[發明專利]一種自適應的基于詞匯文本難度的生詞標注系統及方法

有效

• 申請號: 202110316129.3
• 申請日: 2021-03-24
• 公開（公告）號: CN112949259B
• 公開（公告）日: 2023-08-08
• 發明（設計）人: 蔣東辰;蔣翱遠;陳軼陽;康鑫;隗艷萍;孫艷
• 申請（專利權）人: 北京林業大學;廣州摩翼信息科技有限公司
• 主分類號: G06F40/143
• 分類號: G06F40/143;G06F40/194
• 代理公司: 北京科迪生專利代理有限責任公司 11251
• 代理人: 張乾楨

本發明提出一種自適應的基于詞匯文本難度的生詞標注方法及系統，所述方法包括以下步驟：步驟一、進行文本詞匯難度評估，計算詞匯w在包含N個詞語的文本text中出現n次的α概率分位數；步驟二、進行詞表對比，確定文本text中不在詞庫Lex的超綱詞匯，并將這些詞匯按照難度排序后存儲；步驟三、進行生詞標注，計算基于詞匯文本難度詞匯列表的累積詞匯量，并對超過難度要求的生詞進行標注；步驟四、進行文本難度評估，并給出文本難度提示信息。本發明既可以根據學習者所處的學習階段，也可以根據文本的具體用詞情況和學習者的真實水平，自動實現閱讀文本生詞的自動標注。

技術領域

本發明屬于計算機交互及計算機英語學習領域，特別涉及一種基于詞匯文本難度的生詞標注系統及方法。

背景技術

閱讀是學生提升語言能力的主要途徑，生詞是學生閱讀的主要障礙和提升方向。恰當的生詞標注將能夠有效降低學生學習的難度，增加學生的詞匯積累。為此，本發明將針對英文閱讀文本生詞標注提供一套系統及方法。

當前，針對學生英語閱讀的詞匯標注要么是有英語教師及編輯手動完成，要么是通過設置詞庫由計算機自動完成。手工標注的準確性極大的依賴于標注者對不同水平學生能力的把握，存在個體差異，容易出現錯標漏標等問題；同時，手工標注人力成本大，不適于大量的英語閱讀材料的處理標注。基于計算機詞庫的生詞標注采用一刀切的標注方法。這類方法效率高，但缺乏彈性。一些人名、地名和一些偶然出現的生詞并不會影響閱讀理解，但卻也會被標注。這將降低閱讀者的閱讀體驗，增加分心的關注點。

發明內容

為了解決上述技術問題，本發明提出一種自適應的基于詞匯文本難度的生詞標注系統及方法，既可以根據學習者所處的學習階段，也可以根據文本的具體用詞情況和學習者的真實水平，自動實現閱讀文本生詞的自動標注。

本發明的技術方案為：一種自適應的基于詞匯文本難度的生詞標注方法，其特征在于，包括以下步驟：

步驟一、進行文本詞匯難度評估，計算詞匯w在包含N個詞語的文本text中出現n次的α概率分位數；

步驟二、進行詞表對比，確定文本text中不在詞庫Lex的超綱詞匯，并將這些詞匯按照難度排序后存儲；

步驟三、進行生詞標注，計算基于詞匯文本難度詞匯列表的累積詞匯量，并對超過難度要求的生詞進行標注；

步驟四、進行文本難度評估，并給出文本難度提示信息。

進一步的，所述步驟一、進行文本詞匯難度評估，計算詞匯w在包含N個詞語的文本text中出現n次的α概率分位數；具體包括：

步驟1.1將文本text中的所有單詞變形轉化為原型形式，單詞變形包括：首字母大寫、動詞各種變形、名詞復數變形、形容詞/副詞比較級和最高級變形，假設文本中所有單詞的原型構成的集合為WordSet，轉步驟1.2；

步驟1.2統計文本text中各單詞原型出現的次數，使用Count(w)表示單詞w文本text中出現的次數，用T記錄文本中的總詞數，轉步驟1.3；

步驟1.3對WordSet中的每一個單詞w，利用公式textDif(w,text)＝α(w，n)I(w)計算單詞w在文本text中的難度，其中n＝Count(w)，轉步驟1.4；