Oct, 2018

整合 Transformer 模型与复述规则的句子简化

PDF
TL;DR本研究提出了一种基于多层和多头注意力架构的新颖模型，并提出了两种集成 Simple PPDB 的创新方法，实现对句子的简化。该研究表明，集成 Simple PPDB 的模型在句子简化中的表现优于现有基准模型，并能够准确定位并选择更精确的简化规则。
sentence simplificationattention architecturesimple ppdbparaphrase knowledge baserule utilization
发现论文，激发创造
  • 使用 Transformer 进行句子简化 -- 以五岁孩子的语言为解释

    本文使用预训练转换器模型探讨了简化句子的方法，并在 Mechanical Turk 数据集上结合 GPT-2 和 BERT 模型取得了 46.80 的最佳 SARI 得分，明显优于之前的最新研究成果。

    Dec, 2022

  • 明确的复述控制文本简化

    提出了一种新型的混合方法，它结合了基于语言学的分裂和删除规则以及神经语言转换模型来进行不同的简化操作，并通过引入新的数据增强方法来提高模型的语言转换能力。通过自动和手动评估，证明该模型在对比现有系统时，产生了更多的语言转换，并且可以控制所应用的每个简化操作的程度。

    Oct, 2020

  • 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

  • 学习将句子改写为不同复杂程度

    本论文研究句子简化，提出了两个新的无监督数据集用于训练模型，并通过多任务和提示策略在大语言模型下进行实验，取得了最新的性能成果。

    Aug, 2023

  • 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

  • 将复杂句子转换为语义层级

    该研究提出了一种递归分割和重述复杂英语句子的方法，生成简化句子的新语义层级结构，可用于机器翻译或信息提取等人工智能任务，手动和自动评估都表明该方法在结构文本简化方面表现优于现有技术，并用于近似 346% 精度和 52% 召回率地改良现有句子提取系统的性能。

    Jun, 2019

  • 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

  • 记忆增强神经网络的句子简化

    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。

    Apr, 2018

  • 分离和改述

    该研究提出了一种新的句子简化任务 ——Split-and-Rephrase，在将复杂句子转换为意思相同的短句子方面有着潜在的价值。该任务可以作为自然语言处理的预处理步骤，可以帮助解析器、语义角色标注器和机器翻译系统提高性能，并对阅读障碍者有帮助。该研究提出了五种模型来应对这一任务。

    Jul, 2017

  • 用于改善关系抽取的句子简化系统

    本文介绍了一种文本简化方法，该方法旨在改善最新的开放关系提取（Open Relation Extraction）系统的性能。使用一组基于句法的转换规则对单个句子进行预处理，以便用于之后的 Open RE 系统处理，从而解决了当前开放关系提取方法对于句法复杂句子的挑战。

    Mar, 2017