摘要

本文探讨了针对第二语言（L2）学习者的文本可读性评估任务。该任务的主要挑战之一是缺乏大规模的分级注释数据。为此，我们收集了一个专为英语作为第二语言的学习者设计的CEFR分级文本数据集，并对母语使用者和第二语言学习者的文本可读性评估进行了研究。我们应用了一种泛化方法，将基于较大规模母语语料库训练的模型适应于估计学习者文本的可读性，并探索了领域适应和自学习技术，以利用母语数据来提高在有限的第二语言数据上的系统性能。实验结果表明，针对学习者文本可读性的最佳模型达到了0.797的准确率和0.938的相关系数（PCC）。