儿童识字用汉语文本的难度算法
儿童识字用汉语文本的难度算法。
详见代码仓库。
思路#
以儿童阅读入门兼识字为假设情境，主要估测文本的识读难度，而不是理解难度。
因而主要依赖字频表，以及对识字过程的经验与先验假设（实测-调参）。详见代码注释。
输出每篇文本的5个值：字数；字种；文难度；句难度；分句难度；单字难度。如下，两首诗及其所得数值：
| 文本 | 字数 | 字种 | 文难度 | 句难度 | 分句难度 | 单字难度 |
|---|---|---|---|---|---|---|
| 解落三秋叶，能开二月花。过江千尺浪，入竹万竿斜。 | 20 | 20 | 2273.82 | 1136.91 | 568.46 | 113.69 |
| 灞原风雨定，晚见雁行频。落叶他乡树，寒灯独夜人。 | 20 | 20 | 2290.09 | 1145.05 | 572.52 | 114.50 |
你可以使用这些值，根据实际需要构建排序算法。
实测效果还不错，目前可用于辅助文本难易排序。（实际上没有做多少实测-调参工作，也就是说，预计不会有严重的过拟合问题。）
参考#
- Readability, or textual difficulty
- List of readability tests
- How Long Does It Take to Remember a Word?
-
Linguistic experts suggest that if you encounter a word 12-times through a year, your brain will store the piece of information as a long-term memory.
-