EMNLPNov, 2020

使用图论自动扩充的同义句数据集：寻找朋友和反转敌对者

PDF
TL;DR提出了一种基于图论的自动改进 NLP 数据集的方法，通过推断原始语句对的标签来构建同义词图，并使用结构平衡理论识别可能的错误标签，并在 BERT 模型的基础上对同义词模型进行训练，结果表明使用这种自动增强的训练集可以得到更准确的模型。
nlpdatasetsparaphrase graphlabelingbert
发现论文，激发创造
  • 通过对抗性改写任务提升释义检测

    通过对抗方法提出了一个新的数据集创建方式 —— 对抗性同义句生成任务（Adversarial Paraphrasing Task， APT），以更好地检测句级别的意义相等，从而加速数据集生成并提高同义句识别模型的性能。

    Jun, 2021

  • 利用释义生成快速启动对话系统

    该研究提出了一种基于改写生成的方法，可以减少创建新对话代理所需要的时间和成本，同时提高其性能，使其能够实际与真实用户进行交互。实验证明该方法提高了意图分类模型的泛化能力，有助于在组织范围内规模化部署这项技术。

    Apr, 2022

  • 通过自动爬取和对齐的句子对进行神经重述

    本文介绍了一种基于语言约束的相似性搜索方法，用于自动产生大规模对齐语料库，以解决基于神经网络的释义生成面临的数据缺乏问题。该方法在意大利语的情况下进行评估，并使用基于指针的深度神经网络架构实验。

    Feb, 2024

  • 不改写，检测！用于语义解析的快速有效数据收集

    本文针对自然语言和逻辑形式之间的映射、基于众包的数据收集方式存在的问题进行了深入分析，提出了一种结合模型和众包技术的数据收集方法，以减轻众包方法带来的偏差，实验结果表明，该方法对于自然语言和逻辑形式解析的准确度相对更高。

    Aug, 2019

  • 弱监督下的选择性学习用于释义生成

    本文提出了利用元学习框架解决弱监督下的释义生成任务，并通过检索式的伪释义扩展获取大量弱标注平行句子，进而选择有价值的样本对预训练语言模型 BART 进行微调，从而生成高质量释义的方法，与目前的无监督学习方法相比具有显著的改进。

    Sep, 2021

  • 一个不断增长的句子释义数据集

    本文提出了一种从 Twitter 采集大规模句子释义的新方法，通过链接共享的 URL，并展示了可以轻松捕捉新的句子释义以及利用其进行下游自然语言处理任务的效用。

    Aug, 2017

  • 从自动挖掘的同义句训练有效的神经句子编码器

    本文提出了一种无需人工标注的数据集构建方法，使用双语文本语料来 fine-tune Transformer 语言模型，并加入一个循环池层构建出有效的特定语种句子编码器，该方法在单张图形卡上使用不到一天时间训练，在波兰语的八个语言任务上实现了高性能，超越了最好的多语言句子编码器。

    Jul, 2022

  • 使用数据增强的多级联模型提升短文本复述检测

    本研究提出了一种基于数据增强的多重级联模型，用于改进短文本的对应检测，并在三个基准数据集上进行了评估和表现验证。

    Dec, 2019

  • 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

  • 大规模近义语获取与生成的改进

    本文提出了使用两个单独的定义对同义改述进行识别和生成的必要性，并介绍了一个新的 Twitter 多主题同义改述 (MultiPIT) 语料库，该语料库由两种不同的同义改述定义的众包和专家注释组成，用于同义改述识别，以及一个多参考测试集和一个大型自动构建的训练集，用于同义改述的生成。通过改进数据标注质量和任务特定的同义改述定义，最好的预训练语言模型在我们的数据集上进行微调，达到了 84.2 F1 的最先进性能；此外，我们的实证结果还表明，使用 MultiPIT_Auto 训练的同义改述生成模型与在其他语料库上微调的同义改述生成模型相比，可以生成更多样化且高质量的同义改述。

    Oct, 2022