[发明专利]一种自适应的基于词汇文本难度的生词标注系统及方法

说明书

本发明提出一种自适应的基于词汇文本难度的生词标注方法及系统，所述方法包括以下步骤：步骤一、进行文本词汇难度评估，计算词汇w在包含N个词语的文本text中出现n次的α概率分位数；步骤二、进行词表对比，确定文本text中不在词库Lex的超纲词汇，并将这些词汇按照难度排序后存储；步骤三、进行生词标注，计算基于词汇文本难度词汇列表的累积词汇量，并对超过难度要求的生词进行标注；步骤四、进行文本难度评估，并给出文本难度提示信息。本发明既可以根据学习者所处的学习阶段，也可以根据文本的具体用词情况和学习者的真实水平，自动实现阅读文本生词的自动标注。

技术领域

本发明属于计算机交互及计算机英语学习领域，特别涉及一种基于词汇文本难度的生词标注系统及方法。

背景技术

阅读是学生提升语言能力的主要途径，生词是学生阅读的主要障碍和提升方向。恰当的生词标注将能够有效降低学生学习的难度，增加学生的词汇积累。为此，本发明将针对英文阅读文本生词标注提供一套系统及方法。

当前，针对学生英语阅读的词汇标注要么是有英语教师及编辑手动完成，要么是通过设置词库由计算机自动完成。手工标注的准确性极大的依赖于标注者对不同水平学生能力的把握，存在个体差异，容易出现错标漏标等问题；同时，手工标注人力成本大，不适于大量的英语阅读材料的处理标注。基于计算机词库的生词标注采用一刀切的标注方法。这类方法效率高，但缺乏弹性。一些人名、地名和一些偶然出现的生词并不会影响阅读理解，但却也会被标注。这将降低阅读者的阅读体验，增加分心的关注点。

发明内容

为了解决上述技术问题，本发明提出一种自适应的基于词汇文本难度的生词标注系统及方法，既可以根据学习者所处的学习阶段，也可以根据文本的具体用词情况和学习者的真实水平，自动实现阅读文本生词的自动标注。

本发明的技术方案为：一种自适应的基于词汇文本难度的生词标注方法，其特征在于，包括以下步骤：

步骤一、进行文本词汇难度评估，计算词汇w在包含N个词语的文本text中出现n次的α概率分位数；

步骤二、进行词表对比，确定文本text中不在词库Lex的超纲词汇，并将这些词汇按照难度排序后存储；

步骤三、进行生词标注，计算基于词汇文本难度词汇列表的累积词汇量，并对超过难度要求的生词进行标注；

步骤四、进行文本难度评估，并给出文本难度提示信息。

进一步的，所述步骤一、进行文本词汇难度评估，计算词汇w在包含N个词语的文本text中出现n次的α概率分位数；具体包括：

步骤1.1将文本text中的所有单词变形转化为原型形式，单词变形包括：首字母大写、动词各种变形、名词复数变形、形容词/副词比较级和最高级变形，假设文本中所有单词的原型构成的集合为WordSet，转步骤1.2；

步骤1.2统计文本text中各单词原型出现的次数，使用Count(w)表示单词w文本text中出现的次数，用T记录文本中的总词数，转步骤1.3；

步骤1.3对WordSet中的每一个单词w，利用公式textDif(w,text)＝α(w，n)I(w)计算单词w在文本text中的难度，其中n＝Count(w)，转步骤1.4；