对外汉语教学和个性化学习热潮的到来引起对外汉语阅读材料的需求量剧增,阅读材料越发丰富,编排难度设置合理的高质量对外汉语阅读材料能够为阅读理,解能力和水平不同的学习者提供更快速掌握一门语言的便利。因此本论文开展对外汉语阅读材料可读性自动评估研究。本文在借鉴已有的可读性评估研究基础上,从汉语本体角度综合考虑影响阅读材料难度的因素,应用自然语言处理技术和数据库管理技术提取对外汉语阅读材料的特征,结合统计机器学习方法对文本进行可读性评估。主要通过计算机文本分析工具对甄选有代表性的六套对外汉语中高级上下册教材文章和阅读材料进行自然语言处理,提取影响文本可读性的词语、语义、篇章等多个不同维度特征数据,构建可读性评估模型。本文的主要创新点如下:(1)从汉语本体角度考虑教材文本的可读性影响因素,主要甄选并提取词语、语义、篇章等多个大维度上的特征。在词语等级特征提取中,考虑到“同形多等级字”因素的影响处理重复数据并且结合《HSK词汇等级标准大纲》来确定词频。特征总数目达到48个,较为全面地提取专家编排教材的可读性设置渐变规律。另外分别从词语、语义、篇章和整体四大维度构建可读性评估模型,从具体维度进行具体分析,多层面评估阅读材料可读性。(2)利用SVM算法分别进行分类和回归建模,在回归模型中,通过均匀分割的方法解决设置可读性取值标签的问题,相比较专家评估方法成本更低,也能有效避免模型过拟合问卷样本中存在的局部性特征。在目前构建的模型中,在独立的测试集上实验结果显示,分类算法结果优于均匀标签后的回归方法。然而回归方法中均匀分配难度值对文章可读性设置更加细致且精度更高,在今后教材的不断改编和发展下,仍将作为一种适用于可读性评估的可行性方法。