分类:阅读理解机以及难度度量

用机器学习来做阅读理解题，例如问答系统，已经是自然语言处理发展程度比较高的任务了。现在，我希望通过这样的阅读理解，除了回答一般的阅读理解问题，还能够回答WHWM问题，并且还能够对于篇章的阅读理解难度做一个指标。

研究背景

问答系统、自动摘要，甚至翻译，都可以看做是阅读理解系统。其基本原理就是条件语言模型：对来源文本做状态编码，然后根据对象文本的状态来产生文字（问答系统），或者根据来源文本的状态来产生对象文本（翻译、摘要）。当然，这个条件语言模型可以是encoder-decoder结构的，也可以是autoregression结构的。

但是，目前来说，大部分问答题都是能够从源文本中找到答案的问题，这些问题本身也没有通用性。为了度量文本阅读理解的难度，同时，真正地考察阅读理解——对信息的提取、选择和组织（抓住联系），其实可以问以下四个问题：文章主要表达了什么（What），怎么(How)表达的，为什么(Why)这样表达为什么表达这个，你觉得怎么样(Meaningful)。

另一方面，从现实的角度，当前的高考题，甚至其他阅读题，以及更一般的分级阅读，很有必要给一个难度指数。当然，这个指数可以包含用字词的难度来表示的部分，但是更加重要的是对文章整体理解的部分，也就是WHWM问题。

因此，在这里，我们希望能够得到一个既可以回答通常的阅读理解题又可以回答WHWM问题的机器，并且在得到这个机器之后，还能够用这个机器的状态来度量文章的整体阅读理解难度。

技术