汉语国际教育汉语文本分级及难度测查对比研究

针对通用型汉语国际教育用语料,目前已有的且开发较为完善的分级及难度测评工具有“中文助教TM”“国际汉语教材编写指南”和“汉语文本指难针”等。文章以经贸类材料为例,从功能特点、测查指标及依据、测查效果等方面对其中两套汉语文本难度测查系统进行对比分析,为商务汉语语言难易度测查及读物分级系统的建立提供一定参考。

基于事件结构的叙事性阅读文本智能分级评测探索

叙事性阅读文本筛选对于阅读学习的有效开展有着重要作用。在事件-状态语义模型的基础上,文章从篇章层面出发,对于叙事性文本的事件结构进行了本体和应用的研究,包括定义事件结构,并归纳其特点和类型,形式化描写事件结构,以部编版语文教材中叙事型文本作样本,抽取叙事文本常用事件结构特征,以1047篇叙事性文本作为文本库,分析叙事性文本、事件结构和事件层级等特征,发掘叙事型文本相关特征在阅读活动开展过程中的分布规律,探讨其对叙事性文本分级的影响。

基于《国际中文教育中文水平等级标准》的中文文本难度自动分级研究——以HSK中高级阅读文本为例

文本难度自动分级是指通过一系列计算机自动计算,实现对文本难度级别自动识别。该研究依托2021年发布的《国际中文教育中文水平等级标准》,提取其基本汉字、词汇、语法特征,使用基于BERT的神经网络预训练模型来提取文本语义特征,融合以上两类特征构建多维特征集,并对比多种特征组合方式以及多种机器学习算法对于HSK中高级阅读文本的难度分级效果。实验结果表明:随机森林算法对HSK中高级阅读文本分级效果最优;单一维度中,语义特征对文本难度识别精确率最高,词汇次之;《国际中文教育中文水平等级标准》对HSK中高级阅读文本具有较强指导意义。

中小学汉语阅读文本自动分级技术研究报告

为实现文本的自动化分级,引入当前自然语言处理领域中流行的神经网络语言模型进行文本难易度指标研究。通过采用长短期记忆单元所组成的循环神经网络和语文教材文本训练集构建语言模型,得到测试集的平均语句复杂度指标。最终对所得到的指标与文本难度等级进行相关性分析,以研究其对文本难易度的描述能力。实验结果表明:该指标与文本难度等级存在着很强的相关性,语句复杂度对于文本难度等级有着很强的指导性价值,同时语句复杂度对于文本可读性评估任务来说是一个拥有良好指向性的指标。

我国开展儿童分级阅读研究的探讨

对比分析了中美儿童分级阅读在研究主体、研究方法、研究应用上的差异,总结出我国儿童分级阅读的研究现状及出现的问题。提出了借鉴美国经验、立足我国国情开展儿童分级阅读的途径,包括组成多学科研究团队、制定科学的分级标准、全方位深入应用到儿童阅读教育中。

文本复杂度人工判断维度及其运用

文本复杂度是文本分级中的重要指标。文本复杂度的判断,目前以人工为主,判断指标主要有内容与主题、结构、语言、阅读所需知识背景等。在计算机探索文本复杂度计算方法的过程中,文本复杂度的人工判断主要用于校准计算机实验结果,调整计算方法等。当然,文本复杂度的人工判断维度及其运用研究,对日常教学也有启发意义,譬如加深对于文本的认识,提升文本选择的意识和能力,丰富对于学生阅读素养的观察视角等。

网络新闻敏感信息识别与风险分级方法研究

[目的/意义]正确处理网络新闻带来的安全风险是保障互联网信息安全的关键。当前网络敏感信息研究主要基于网络评论语境,识别过滤以关键词形式出现的不良信息,对敏感信息的敏感程度不能进行精细计算。[方法/过程]针对现有方法的缺陷,文章从网络新闻敏感信息的语义内涵出发,通过传统敏感词方法识别出新闻中的敏感信息,然后将BERT模型方法和语义分析方法相结合衡量新闻的敏感程度,进而评估新闻的风险水平。[结果/结论]实验表明,文章实现了网络新闻敏感信息识别和敏感程度计算,能够根据计算结果对新闻进行风险分级,提出有针对性的风险处理策略,对于有效应对网络新闻带来的安全隐患具有积极意义。