我们提出了一套新颖的神经网络监督和非监督方法，用于确定文档的可读性。在非监督设置中，我们利用了神经语言模型；而在监督设置中，则测试了三种不同的神经分类架构。研究表明，所提出的神经非监督方法具有鲁棒性，能够在不同语言之间进行迁移，并允许针对特定的可读性任务和数据集进行适应。通过系统地比较两种语言下的多个基准和新标注的可读性数据集上的几种神经架构，本研究还提供了对不同神经方法在可读性分类中的全面分析。我们揭示了这些方法的优势和劣势，并将其性能与当前最先进的可读性分类方法（大多数情况下仍依赖于广泛的特征工程）进行了对比，提出了改进的可能性。