ACLMay, 2020

ASSET: 多重改写转换的句子简化模型调整与评估数据集

PDF
TL;DR这篇论文介绍了 ASSET 数据集，用于评估句子简化，并展示它相对于其他标准评估数据集的优越性，同时指出现有评估模型可能不够适合使用多重简化转换。
sentence simplificationassetdatasetrewriting transformationsevaluation
发现论文，激发创造
  • 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

  • LENS: 可学习的文本简化评估度量

    该论文介绍了使用 SIMPEVAL 语料库来训练可学习度量，并基于此提出了针对文本简化的可学习评估度量 LENS，结果显示与现有度量相比 LENS 更符合人类评价标准，同时提供了人类评估框架及评估工具包。

    Dec, 2022

  • SASS：面向主题感知的句子简化数据和方法

    本文提供了一个数据集，旨在训练旨在执行主题感知句子简化而不是整体简化的模型，测试使用摘要归纳中使用的模型架构。结果显示，数据增强，数据遮蔽和摘要中使用的模型架构对主题感知简化提供了可靠的基线比较。

    Mar, 2023

  • 汉语句子简化的新数据集和实证研究

    这篇文章介绍了 CSS，一种新的用于评估中文简化句子的数据集，测试了几种无监督和零 / 少样本学习方法，并探讨了大型语言模型是否能够作为高质量的中文简化句子系统。

    Jun, 2023

  • 文档级文本简化：数据集，标准和基线

    本文提出并研究了一个新的文档级简化任务，旨在简化由多个句子组成的文档。作者构建了一个大规模的数据集 D-Wikipedia，并对其进行分析和人类评估，提出了一个新的自动评估指标 D-SARI 以更好的适应文档级简化任务，并选择了几个代表基准模型进行自动和人类评估并分析了结果，指出了基准模型的缺点。

    Oct, 2021

  • EASSE：更简便的自动句子简化评估

    介绍了一个名为 EASSE 的 Python 包，旨在促进和标准化句子简化（SS）系统的自动评估和比较，为评估资源提供单一访问点：包括标准自动指标、某些简化转换的单词级准确性得分、无参考质量估算特征和标准的 SS 评估测试数据。通过实验，发现这些功能允许更好地比较和理解 SS 系统的性能。

    Aug, 2019

  • 可控的句子简化

    使用离散参数机制在序列到序列模型中为用户提供明确控制简化系统的方法，进而在简化基准测试中实现比标准模型更好的结果，并建立了 ACCESS 模型作为人群中心的句子简化的技术水平。

    Oct, 2019

  • MUSS: 通过挖掘释义实现多语言无监督句子简化

    MUSS 是一种无监督句子简化系统，可以通过句子级复述数据训练模型，而不需要标记简化数据。该系统还可以从 Common Crawl 中使用语义句子嵌入挖掘语言无关的复述数据，并在英语，法语和西班牙语简化基准测试中进行评估，获得与有监督方法最佳结果相当的性能。

    May, 2020

  • 可控的句子简化：应用句法和词汇约束

    通过对句子语法和词汇约束的控制，本文提出了一种可以满足不同用户简化需求的 CROSS 句子简化模型，使用 Transformer-based 结构，在两个基准数据集上实验表明，语法和词汇约束对于成功的简化至关重要。

    Oct, 2019

  • 多语种答案句子选择数据集

    通过使用大型语言模型，本研究提出了新的高质量数据集，用于五种欧洲语言的答案句子选择（AS2）任务，并通过多个实验证明这些数据集对于生成强大且跨语言的 AS2 模型至关重要，显著缩小了英语和其他语言之间的性能差距。

    Jun, 2024