基于python期刊论文

By Jiaxian Shi 英文文章的难度从直觉上来讲可以从以下两方面来定义： 句子的难易程度可以从句子的长度和复杂性（从句数量，嵌套）方面来考虑。词汇的难易程度可以从词汇的长度和使用频率（专业词汇，罕见词汇）方面来考虑。通过查阅维基百科等相关资料，发现目前普遍得到运用的可读性标准为Flesch–Kincaid可读性测试指标。Flesch–Kincaid可读性测试指标由两个指标构成：Flesch Reading Ease（FRE）和Flesch–Kincaid Grade Level（FKGL）。与我们的直觉一致，两者都使用了类似的方法：句子长度和词汇长度（由音节数确定，不单纯考虑字母数）。由于两个指标对句子长度和词汇长度所采取的权重不同（包括正负号），所以两个指标的意义相反：FRE数值越高，文章就越简单，可读性也越高。而FKGL数值越高，文章就越复杂，文章的可读性也就越低。 使用Python强大的自然语言处理（NLP）包NLTK，来实现下述3个功能： 其中，断句使用NLTK提供的非监督学习的预训练模型tokenizers/punkt/，分词则使用NLTK推荐的word_tokenize函数（使用TreebankWordTokenizer和PunktSentenceTokenizer模块），分音节则使用NLTK供的SyllableTokenizer模块。需要注意的是，分词会将标点符号分为一个单词，需要手动去除。同时，分音节时会讲英语中的连字符“-”分为一个音节，也需要手动去除。另外，文章需要进行预处理，去除回车符和空格，并将非标准标点符号转换为英文标准标点符号。 统计出句数，词数和音节数后，即可根据上文提供的公式计算出FRE和FKGL了。本程序使用4段不同类型的英文文章分别计算FRG和FKGL，并使用matplotlib模块绘制出柱状图已做比较。 文章： 比较结果如下图所示： 可以发现，文章的难度为：儿童文学<侦探小说<杂志文章<学术论文，这与我们的实际感受是一致的。

张若愚 Python 科学计算【M】.北京：清华大学出版社.2012

关于python外文参考文献举例如下：

1、A Python script for adaptive layout optimization of trusses.

翻译：用于桁架的自适应布局优化的Python脚本。

2、a python library to extract, compare and evaluate communities from complex networks.翻译：用于从复杂网络中提取，比较和评估社区的python库。

3、Multiscale finite element calculations in Python using SfePy.

翻译：使用SfePy在Python中进行多尺度有限元计算。

4、Python-based Visual Recognition Classroom.

翻译：基于Python的视觉识别教室。

5、High‐performance Python for crystallographic computing.

翻译：用于晶体学计算的高性能Python。

6、Python programming on win32.

翻译：Win32上的Python编程。

7、A Python package for analytic cosmological radiative transfer calculations.

翻译：一个用于分析宇宙学辐射传递计算的Python包。

Python genes get frantic after a meal.

翻译：饭后Python基因变得疯狂。

A Python toolbox for controlling Magstim transcranial magnetic stimulators.

翻译：用于控制Magstim经颅磁刺激器的Python工具箱。

参考资料来源：百度百科-参考文献

参考资料来源：中国知网-a python library