使用深度學習長短期記憶模型推薦適性化教材

張瑞益 ； 郭捷 ； 范莎惠

《資訊與管理科學》 11卷2期 (2018/12) Pp. 32-52

摘要

學生的閱讀水平、理解能力以及興趣愛好不同，要為他們推薦適合的課外閱讀教材，對教師來說是一項繁重的工作。若希望配合時事進行生活化教育，時效的限制，將讓適性化教材的推薦工作變得更加艱難。近年來，深度學習技術在各項應用獲得很大的關注，本論文提出一種基於深度神經網路中長短期記憶模型的文本可讀性預測方法，以此來推薦適性化教材。早期的類似研究多只採用簡單的語法及詞彙特徵去設計模型，沒有考慮到自然語言的詞彙間關係問題。因此本論文嘗試傳統研究中未考慮到的，除了選取文本的表面特徵、語法結構樹特徵和單詞特徵，並加入深度學習的詞向量特徵，開發一套具有適性化教材分級推薦和時事試題自動產生功能的數位學習系統。我們以多個資料集進行實驗，透過與前人方法的對比，驗證本研究的可行性。

關鍵字

深度學習 ； 可讀性 ； 詞向量 ； 數位學習

參考文獻

Sun, G.(2015).Research on readability prediction methods based on linear regression for Chinese documents.Nanjing University.

Brusilovsky, P.(1998).Adaptive hypertext and hypermedia.Dordrecht:Springer.

Dale, E., & Chall, J. S. (1948). A formula for predicting readability: Instructions. Educational research bulletin, 37-54.

Stenner, A. J.(1996).Measuring Reading Comprehension with the Lexile Framework.

Liu, Y.,Chen, K.,Tseng, H.,Chen, B.(2015).A Study of Readability Prediction on Elementary and Secondary Chinese Textbooks and Excellent Extracurricular Reading Materials.Proceedings of the 27th Conference on Computational Linguistics and Speech Processing.(Proceedings of the 27th Conference on Computational Linguistics and Speech Processing).