基于对比学习的文本可读性分类方法、系统、设备和介质

本申请提供一种基于对比学习的文本可读性分类方法、系统、设备和介质，涉及自然语言处理领域，该方法包括：将获取的第一目标文本输入至预设的BERT模型，通过词嵌入将第一目标文本中的每个词转换为向量表示，得到多个词向量；对多个词向量进行编码确定初始特征向量；通过最大池化提取每个token最重要的单词信息，得到单词级别特征向量序列；基于对比学习来训练模型，得到成熟的目标分类器。本申请引入对比学习框架训练模型，训练过程既考虑整个句子的理解和语义信息的编码，也考虑单词级别的细节信息，增强模型对可读性细微差别的识别能力；本申请基于对比学习来学习文本的通用表示，提高了模型在不同数据集和应用场景下的特征集可移植性。