報告內容：
主題： LSBert Lexical Simplification Based on BERT
摘要 :
在美國Newsela能將英文新聞按學生程度進行難易度調整，但目前分級主要以母語人士為主，所以難度只有國小到國中的程度可以做選擇，且文章主題有限，因此本文提出一種改良既有自然語言模型LSBert的新模型，來針對各程度使用者調整不同難易度的文章。擬將LSBert與各技術結合，如n-gran、NER詞性標註、TF-IDF、Word2Vec、Transformer、Bag of words等技術，開發出一個能更準確調整出使用者程度的文章之模型。
索引詞 :
AI學英文、英文適性學習、LSBert、
I. 介紹
在市面上，目前關於英文適性學習平台，最有名的就是Newsela，但該平台的程度分級受眾主要是以英文為母語人士做分級，所以該平台的程度分級範圍只侷限在國小到國中這個範圍內。本文擬開發出一個受眾較廣的模型，供大眾使用。而本文會使用到的模型與LSBert有高度相關，該模型能夠辨識文章中的複雜詞，能將複雜詞轉換成簡單詞，而本文期待能使模型達到適性學習的效果，所以會依據使用者程度，將整篇文章不符合使用者程度之單詞轉換成符合使用者程度之文章。
II. 相關工作
探討目前現有技術，先介紹何為Lexicalsimplification(LS)，再來介紹該系統，該系統流程分為三個步驟，複雜詞識別(CWI)、替代生成(SG)、替代排名(SR)。現有的詞法簡化（LS）