本研究探讨了如何应用语言模型来改进医学文本的简化,提出了一种基于似然分数的新度量标准,并对编码器解码器模型的新方法进行了评估,同时建立了一些语料库。
Apr, 2021
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。
Sep, 2021
本研究介绍了 MultiCochrane 数据集,并评估了跨多语言的医学简化文本模型,尽管该模型能够生成可行的简化文本,但我们也发现了仍未解决的挑战。
May, 2023
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
本文提出了一个名为 bioSimplify 的文本简化方法,试图减少医学文献中的句子复杂度,从而提高句法分析器的性能。经测试,在使用简化后的句子进行分析时,Charniak-McClosky 句法分析器的性能提高了 2.90%,Link Grammar 句法分析器的性能提高了 4.23%。
Jan, 2010
本文中,我们呈现了一种将认知辅助领域的知识引入到文本简化模型中的方法,通过引入归纳偏差,决定何时使用简化操作。我们证明了通过将这种归纳偏差添加到文本简化模型中,它能够更好地适应认知简化而无需查看简化数据,并且在传统的文本简化基准测试上优于基线模型。此外,我们提供了一个新颖的认知简化测试数据集,并分析了认知简化语料库与现有文本简化语料库之间在应用简化操作方面的区别。
Nov, 2022
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
提出使用上下文相关网络和预训练的语言模型来提高抽象文本摘要的生成水平和使用新颖度度量来优化生成的摘要,从而实现比现有方法更高水平的摘要生成。
Aug, 2018
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
自动化简模型在提高文本可读性的过程中,如何保证简化之后的文本的准确性是一个需要研究的问题。本文提出了一个误差分类学,用来分析标准简化数据集和最新模型输出的简化文本的准确性问题,发现现有评估度量无法涵盖所有错误,因此需要进一步研究自动化简模型的准确性保障。
Apr, 2022