An Empirical Analysis of Linguistic, Typographic, and Structural Features in Simplified German Texts
Alessia Battisti, Sarah Ebling, Martin Volk · Zurich Open Repository and Archive (University of Zurich) · 2019
We investigate a newly compiled corpus of simplified German texts for evidence of multiple complexity levels using unsupervised machine learning techniques.We apply linguistic features used in previous supervised machine learning research and additionally exploit structural and typographic characteristics of simplified texts.The results show a difference in complexity among the texts investigated, with optimal partitioning solutions ranging between two and four clusters.They demonstrate that both linguistic and structural/typographic features are constitutive of the clusters.Italiano.Esaminiamo un nuovo corpus di testi in tedesco semplificato per cercare delle evidenze relative a molteplici livelli di complessità utilizzando tecniche di apprendimento automatico non supervisionato.Applichiamo variabili linguistiche utilizzate in precedenti ricerche con apprendimento automatico supervisionato e sfruttiamo inoltre le caratteristiche strutturali e tipografiche dei testi semplificati.I risultati mostrano una differenza di complessità tra i testi analizzati, con suddivisioni ottimali variabili da due a quattro cluster.Ciò dimostra che sia le caratteristiche linguistiche sia quelle strutturali/tipografiche sono costitutive dei cluster.