简明俄语 / Понятный (простой) русский язык.

为什么需要这个

评估文本的可读性对于自动确定俄语文本的复杂度是必要的。

已完成的工作

有5种美国文本可读性评估算法，它们是：

• Flesch-Kinkaid - http://en.wikipedia.org/wiki/Flesch%E2%80%93Kincaid_readability_tests
• Dale-Chale可读性公式 - http://en.wikipedia.org/wiki/Dale%E2%80%93Chall_readability_formula
• Coleman-Liau指数 - http://en.wikipedia.org/wiki/Coleman%E2%80%93Liau_index
• SMOG - http://en.wikipedia.org/wiki/SMOG
• 自动可读性指数 - http://en.wikipedia.org/wiki/Automated_Readability_Index

收集了带有阅读水平标记的俄语文本，包括：

• 课外阅读文本；
• 专家标记的成人文本；
• 特别复杂的法律文本；
• 等等。

所有算法都经过了针对俄语的训练 - 每个公式都根据训练样本进行了特别调整。 对所有公式应用了允许它们适用于俄语文本的系数。

基于这些公式，开发了一个特殊的网络服务，允许传入文本或链接并评估其复杂度。

API如何工作

API可通过http://api.plainrussian.ru/api/1.0/ru/measure/访问， 需要传递url参数（用于链接）或text参数（作为文本）。

url参数通过GET请求传递，示例如下：

• http://api.plainrussian.ru/api/1.0/ru/measure/?url=http://minsvyaz.ru/ru/news/index.php?id_4=44264

简单文本示例：

• http://api.plainrussian.ru/api/1.0/ru/measure/?url=http://www.anekdot.ru/id/674877/

或者：

• http://api.plainrussian.ru/api/1.0/ru/measure/?url=http://www.gosuslugi.ru/pgu/cms/content/isr/view/00000000000/290/309&debug=1

结果如下所示：

{ metrics: { wsyllabes: { 1: 94, 2: 116, 3: 140, 4: 87, 5: 139, 6: 45, 7: 18, 8: 4, 15: 1 }, c_share: 32.142857142857146, chars: 6000, avg_slen: 46, spaces: 510, n_syllabes: 2232, n_words: 644, letters: 5170, n_sentences: 14, n_complex_words: 207, n_simple_words: 437, avg_syl: 3.4658385093167703 }, status: 0, indexes: { grade_SMOG: "研究生、第二学位、博士", grade_ari: "研究生、第二学位、博士", index_fk: 33.342906832298134, grade_cl: "研究生、第二学位、博士", grade_fk: "研究生、第二学位、博士", index_cl: 23.062857142857148, grade_dc: "研究生、第二学位、博士", index_dc: 30.300857142857147, index_ari: 32.11796894409938, index_SMOG: 34.046178356649776 } }

此外，可以使用text参数代替url参数，以便在请求中传递文本而不是文本的超链接。建议使用POST请求而不是GET请求，以避免URI大小限制。 以下是使用Python的requests库的示例：

import requests
text = "这里可以是您的文本"
response = requests.post("http://api.plainrussian.ru/api/1.0/ru/measure/", data={"text":text})
response.json()

参数含义：

indexes - 文本可读性指标集：

• grade_SMOG - 根据SMOG公式理解文本所需的教育水平，用人类语言表述
• grade_ari - 根据自动可读性指数公式理解文本所需的教育水平，用人类语言表述
• grade_cl - 根据Coleman-Liau公式理解文本所需的教育水平，用人类语言表述
• grade_fk - 根据Flesch-Kinkaid公式理解文本所需的教育水平，用人类语言表述
• grade_dc - 根据Dale-Chale公式理解文本所需的教育水平，用人类语言表述
• index_SMOG - 根据SMOG公式理解文本所需的教育水平，以1到无穷大的学习年数表示
• index_ari - 根据自动可读性指数公式理解文本所需的教育水平，以1到无穷大的学习年数表示
• index_cl - 根据Coleman-Liau公式理解文本所需的教育水平，以1到无穷大的学习年数表示
• index_fk - 根据Flesch-Kinkaid公式理解文本所需的教育水平，以1到无穷大的学习年数表示
• index_dc - 根据Dale-Chale公式理解文本所需的教育水平，以1到无穷大的学习年数表示

指标 - 从文本中计算得出的一组指标

• chars - 文本中的总字符数
• spaces - 文本中的空格数
• letters - 文本中的字母数
• n_words - 单词数
• n_sentences - 句子数
• n_complex_words - 超过4个音节的单词数
• n_simple_words - 4个音节及以下的单词数
• avg_slen - 每句话的平均单词数
• avg_syl - 每个单词的平均音节数
• c_share - 复杂单词占总单词数的百分比
• w_syllabes - 一个字典，包含音节数和具有该音节数的单词数量

如果传入参数debug=1，还会返回传入的文本值。

以下是一些用于训练的文本示例。

• 比安基《森林之家》，一年级 - http://api.plainrussian.ru/api/1.0/ru/measure/?url=http://plainrussian.ru/textsbygrade/1/bianki_lesdom.txt
• 阿斯塔菲耶夫《士兵》，九年级 - http://api.plainrussian.ru/api/1.0/ru/measure/?url=http://plainrussian.ru/textsbygrade/9/astafiev_soldier.txt 等许多文档。

• textmetric - 用于测量俄语简易程度的代码库

textmetric中的文本文件是经过特别挑选的，带有预先的年龄标记。这使得可以基于这些指标开发自己的可读性、简易性和可理解性分析算法。

textmetric/metrics.csv - 指标列表

• filename - textsbygrade文件夹中的文件名
• name - 文本标题
• grade - 理解文本所需的学习年限，专家评估
• index_fk_rus - 使用Flesch-Kinkaid公式测量的文本复杂度（以学习年限计）
• fk_grade_diff - Flesch-Kinkaid公式测量的复杂度与预设专家评估的差异
• index_cl_rus - 使用Coleman-Liau公式测量的文本复杂度（以学习年限计）
• cl_grade_diff - Coleman-Liau公式测量的复杂度与预设专家评估的差异
• index_dc_rus - 使用Dale-Chale公式测量的文本复杂度（以学习年限计）
• dc_grade_diff - Dale-Chale公式测量的复杂度与预设专家评估的差异
• index_SMOG_rus - 使用SMOG公式测量的文本复杂度（以学习年限计）
• SMOG_grade_diff - SMOG公式测量的复杂度与预设专家评估的差异
• index_ari_rus - 使用Automatic Readability Index公式测量的文本复杂度（以学习年限计）
• ari_grade_diff - Automatic Readability Index公式测量的复杂度与预设专家评估的差异
• chars - 文本中的字符数
• spaces - 空格数
• letters - 字母数
• n_syllabes - 总音节数
• n_words - 总单词数
• n_complex_words - 复杂单词数
• n_simple_words - 简单单词数
• n_sentences - 句子数
• c_share - 复杂单词占比（百分比）
• avg_syl - 每个单词的平均音节数
• avg_slen - 每个句子的平均单词数
• wsyllabes - 按音节数统计的单词频率字典，格式为{"音节数":"单词数"}