随着近年来教育体系的不断变革,英语考试对阅读材料时效性和内容多样性的要求逐步提高,如何科学指导学生对海量文本数据进行挑选,寻找到适合自己阅读能力的英文文本,提高英语阅读能力,具有很强的实际意义。然而,现有的英语分级系统或算法,分级特征很多都停留在浅层数据特征,对文本难度表征不够,导致文本分类分级精确度较差,同时还存在现有分级系统数据库静态,不能满足材料时效性的问题。因此,本文构建了基于语法知识的英文文本分级和读物推荐系统,一方面搭建语法分析引擎用于提取文本语法知识;另一方面基于该引擎输出的语法现象,在传统阅读难度评估参数的基础上加入语法特征,实现文本分级算法的改进。最后,基于文本的分级评估,结合协同过滤推荐算法搭建基于语法知识的英文文本分级推荐系统。首先,为了提取文本语法知识,本文开发了语法分析引擎,对英语文本进行语法知识的自动解析。根据专业英语教师总结的树状语法知识图谱,本文基于NLP(Natural Language Processing,自然语言处理)工具的词性标注、依存句法、命名实体识别等结果,实现知识图谱中语法知识点的按种类逐条覆盖,将输入文本自动解析为常见的语法知识点。经过实验测试,底层NLP工具选用spa Cy解析效果最好,对于小学范围内的英文文本进行语法分析,能够达到80%以上的正确率,且速度最快,等待时间在秒级范围内。其次,基于语法分析引擎,本文进行了现有文本分级算法的研究和改进。为了提高分级精确度和召回率,本文在现有的文本阅读难度评估特征基础上,将语法分析引擎的解析结果提取转化为若干语法知识相关的词法、句法参数特征,更好地表征文本阅读级数,并利用多分类器集成学习构建分级模型。在真实的数据集上,实验证明,基于语法知识的改进分级模型,文本分级效果优于基于传统特征构建模型的分级效果。最后,基于上述研究,本文设计了基于语法知识的文本分级和推荐系统。系统分为三个分区,文本阅读难度评估分区利用分级算法获取文本难度评估值,读者阅读能力评估分区基于读者检测题的测评情况生成用户阅读能力评估值,最后的个性化推荐分区根据读者阅读能力,实现为读者个性化推荐英文文本。本文设计的系统可以支持对任意文本的语法解析和阅读分级,满足了阅读材料时效性的要求,填补了国内分级系统的空白,改进了现有分级算法,为分级推荐模型研究奠定了基础。