EMNLPOct, 2023

生成和检测的释义类型

PDF
TL;DR当前的复述生成和检测方法在相似性评分上过于依赖于单一的通用评分，忽视了语言的复杂语言属性。本文引入了两个新的任务来解决这个缺点，通过考虑特定文本位置上的复述类型 - 特定的语言扰动。我们将这些任务命名为复述类型生成和复述类型检测。我们的结果表明，虽然目前的技术在二元分类场景即复述或非复述上表现良好，但细粒度的复述类型的包含带来了显著的挑战。尽管大多数方法在生成和检测常规语义相似内容方面表现出色，但它们未能理解所操作的固有语言变量。在生成和识别复述类型训练的模型也在没有这些任务的情况下显示出改进。另外，扩展这些模型进一步提高了它们理解复述类型的能力。我们相信复述类型可以为开发复述模型和解决未来任务的开启一种新的范式。
paraphrase generationparaphrase detectionlinguistic propertiesparaphrase typessemantic similarity
发现论文，激发创造
  • 深度学习下的释义识别：数据集和方法综述

    本文回顾传统和现有的改进的改写识别方法，提出了改写的一种新分类体系。探究了这种类型在流行的数据集中的表现形式以及一些类型改写的不充分表示如何影响改写识别能力，最后提出了更有效地使用 AI 进行改写检测的未来研究方向和数据集。

    Dec, 2022

  • 改述检测：人类与机器内容

    本文旨在分析大型语言模型如 GPT-4 和 ChatGPT 等的语言生成和改写能力的特点和限制及其对学术诚信的挑战，探讨人工改写和机器改写之间的区别，并对常用的数据集进行综合分析和评估，结果显示自动生成文本的水平仍不及人类普及水平，适合于语义多样性语料的 TF-IDF 方法的效果最好，同时，发现了四个语义多样性和挑战性最高的数据集。

    Mar, 2023

  • 任务导向的释义分析

    通过文献综述和提出分类法，本研究对 25 个已知的改写（子）任务进行整理和组织。使用分类器识别给定改写实例适用的任务，发现已知改写语料库中特定任务实例的分布差异很大。这意味着在没有明确定义相应改写条件的情况下使用这些语料库会导致不可比较和误导性的结果。

    Mar, 2024

  • 改述类型间引发提示工程能力

    这项研究通过对一系列不同的语言表达的变化进行系统和实证评估，发现语言模型在适应特定的语义转换类型（如形态、词汇）的提示时具有潜力，这为开发能够处理语言表达的变异性的更强大的语言模型做出了贡献。

    Jun, 2024

  • 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

  • 改写可以躲避 AI 生成文本的检测，但究竟能否防御检索攻击？

    通过语义相似的生成物和检测算法，该研究提出了一种简单的防御，以增加对 AI 生成文本的检测器对抗改写攻击的鲁棒性。

    Mar, 2023

  • AI 触及的识别：在文本中辨别 LLM 重述片段

    AI 生成的文本检测已引起广泛关注，随着强大的语言模型接近人类水平的生成，检测（部分）AI 改写文本的工作受到了限制，然而，AI 改写在各种应用场景中常被用于文本优化和多样性，为此，我们提出了一种新颖的检测框架，用于检测文本中的改写范围（PTD），旨在识别文本中的改写范围，不同于文本级别的检测，PTD 采用全文并为每个句子分配一个得分，表示改写程度，我们构建了一个专用数据集 PASTED 用于检测文本中的改写范围，内部和外部结果表明 PTD 模型在识别 AI 改写文本范围方面的有效性，统计和模型分析阐释了改写文本范围周围上下文的关键作用，大量实验证明 PTD 模型可以适用于多种改写提示和多个改写文本范围，我们在此链接处发布我们的资源

    May, 2024

  • 释义与文本蕴涵方法调查

    文章总结了表述和文本蕴含两个领域的关键思想，包括识别、生成和提取方法，指出两个领域在自然语言处理应用方面的重要性。

    Dec, 2009

  • 短文本消息中的释义检测深度网络模型

    本文探讨在自然语言处理上的同义词检测，基于深度学习的方法结合卷积神经网络和长短时记忆网络有效解决了用户生成的短文本同义词检测上的挑战，取得了优越表现。

    Dec, 2017

  • 风格转移和改写：寻找合理的语义相似性度量

    本文分析了超过十余种测量两个短文本的语义相似性的方法，并使用一个新的标记为语义相似性的 14,000 句子数据集证明文献中使用的这些度量标准都不能够足够接近人的判断。虽然有一些最近提出的度量标准提供了具有可比性的结果，但 Word Mover Distance 被证明是目前测量改写文本的语义相似性的最合理的解决方案。

    Apr, 2020