[发明专利]一种新型文本可读性评估方法及系统

权利要求书

1.一种新型文本可读性评估方法，其特征在于，所述方法基于双通道神经网络模型，包括以下步骤：

步骤S1，提取需要评估的文本的语义稠密嵌入表示和句法稠密嵌入表示；

步骤S2，将提取到的语义稠密嵌入表示和句法稠密嵌入表示输入双通道神经网络模型中，实现特征的提取；

步骤S3，将提取出的特征进行结合，形成语义与语法的稠密嵌入表示；

步骤S4，将语义与语法的稠密嵌入表示输入至深度神经网络中进行预测，从而实现文本可读性的评估。

2.根据权利要求1所述的一种新型文本可读性评估方法，其特征在于，所述步骤S1中提取需要评估的文本的语义稠密嵌入表示是通过采用预训练语义模型生成。

3.根据权利要求2所述的一种新型文本可读性评估方法，其特征在于，所述步骤S1中提取需要评估的文本的句法稠密嵌入表示包括以下步骤：

提取需要评估的文本的语言特征并构建向量空间表示；

依据每个语言特征之间的关系构建出特征图；

将表示学习算法应用于所述特征图上，生成句法潜在空间；

运用矩阵向量乘法将语言特征向量投影到句法潜在空间上，从而形成句法稠密嵌入表示。

4.根据权利要求3所述的一种新型文本可读性评估方法，其特征在于，所述双通道神经网络模型包括DNN双通道模型和DNN-LSTM双通道模型。

5.根据权利要求4所述的一种新型文本可读性评估方法，其特征在于，所述步骤S2中对句法稠密嵌入表示进行特征提取是采用DNN双通道模型，主要具体包括以下步骤：

将句法稠密嵌入表示输入至DNN双通道模型的两层网络中；

依据预训练语义模型平均嵌入表示，将DNN双通道模型的两层输出内容与预训练语义模型嵌入矩阵的四层神经网络输出内容结合起来，从而实现句法稠密嵌入表示的特征提取。

6.根据权利要求5所述的一种新型文本可读性评估方法，其特征在于，所述步骤S2中对语义稠密嵌入表示进行特征提取是采用DNN-LSTM双通道模型，主要具体包括以下步骤：

将预训练语义模型嵌入到BiLSTM网络中，形成DNN-LSTM双通道模型；

将语义稠密嵌入表示输入所述DNN-LSTM双通道模型，所述DNN-LSTM双通道模型输出该语义稠密嵌入表示的特征。

7.一种新型文本可读性评估系统，其特征在于，所述系统包括：

第一提取模块，用于提取需要评估的文本的语义稠密嵌入表示和句法稠密嵌入表示；

双通道神经网络模型，用于对语义稠密嵌入表示和句法稠密嵌入表示进行特征提取；

结合模块，用于将提取出的特征进行结合，形成语义与语法的稠密嵌入表示；

深度神经网络模型，用于依据语义与语法的稠密嵌入表示对文本可读性进行评估。

8.根据权利要求7所述的一种新型文本可读性评估系统，其特征在于，所述第一提取模块包括：

存储模块，用于存储预训练语义模型；

第一构建模块，用于提取需要评估的文本的语言特征并构建向量空间表示；

第二构建模块，用于依据每个语言特征之间的关系构建特征图

第一生成模块，用于将表示学习算法应用于特征图上，生成句法潜在空间；

第二生成模块，用于运用矩阵向量乘法将语言特征向量投影到句法潜在空间上，从而生成句法稠密嵌入表示。

9.根据权利要求8所述的一种新型文本可读性评估系统，其特征在于，所述双通道神经网络模型包括DNN双通道模型和DNN-LSTM双通道模型。

10.根据权利要求9所述的一种新型文本可读性评估系统，其特征在于，所述DNN双通道模型包括：

输入模块，用于将句法稠密嵌入表示输入至DNN双通道模型的两层网络中；

特征提取模块，用于依据预训练语义模型平均嵌入表示，将DNN双通道模型的两层输出内容与预训练语义模型嵌入矩阵的四层神经网络输出内容结合起来，从而提取出句法稠密嵌入表示的特征。