关键词lexical complexity prediction
搜索结果 - 4
- 非母语读者的日语词汇复杂性:一个新的数据集
构建了针对日语的第一个 LCP 数据集,并通过 BERT 模型在基准实验中证明了其在日语 LCP 任务中的有效性,同时提供了适合中文 / 韩文标注者和其他读者的分离复杂度得分以满足读者的母语特定需求。
- 词汇复杂度预测:概述
本文主要介绍了如何利用计算模型思想来预测英文文本的词汇复杂度,并详细论述了基于传统机器学习分类器和深度神经网络的不同方法,以及相关实验和应用领域如文本简化。
- ACL跨语言和多领域单语环境下的复杂单词识别领域自适应
本文提出一种基于领域适应的复杂词识别训练技术,以改善目标字符和上下文的表示方式,并建议使用文本简化作为补充的词汇复杂度预测技术,从而在多种语料库和领域上提高了模型精度,并获得了最新平均绝对误差结果。
- SemEval-2021 任务 1:词汇复杂度预测
本文介绍了 SemEval-2021 任务 1 的结果和主要发现,该任务专注于单词和多词表达式的词汇复杂性预测,使用 CompLex 语料库对这些单词和表达式进行了标注。该比赛吸引了 198 支队伍参加,其中 54 支队伍提交了关于单词的正