Learning Domain-Specific, L1-Specific Measures of Word Readability

Improved readability ratings for second-language readers could have a huge impact in areas such as education, advertising, and information retrieval. We propose ways to adapt readability measures for users who (a) are proficient in a particular domain, and (b) have a particular native language (L1). Specifically, we predict the readability of individual words. Our learned models use a range of creative features based on diverse statistical, etymological, lexical, and morphological information. We evaluate on a corpus of computational linguistics articles divided according to seven L1s; we show that we can accurately predict the target readability scores in this domain. Our technique improves over several reasonable baselines. We provide an in-depth analysis showing which kinds of information are most predictive of word difficulty in different L1s, and show how this differs for style and content words. RÉSUMÉ. Une amélioration au niveau de la lisibilité linguistique pour les lecteurs de langue seconde pourrait avoir un impact énorme dans les domaines tels que celui de l’éducation, la publicité et des recherches d’information. Nous proposons des moyens d’adapter des mesures de lisibilité pour des utilisateurs qui (a) sont compétents dans un domaine particulier, et (b) ont une langue maternelle spécifique (L1). Plus précisément, nous prévoyons la lisibilité linguistique de mots individuels. Nos fonctions de prédiction utilisent une gamme de caractéristiques basée sur différentes informations statistiques, étymologique, lexicales et morphologiques. En évaluant sur un corpus d’articles en linguistique informatique répartis en sept L1s, nous démontrons que nous pouvons prédire avec précision une cible du niveau de lisibilité dans ce domaine. Nous fournissons une analyse en profondeur démontrant quels types d’informations sont plus prédictifs de la difficulté des mots dans différentes L1s. De plus, nous démontrons comment ceci diffère pour les mots de contenu et les mots grammaticaux.