Automatisk lexikal textförenkling för personer med dyslexi : En anpassningsbar metod utifrån individers varierande språknivå

Detta är en Kandidat-uppsats från Linköpings universitet/Institutionen för datavetenskap

Sammanfattning: För att kunna tillgängliggöra information till alla grupper i samhället behöver texter kun- na anpassas utifrån olika individers språkliga nivå. Idag används många gånger manu- ell textförenkling vilket är en väldigt resurskrävande metod. Det finns därför ett behov av automatiskt textförenklande system (Saggion & Hirst, 2017). Syftet med detta arbete var att utforska hur ett automatiskt textförenklande system kunde anpassas för personer med dyslexi och deras individuella språkliga nivå. Ett gemensamt drag för personer med dyslexi är att de har svårt för avkodningen av ord (”Dyslexiförbundet”, u. å). Förenkling av texter görs då genom att byta långa ord mot kortare (Saggion & Hirst, 2017). Den språk- liga nivån kan däremot variera och vissa individer hjälps därför även av att komplexa, lågt förekommande ord byts ut till enklare, mer frekventa ord (Rello, Baeza-Yates, Dempere- Marco & Saggion, 2013). Utifrån denna teori utvecklades ett lexikalt förenklande system som viktade ordens längd mot frekvens för att skapa personligt anpassade synonymut- byten. Systemet utvärderades genom att analysera hur viktningen påverkade valet av sy- nonym i ett utbyte. Resultatet visade att viktningsfunktionen kan generera synonymer av olika komplexitet beroende på hur parametern justerades. De olika synonymalternativen skulle i sin tur kunna användas för att skapa individuellt anpassade textförenklingar. Vi- dare forskning krävs däremot för att avgöra hur viktningsfunktionen ska balanseras samt vilka inställningar på viktningsparametrarna som lämpar sig för olika individer.

  HÄR KAN DU HÄMTA UPPSATSEN I FULLTEXT. (följ länken till nästa sida)