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

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

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

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

本文从机器翻译的前置工作得到启发，使用句法变换软性 “重排序” 语句，辅助神经模型进行改写，从而增加生成的改写语句的多样性。

May, 2020

通过引入操作令牌作为用户预期行为的表示，结合文本嵌入进行表示融合，以实现受控改写；实验结果表明，在不给定操作时，我们的方法能够成功实现特定操作受控的改写，并与传统的非受控方法保持相同甚至更好的性能，从而促进了面向用户的可选操作控制概念。

May, 2024

本研究开发了一个自适应学习系统用于文本简化，从使用数据中改进基于学习排序模型的性能，并通过实验结果表明，该系统在 NDCG@10 评估指标上的得分从 62.88％提高到 75.70％。这是首个使用使用数据对 NLP 组件进行自适应改进的研究。

Jun, 2018

基于预训练语言模型的词汇简化方法取得了显著进展，通过分析词语在其上下文环境中的替代词生成复杂词的潜在替代词。然而，这些方法需要针对不同语言进行单独的预训练模型，并且忽略了对句子意义的保留。本文提出了一种新颖的多语言词汇简化方法，通过生成释义来提供词语选择的多样性，同时保持句子的意义。我们将释义任务视为支持数百种语言的多语言神经机器翻译中的零 - shot 翻译任务。在释义建模的编码器中输入句子后，我们基于一种集中于复杂词的词汇变体的新颖解码策略生成替代词。实验结果表明，我们的方法在英语、西班牙语和葡萄牙语上明显优于基于 BERT 的方法和零 - shot GPT3 方法。

Jul, 2023

本研究提出了一种基于事实信息的控制简化方法，使用句法依赖分析将复合和复杂句子拆分为简化句子的集合，并用统计方法度量了句子的句法复杂度，通过本方法，可在不失信息的情况下简化语言，用于知识图谱中三元组的提取与构建。

Apr, 2023

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。

Oct, 2018