ACLApr, 2018

记忆增强神经网络的句子简化

PDF
TL;DR本文旨在借助神经机器翻译中的一种新方法 —— 神经语义编码器，对句子简化这一任务进行了研究，实验结果表明，该方法在不同简化数据集上的自动评估措施和人工评估方面都表现出了显著的效果。
sentence simplificationneural machine translationneural semantic encoderssimplification datasetshuman judgments
发现论文，激发创造
  • 一种用于句子简化的受限序列到序列神经模型

    通过结合单词级和句子级的简化方法，本研究提出了一个两步简化框架，并利用约束神经生成模型的方法对简化后的单词进行句子简化，取得了比各种基线模型更好的性能表现。

    Apr, 2017

  • 利用语义和神经方法实现简单有效的文本简化

    本论文提出了一种基于自动语义分析器的简单有效的句子分割算法，并通过神经机器翻译进行进一步微调的简化操作，其中采用语义分析为基础的分割方式可以有效地解决以往机器翻译的过于保守的问题，经过广泛的自动化和人工评估，该方法在词汇和结构简化方面表现优异。

    Oct, 2018

  • 基于语义相关性的神经网络文本摘要与简化

    本文介绍了一种基于语义相关性的神经模型，用于促进文本摘要和语言简化的源文本和简化文本之间高度的语义相似性。

    Oct, 2017

  • 深度强化学习下的句子简化

    使用编码器 - 解码器模型和深度强化学习框架，自动简化句子并保持其原有意思，实现简单易懂的阅读体验。

    Mar, 2017

  • 基于大型语言模型的句子简化

    本文使用零 / 少量数据训练的大型语言模型在众多基准测试集上进行了实验分析，结果表明 LLMs 优于最先进的句子简化方法，并被评为与人类标注者一致。

    Feb, 2023

  • 句子简化的动态多层多任务学习

    本文提出了一种基于序列到序列的句子简化模型，通过多任务学习及时改进其包含性和释义能力。文章还介绍了一种新的多层软共享方法，以及一种动态学习的多臂赌博机训练方法，实验结果表明我们的模型在语义相关任务上的表现优于竞争模型。

    Jun, 2018

  • EditNTS: 通过显式编辑的句子简化神经程序解释器模型

    这篇论文介绍了第一个基于神经程序解释器方法实现显式编辑操作（添加、删除和保留）的句子简化模型。与旧有的序列到序列机器翻译方法不同，该方法直接训练预测输入句子的目标部分的显式编辑操作，表现大幅度优于先前的最先进的神经句子简化模型，在人类评价方面也得到了肯定。

    Jun, 2019

  • 简化翻译的神经机器翻译

    这篇论文介绍了使用文本简化技术和神经机器翻译模型来提高深度学习翻译模型的学习能力，并通过实验验证了这种方法的有效性。

    Dec, 2016

  • 无监督神经文本简化

    本文提出了第一次尝试仅依赖于未标记文本语料库进行无监督神经文本简化的核心框架，由共享编码器和一对注意解码器组成，并通过基于鉴别和去噪的损失进行简化知识的获取，并使用从 en-Wikipedia 转储的未标记文本进行训练。我们在公共测试数据上进行的分析（包括定量和定性的人类评估）表明，所提出的模型可以在词汇和句法两个级别上进行文本简化，竞争现有的监督方法。此外，增加几个标记的对也进一步提高了性能。

    Oct, 2018

  • 句子简化的复杂度加权损失和多样化重排

    通过对序列到序列模型进行改进，将单词难度、生成多样性等因素纳入损失函数并在测试时使用多个简化候选项进行筛选、排序，成功提高了句子简化的质量，并取得了与最先进系统相媲美的自动化和人工评估成果。

    Apr, 2019