基于理解问答的文本简化

EMNLPSep, 2021

Text Simplification for Comprehension-based Question-Answering

Tanvi Dadu, Kartikey Pant, Seema Nagar, Ferdous Ahmed Barbhuiya, Kuntal Dey

TL;DR本研究探讨并验证了通过文本简化改善阅读理解相关任务的可行性，创建了被简化过的 SQuAD 数据集 (Simple-SQuAD)，并实验表明文本简化对于基于 SQuAD 的问答任务，确实可以提高 2.04% 的精确匹配率和 1.74% 的 F1 值。

Abstract

text simplification is the process of splitting and rephrasing a sentence to a sequence of sentences making it easier to read and understand while preserving the content and approximating the original meaning. Text simplification has been exploited in →

text simplification nlp applications question-answering simple-squad dataset simplification process

发现论文，激发创造

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

利用摘要数据帮助文本简化

本文针对文本简化数据的缺乏问题，提出了使用文本摘要中的数据辅助文本简化的方法（Sum4Simp），并通过实验证明 Sum4Simp 可在低资源场景下提高几种主流简化模型的性能。

Feb, 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

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

通过受控语法简化识别、测量和降低句法复杂性

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

科学文本简化用于非专业读者

科学摘要简化是为非专家出版物提供核心信息的重要任务，包括使用简化模型和聊天 GPT 进行摘要。

Jul, 2023

Elaborative Simplification: 文本简化中的内容增补与解释生成

本研究首次对文本简化中的内容添加进行了数据驱动研究，称为详细简化。通过分析 Newsela 语料库中 1.3K 次详尽简化的实例，我们建立了详细简化的生成基线，并表明在生成过程中考虑上下文特定性可以提高性能，这说明详细简化很复杂，以后还有很多有趣的方向。

Oct, 2020

ARTIST: 人工智能用于简化文字

通过对荷兰语文本简化进行实证研究，我们提供了一个可配置的文本简化流水线的设计和实现，以控制最先进的生成式文本简化模型、领域和读者适应以及可视化模块，并揭示了自动文本简化的优势与处理文化和常识知识所面临的挑战，这是对荷兰语文本简化探索的第一步，并为未来的研究和实践提供了启示。

Aug, 2023

论文标题：论从复杂句子到关联命题的言语感知文本简化

在语义上意识到文本中的句子结构和上下文联系，通过将复杂句子进行拆分和重新表述，生成有语义层次的简化句子，以提高自然语言处理应用的预测质量。

Aug, 2023

基于语义相关性的神经网络文本摘要与简化

本文介绍了一种基于语义相关性的神经模型，用于促进文本摘要和语言简化的源文本和简化文本之间高度的语义相似性。

Oct, 2017