 | 2023-10-13 | 上海翎腾智能科技有限公司 | 一种现实场景下的阅读综合行为的识别方法及系统 |
| CN111860121B (zh) * | 2020-06-04 | 2023-10-24 | 上海翎腾智能科技有限公司 | 一种基于ai视觉下的阅读能力辅助评估方法及系统 |
| CN111914174A (zh) * | 2020-08-07 | 2020-11-10 | 上海梅斯医药科技有限公司 | 一种医学信息推荐方法及系统 |
| CN111914174B (zh) * | 2020-08-07 | 2021-07-02 | 上海梅斯医药科技有限公司 | 一种医学信息推荐方法及系统 |
| CN112347239A (zh) * | 2020-11-12 | 2021-02-09 | 方正株式(武汉)科技开发有限公司 | 一种基于大数据的图书匹配方法、系统、服务器及存储介质 |
| CN113076481A (zh) * | 2021-04-22 | 2021-07-06 | 同济大学 | 一种基于成熟度技术的文献推荐系统及方法 |
| CN113076481B (zh) * | 2021-04-22 | 2022-05-13 | 同济大学 | 一种基于成熟度技术的文献推荐系统及方法 |
| CN113343690A (zh) * | 2021-06-22 | 2021-09-03 | 北京语言大学 | 一种文本可读性自动评估方法及装置 |
| CN113343690B (zh) * | 2021-06-22 | 2024-03-12 | 北京语言大学 | 一种文本可读性自动评估方法及装置 |
| CN113420213A (zh) * | 2021-06-23 | 2021-09-21 | 洪恩完美(北京)教育科技发展有限公司 | 儿童英语绘本的阅读推荐方法、设备及存储介质 |
| CN113609103A (zh) * | 2021-08-17 | 2021-11-05 | 山西传世科技有限公司 | 一种基于ai的交互式阅读支持数据库构建方法及系统 |
| WO2023137917A1 (zh) * | 2022-01-21 | 2023-07-27 | 平安科技（深圳）有限公司 | 基于分类模型的文本难度分类方法、装置及存储介质 |
| CN114818921A (zh) * | 2022-04-26 | 2022-07-29 | 北京思源智通科技有限责任公司 | 一种多维度图书分级方法、系统、可读介质及设备 |
| CN114547154B (zh) * | 2022-04-26 | 2022-08-26 | 成都迈杰世教育咨询有限公司 | 一种智能交互式英语训练方法、系统及计算机可读介质 |
| CN114547154A (zh) * | 2022-04-26 | 2022-05-27 | 成都迈杰世教育咨询有限公司 | 一种智能交互式英语训练方法、系统及计算机可读介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109977408A (zh) | 基于深度学习的英语阅读分级和读物推荐系统的实现方法 | |
| CN107491531B (zh) | 基于集成学习框架的中文网络评论情感分类方法 | |
| Cummins et al. | Constrained multi-task learning for automated essay scoring | |
| CN109829166B (zh) | 基于字符级卷积神经网络的民宿顾客意见挖掘方法 | |
| CN112905739B (zh) | 虚假评论检测模型训练方法、检测方法及电子设备 | |
| CN111160037A (zh) | 一种支持跨语言迁移的细粒度情感分析方法 | |
| El-Halees | Mining opinions in user-generated contents to improve course evaluation | |
| CN109949637B (zh) | 一种客观题目的自动解答方法和装置 | |
| CN107315738A (zh) | 一种文本信息的创新度评估方法 | |
| KR102201709B1 (ko) | 국어 텍스트 자동 분석을 통한 독해지수 측정 방법 및 시스템 | |
| CN103020249A (zh) | 分类器的构建方法及装置、中文文本情感分类方法及系统 | |
| CN110968708A (zh) | 一种教育信息资源属性标注方法及系统 | |
| CN110377802B (zh) | 一种新增试题的知识点标注方法及系统 | |
| Agarwal et al. | Autoeval: A nlp approach for automatic test evaluation system | |
| Fauziah et al. | Lexicon Based Sentiment Analysis in Indonesia Languages: A Systematic Literature Review | |
| CN115329085A (zh) | 一种社交机器人分类方法及系统 | |
| CN111666374A (zh) | 一种在深度语言模型中融入额外知识信息的方法 | |
| CN114493783A (zh) | 一种基于双重检索机制的商品匹配方法 | |
| CN117573894B (zh) | 一种基于知识图谱的资源推荐系统及方法 | |
| CN113934814B (zh) | 古诗文主观题自动评分方法 | |
| CN104794168B (zh) | 一种知识点关联方法及系统 | |
| CN113934850A (zh) | 融合文本分布律特征的中文文本可读性评价方法及系统 | |
| CN115860283B (zh) | 基于知识工作者画像的贡献度预测方法及装置 | |
| Qi et al. | Application of LDA and word2vec to detect English off-topic composition | |
| CN116720509A (zh) | 一种学生教学评价领域情感词典的构建方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190705 |