Oct, 2021

使用压缩率统一跨语言摘要和机器翻译

HTML
PDF
TL;DR通过提出Cross-lingual Summarization with Compression rate (CSC)的创新任务，并通过有效的数据增强方法来产生不同压缩率的文档摘要对，从而提高Cross-Lingual Summarization的性能。
发现论文，激发创造
  • NCLS: 神经跨语言摘要

    通过多任务学习、循环翻译等方法，构建神经网络模型用于实现跨语言文本摘要，实验结果证明该模型较传统模型有显著提升。

    Aug, 2019

  • 跨语言摘要的混合语言预训练

    使用混合语言预训练的交叉语言文摘模型，在没有任务特定组件的情况下利用单语数据提高语言建模的效果，实现了高效的跨语言文摘。在Neural Cross-Lingual Summarization数据集中，我们的模型在英汉和汉英模式下相比现有技术，分别实现了2.82和1.15 ROUGE-1分数的提升。

    Oct, 2020

  • 有限平行资源下的跨语言抽象摘要

    使用一种多任务框架和共享解码器的方法，跨语言摘要的跨语言资源匮乏问题得以解决，此方法名为MCLAS。通过MCLAS，实验表明其可以在有限的跨语言资源下，显著优于三种基准模型。

    May, 2021

  • CrossSum: 跨越1500多种语言对的英语中心的跨语言生成性文本摘要

    通过跨语言检索，提出跨语言摘要数据集CrossSum及其训练模型，表现出优异的ROUGE和LaSE性能，成为目前最大的跨语言摘要数据集

    Dec, 2021

  • 神经跨语言摘要变分分层模型

    本文提出了基于条件变分自编码器的层次模型，用于将一个语言的文档转化为另一个语言的摘要，从而解决了直接进行交叉语言摘要的挑战，实验证明这种方法比现有的方法更为有效和优越。

    Mar, 2022

  • 长文档跨语言摘要

    本文介绍了长文档跨语言摘要的研究现状，并构建了 Perseus 数据集，评估了不同的从结构和端到端方案，结果表明端到端方案卓越地胜过利用复杂机器翻译系统配备的管道模型。

    Dec, 2022

  • 跨语言摘要中的翻译特征理解

    本文研究了跨语言文本摘要中的翻译现象并探究了其对模型性能和评估的影响，提出了建立适合低资源语言的CLS系统的方法，并提供了数据集和模型发展的建议。

    Dec, 2022

  • 实现多语言和跨语言摘要统一化

    本文提出了一种多对多摘要（M2MS）的通用框架，可以通过预培训的 Pisces 模型实现任何语言的文档摘要生成，特别在零样本学习中性能显著优于现有算法。

    May, 2023

  • SumTra: 跨语言少样本摘要的可微分管道

    跨语言概括是生成与输入文档不同语言（例如从英语到西班牙语）的摘要，使目标语言的使用者能够获得其内容的简洁概述。本文提出重新审视了概括和翻译流程，其中概括和翻译任务按顺序执行，并通过利用许多可用的公共资源进行单语概括和翻译，从而获得了非常有竞争力的零样本性能。此外，所提出的流程是完全可微分的端到端，可以利用少样本微调（如有）的优势。实验证明，所提出的方法在两个当代、广泛采用的跨语言概括数据集（CrossSum和WikiLingua）上表现出了显著的零样本性能，并且与等效的多语言语言模型基准相比，在只有10%的微调样本下在许多语言上取得了优于基准的性能。

    Mar, 2024

  • 优秀机器翻译无需端到端：翻译后总结的跨语言摘要方法

    本研究探讨了跨语言摘要中端到端系统设计与传统管道设计之间的差异，发现基于39种源语言的比较显示“翻译后总结”管道设计始终优于端到端系统。研究表明，单语摘要和翻译任务的进展结合能够提供比端到端系统更好的性能，这一结果倡导在设计时谨慎考虑端到端系统。

    Aug, 2024