論文の概要: Flesch-Kincaid Readability Depends Only on the Topic Distribution in Long Texts under Topic Models

• arxiv url: http://arxiv.org/abs/2608.23327v1
• Date: Mon, 24 Aug 2026 14:41:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 18:24:37.015412
• Title: Flesch-Kincaid Readability Depends Only on the Topic Distribution in Long Texts under Topic Models
• Title（参考訳）: Flesch-Kincaid可読性はトピックモデルに基づく長文のトピック分布にのみ依存する
• Abstract要約: Flesch Reading Ease(FRE)とFlesch-Kincaid Grade Level(FKGL)は、同じ2つの文書統計から計算された英語の可読性スコアとして広く使われている。 明示的な文境界トークンを持つトピックモデルでは、どちらのスコアも文書トピック分布の決定論的関数にほぼ確実に収束する。 すべてのスコア変動は、残留可読性信号ではなく、トピック合成によって媒介される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Flesch Reading Ease (FRE) and the Flesch-Kincaid Grade Level (FKGL) are widely used readability scores for English computed from the same two document statistics, yet their stability on long documents need not imply invariance to lexical composition. Surprisingly, under a topic model with an explicit sentence-boundary token, both scores converge almost surely to deterministic functions of the document topic distribution through just two scalar rates: in the long-text limit, all score variation is mediated by topical composition rather than any residual readability signal. The theory covers both formulae, while the experiments evaluate FKGL. In a fixed admixture with rank[1, q, s] = 3, fibres through interior topic vectors are locally (K-3)-dimensional, whereas regular iso-score level sets are locally (K-2)-dimensional and curved. In out-of-fold evaluation on two balanced corpora, Brown and the written BNC, a topic vector inferred from one document half's content words predicts the other half's FKGL at r = 0.779 and 0.884, respectively. On Brown, adding the topic prediction to genre and mean content-word syllable count yields $ΔR^2$ = 0.002, with a confidence interval spanning zero; on the BNC, the corresponding split-half increment is 0.024, positive in four of five K = 100 fits (median 0.021). Because inferred topics may also absorb genre, register, and style, we do not interpret these results as evidence about human readability or causal effects.
• Abstract（参考訳）: Flesch Reading Ease (FRE) と Flesch-Kincaid Grade Level (FKGL) は、同じ2つの文書統計から計算された英語の可読性スコアとして広く使われているが、長い文書の安定性は語彙構成に反するものではない。 意外なことに、明示的な文境界トークンを持つトピックモデルでは、どちらのスコアも2つのスカラーレートで文書トピック分布の決定論的関数にほぼ確実に収束する。 この理論は両方の公式をカバーし、実験はFKGLを評価する。 ランク[1, q, s] = 3 の固定された混合では、内部の話題ベクトルを通したファイバーは局所(K-3)次元であるのに対し、正規のアイソスコアレベル集合は局所(K-2)次元で曲線である。 2つのバランスの取れたコーパス、BrownとBNCのアウト・オブ・フォールド評価において、1つの文書の半分のコンテンツワードから推測されるトピックベクトルは、r = 0.779 と 0.884 で、残りの半分の FKGL をそれぞれ予測する。 Brown では、ジャンルと平均内容語音節数にトピック予測を加えると、0 にまたがる信頼区間を持つ$ΔR^2$ = 0.002 が得られる。 推測されたトピックは、ジャンル、登録、スタイルも吸収する可能性があるため、これらの結果は人間の可読性や因果効果の証拠として解釈することはできない。

関連論文リスト

• Measuring Alignment With Reader Highlights Net of Position and Length [1.8620637029128544]
  120のウェブ文書(少なくとも12の独立した読者)では、言語モデルに重点を置くランキングが38.4%と一致した隣人の19.9%に対して群衆マーク付き文を維持している。 GPT-5.4 (+0.002 [-0.081, +0.088]) と区別できない 0.182 に到達し、5以下となる。
  論文  参考訳（メタデータ） (2026-07-30T06:24:38Z)
• Beyond Similarity: Grounded Agentic Extraction and Expert-Adjudicated Evaluation of Intertextuality in Classical Chinese Histories [3.694051864521789]
  我々は、大言語モデルが2つのテキスト単位をフルに読み込むエージェントタスクとして、きめ細かいテクスチャ間抽出をリキャストする。 3つのドメインの専門家がプールされたマルチモデル候補を2,533対のテキスト間ペアのベンチマークに設定し、Analects と Book of Han を徹底的に比較する手法を検証する。
  論文  参考訳（メタデータ） (2026-07-30T02:34:23Z)
• CHiPS: Character Histograms and Positional Signals for Lightweight Authorship Attribution in Romanian Texts [0.0]
  CHiPSはルーマニア語のテキストに対する文字レベルの著者帰属法である。 CHiPSは筆記様式の2つの相補的な指紋を研究する。 CHiPS-Fはリークセーフな決定レベル融合型である。
  論文  参考訳（メタデータ） (2026-07-24T19:48:32Z)
• Amplifying, Not Learning: Fine-Tuned AI Text Detectors Amplify a Pretrained Direction [51.56484100374058]
  テキスト検出器は、事前訓練された典型軸を増幅する。 タスク監督前の生エンコーダでは、3つのアーキテクチャでNYT-vs-HC3 AUROC 0.806/0.944/0.834を達成する。 RoBERTaベースでは、生のプロジェクションは微調整を超えるが、RoBERTaベースでは、フル微調整は、試験された流線型人口の双方で生よりも識別を小さくする。
  論文  参考訳（メタデータ） (2026-05-20T19:08:38Z)
• DiffScore: Text Evaluation Beyond Autoregressive Likelihood [79.18228156703695]
  DiffScoreはMasked Large Diffusion Language Models上に構築された評価フレームワークである。 DiffScoreは、連続マスキングレートでテキストの回復可能性を測定することで、位置バイアスを排除している。 10のベンチマークでの実験によると、DiffScoreはゼロショットと微調整の両方で自動回帰ベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2026-05-12T06:27:36Z)
• HierBias: Context-Conditioned Hierarchical Media Bias Detection with Multi-Task Type Classification [6.417595716293325]
  階層型文脈条件メディアバイアス検出器である textbfHierBias を提示する。 文レベルの分類のベイズ誤差を厳密に減らすことは理論的に証明できる。
  論文  参考訳（メタデータ） (2026-04-29T18:33:42Z)
• Semantic Novelty at Scale: Narrative Shape Taxonomy and Readership Prediction in 28,606 Books [0.0]
  コーパススケールでの物語構造に関する情報理論的尺度として,各段落の文の埋め込みと前段落の走行セントロイドとのコサイン距離について紹介する。 PG19(1920年以前の英文学)の28,606冊の本に適用し、768次元のSBERT埋め込みを用いて段落レベルのノベルティ曲線を計算し、それぞれを16セグメントのPiecewise Aggregate Approximation (PAA)に還元する。 PAAベクトル上のウォード・リンク・クラスタリングは8つの標準的物語形アーチタイプを明らかにする。
  論文  参考訳（メタデータ） (2026-02-24T07:52:35Z)
• Prune Spatio-temporal Tokens by Semantic-aware Temporal Accumulation [89.88214896713846]
  STAスコアは、時間的冗長性と意味的重要性の2つの重要な要因を考慮に入れている。 市販のビデオトランスフォーマーとビデオウィンにSTAモジュールを適用する。 結果: Kinetics-400 と something-Something V2 は 30% のオーバーシェルフ削減を実現し,0.2% の精度低下を実現した。
  論文  参考訳（メタデータ） (2023-08-08T19:38:15Z)
• CTC-based Non-autoregressive Speech Translation [51.37920141751813]
  非自己回帰音声翻訳における接続性時間分類の可能性について検討する。 我々は、CTCによって誘導される2つのエンコーダからなるモデルを構築し、ソースおよびターゲットテキストを予測する。 MuST-Cベンチマークの実験では、我々のNASTモデルは平均BLEUスコアが29.5であり、スピードアップは5.67$times$である。
  論文  参考訳（メタデータ） (2023-05-27T03:54:09Z)
• Generalized Funnelling: Ensemble Learning and Heterogeneous Document Embeddings for Cross-Lingual Text Classification [78.83284164605473]
  emphFunnelling (Fun)は、最近提案された言語間テキスト分類手法である。 Emph Generalized Funnelling (gFun) はFunの一般化である。 gFunは、Funや最先端のベースラインよりも大幅に改善されていることを示す。
  論文  参考訳（メタデータ） (2021-09-17T23:33:04Z)
• Detecting Handwritten Mathematical Terms with Sensor Based Data [71.84852429039881]
  本稿では,手書きの数学的用語を自動分類する,スタビロによるUbiComp 2021チャレンジの解を提案する。 入力データセットには異なるライターのデータが含まれており、ラベル文字列は合計15の異なる文字から構成されている。
  論文  参考訳（メタデータ） (2021-09-12T19:33:34Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。