Sep, 2024

西班牙语自动文本简化的语言资源研究

HTML
PDF
TL;DR本研究解决了西班牙语文本在金融、医学和历史研究三个领域的自动简化问题。通过创建领域特定的语料库、注释和简化指南、术语词典及简化工具，提供了创新性的方法和资源。该工作的显著发现是为该领域的信息共享与文本简化提供了丰富的基础资源和工具，具有重要的应用潜力。
发现论文，激发创造
  • 历史西班牙语开放式历时语料库: 标注标准和自动化拼写现代化

    描述了IMPACT-es历史西班牙语语料库和相应词汇表，其中包括8百万个单词和1万多个单词和他们在文件中的各种变体的链接。介绍了基于文本编码倡议的标准和标注标准，并说明了利用统计机器翻译技术推断概率上下文敏感规则的应用。

    Jun, 2013

  • MUSS: 通过挖掘释义实现多语言无监督句子简化

    MUSS是一种无监督句子简化系统，可以通过句子级复述数据训练模型，而不需要标记简化数据。该系统还可以从Common Crawl中使用语义句子嵌入挖掘语言无关的复述数据，并在英语，法语和西班牙语简化基准测试中进行评估，获得与有监督方法最佳结果相当的性能。

    May, 2020

  • 面向西班牙语的生物医学和临床语言模型：中等资源情景下专业领域预训练的好处

    本文介绍了针对西班牙语的生物医学和临床语言模型，通过实验不同的预训练选择和测试领域数据，生成可用于实际临床数据的模型，并通过对比NER任务，证实了进行特定领域的预训练对提高下游任务性能非常重要。

    Sep, 2021

  • 英语、葡萄牙语和西班牙语的词汇简化基准

    本研究呈现了一个新的数据集以适用于三种语言且提供了建立和评估词汇简化系统所需的高质量数据体。通过采用神经网络架构，对两种高级系统进行了适应和评估，结果在英语中表现最佳。

    Sep, 2022

  • 医学文本的多语言简化

    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

  • 西班牙临床语言模型调查

    针对临床领域的西班牙语编码器语言模型，我们调查了17个主要针对临床任务的语料库的贡献，并列出了最相关的西班牙语言模型和西班牙临床语言模型。我们对这些模型进行了全面比较，通过在一组精选的语料库上进行基准测试，以找到性能最佳的模型；总共针对本研究进行了3000多个模型的微调。所有测试的语料库和最佳模型都以可访问的方式公开，以便独立团队可以复现结果或在未来创建新的西班牙临床语言模型时进行挑战。

    Aug, 2023

  • 一项以用户为中心的西班牙文正文简化评价

    我们通过两个以复杂句和复杂词为重点的语料库，对西班牙语文本简化（TS）在生产系统中进行评估。我们将最流行的西班牙语特定可读性评分与神经网络进行比较，并表明后者在预测用户对TS的偏好方面始终更好。作为分析的一部分，我们发现多语言模型在相同任务上表现不及相应的仅限西班牙语模型，然而所有模型都过于频繁地关注无关的统计特征，如句子长度。我们通过在评估中发布我们的语料库，希望推动西班牙语自然语言处理的最新技术发展。

    Aug, 2023

  • 西班牙语资源语法2023版

    该研究介绍了西班牙资源语法（SRG）的最新版本，SRG采用了最近版本的Freeling形态分析器和标注器，并配备了经过手动验证的树库和已记录的问题列表。该语法可用于语言学研究和自然语言处理应用，包括语法理论的经验驱动发展和计算机辅助语言学习。此外，随着树库的扩大，它们还可用于训练高质量的语义解析器和其他系统，以获得精确和详细的语义。

    Sep, 2023

  • 西班牙金融教育文本简化的新数据集

    本研究的主要目标是开发一个西班牙语金融文本简化数据集，并通过使用GPT-3、Tuner和MT5等系统生成的简化进行比较，评估数据增强的可行性。

    Dec, 2023

  • MultiLS-SP/CA：加泰罗尼亚语和西班牙语的词汇复杂性预测和词汇简化资源

    通过使用MultiLS-SP/CA数据集，本研究描述了自动词汇简化的任务，此数据集为西班牙语和加泰罗尼亚语提供了一种新的方法，首次包含西班牙语的词汇理解困难度的定量评分，并将此数据集的实验结果作为未来工作的基准。

    Apr, 2024