摘要

能够自动判定小说目标读者年龄段，为信息检索工具的发展提供了诸多机遇。首先，图书推荐系统与电子图书馆的开发者可能希望根据最可能的读者年龄对文本进行筛选。其次，家长在为儿童挑选读物时也将受益于此类技术。最后，对于作者和出版商而言，该技术有助于识别哪些文本特征会影响作品是否适合儿童阅读。本文比较了多种语言学特征在小说文本年龄分类任务中的实证有效性。为此，我们构建了一个包含书籍预告文本的语料库，其中每篇文本均标注为“儿童”或“成人”两类之一。我们评估了以下几类特征：可读性指数、情感倾向、词汇特征、语法特征、通用特征以及出版属性。实验结果表明，描述文本整体层面（文档级）的特征能够显著提升机器学习模型的性能。