EMNLPSep, 2021

BiSECT：使用双语文本学习分割和重新表述句子

PDF
TL;DR介绍了一个新的训练集 BiSECT 和针对 split and rephrase 任务的新模型。利用机器翻译从双语平行语料中提取长英语句子并与相应的较短、意思等效的英语句子配对。该模型针对输入句子中的特定区域进行分割和编辑，并利用训练集 BiSECT 在自动和人为评估中提高了先前 Split 和 Rephrase 模型的性能。
nlpsentence simplificationbisect datasetmachine translationsplit and rephrase model
发现论文，激发创造
  • 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

  • 更好的评估和更强的基线

    通过增加复制机制的神经网络模型，本研究针对 NLP 中一个有挑战性的问题解决了一个复杂句子分裂及重述的任务，并成功地提高了 8.68 BLEU 的得分。

    May, 2018

  • 从维基百科编辑历史中学习拆分和改述技能

    通过挖掘 Wikipedia 的编辑历史，我们提取了一个丰富的新数据集 WikiSplit，其中包含一百万个自然生成的句子重写，提供了比 Narayan 等人（2017）引入的 WebSplit 语料库更多的六十倍的不同分裂示例和九十倍的词汇量，将 WikiSplit 作为训练数据可以产生质量更好的模型，其预测结果在 WebSplit 基准测试中比之前的最佳结果高出 32 BLEU 点。

    Aug, 2018

  • 大规模语言模型的拆分和再表述

    使用大型语言模型，通过训练样本和模型参数的相对较小数量，显著改进了 Split and Rephrase 任务的性能，并证明了大语言模型在该任务中的潜力。

    Dec, 2023

  • 小而强大：分裂和改写的新基准

    本文研究了将复杂句子简化为简单句子的文本简化任务，发现常用的基准数据集存在易被利用的语法线索，其自动生成过程中存在的固有偏差使其无法准确评估模型性能。通过收集众包数据，本文构建了更加多样化、接近人工写作的基准数据集，并提出了一套评估标准，初步证明了基于该基准数据集的人工评估更加精准和公正。

    Sep, 2020

  • 利用双向递归神经网络提取平行句子以改善机器翻译

    该研究提出了一种基于双向循环神经网络的并行句子抽取方法，旨在解决多语言自然语言处理应用中数据稀疏性的问题。通过从维基百科文章中提取句子对来训练机器翻译系统，实验证明采用该方法能够显著提高翻译性能。

    Jun, 2018

  • 学习选择两方面信息以进行文档级文本内容操作

    本文提出了一个新的实际任务，文档级文本内容操作，它旨在在更改内容的同时保留文本样式，并提出一种基于交互式注意机制的无监督神经模型，探索了在该任务中构建伪训练对的后向翻译方法的有效性。实证结果表明，该方法优于竞争方法，并且模型还在句子级数据集上产生了新的最优结果

    Feb, 2020

  • CEScore：用于评估分割和改写的简单高效置信度估计模型

    自动评估长句分割和重述任务的 CEScore 模型提供了用于评估简单性、语法性、意义保持性和整体质量的四个指标（Sscore、Gscore、Mscore 和 CEscore）并与人类评估强相关，表明 CEScore 作为评估 SR 模型整体质量的简单有效指标的潜力。

    Dec, 2023

  • 划分越少越好：解构句子划分中的可读性

    这篇论文主要研究句子拆分在文本简化中的应用，通过引入贝叶斯模型框架和 Amazon Mechanical Turk 的实验数据得出，将一句复杂的长句拆成两句可以更好地提高阅读可读性。

    Feb, 2023

  • WikiSplit++：简易数据精化工具用于拆分与改述

    将复杂句子拆分为意思相同的多个简单句子的 Split and Rephrase 任务通过提升可读性和提高自然语言处理中下游任务的性能。本文提出了一种简单而强大的数据精炼方法，通过删除 WikiSplit 中复杂句子不涉及至少一个简单句子的实例并颠倒参考简单句子的顺序来创建 WikiSplit++，实验结果表明，使用 WikiSplit++ 进行训练比使用 WikiSplit 获得更好的性能，即使训练实例更少。特别是，我们的方法在拆分数和暇想度量中（即获得更多拆分和更高的包含关系比例）有显著提升。

    Apr, 2024