Fugu-MT 論文翻訳(概要): Iterative Edit-Based Unsupervised Sentence Simplification

論文の概要: Iterative Edit-Based Unsupervised Sentence Simplification

arxiv url: http://arxiv.org/abs/2006.09639v1
Date: Wed, 17 Jun 2020 03:53:12 GMT
ステータス: 処理完了
システム内更新日: 2022-11-19 20:55:16.317682
Title: Iterative Edit-Based Unsupervised Sentence Simplification
Title（参考訳）: 反復編集に基づく教師なし文の簡易化
Authors: Dhruv Kumar, Lili Mou, Lukasz Golab, Olga Vechtomova
Abstract要約: 本モデルでは, 流布, 単純さ, 意味保存を含むスコアリング機能によって導かれる。複雑な文に対して単語と句レベルの編集を反復的に行う。
参考スコア（独自算出の注目度）: 30.128553647491817
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present a novel iterative, edit-based approach to unsupervised sentence simplification. Our model is guided by a scoring function involving fluency, simplicity, and meaning preservation. Then, we iteratively perform word and phrase-level edits on the complex sentence. Compared with previous approaches, our model does not require a parallel training set, but is more controllable and interpretable. Experiments on Newsela and WikiLarge datasets show that our approach is nearly as effective as state-of-the-art supervised approaches.
Abstract（参考訳）: 教師なし文の単純化に対する反復的,編集的アプローチを提案する。本モデルは, 流束性, 単純性, 意味保存を含むスコアリング関数によって導かれる。次に,複雑な文に対して単語や句レベルの編集を反復的に行う。従来のアプローチと比較して,このモデルは並列トレーニングセットを必要としないが,より制御可能で解釈可能である。 NewselaとWikiLargeのデータセットの実験により、我々のアプローチは最先端の教師付きアプローチと同じくらい効果的であることが示された。

関連論文リスト

A Simple and Plug-and-play Method for Unsupervised Sentence Representation Enhancement [35.6803390044542]
RepALは、文表現を強化する非常に単純な後処理手法である。 RepALは学習自由であり、既存の教師なし文学習モデルと組み合わせることができるプラグアンドプレイ方式であることを示す。
論文参考訳（メタデータ） (2023-05-13T02:43:59Z)
Sentence Representation Learning with Generative Objective rather than Contrastive Objective [86.01683892956144]
句再構成に基づく新たな自己教師型学習目標を提案する。我々の生成学習は、十分な性能向上を達成し、現在の最先端のコントラスト法よりも優れています。
論文参考訳（メタデータ） (2022-10-16T07:47:46Z)
Text Revision by On-the-Fly Representation Optimization [76.11035270753757]
現在の最先端手法は、これらのタスクをシーケンスからシーケンスまでの学習問題として定式化している。並列データを必要としないテキストリビジョンのための反復的なインプレース編集手法を提案する。テキストの単純化に関する最先端の教師付き手法よりも、競争力があり、パフォーマンスも向上する。
論文参考訳（メタデータ） (2022-04-15T07:38:08Z)
GRS: Combining Generation and Revision in Unsupervised Sentence Simplification [7.129708913903111]
テキスト生成とテキストリビジョンを組み合わせた文単純化のための教師なしアプローチを提案する。まず、明示的な編集操作を用いて入力文を書き換える反復的なフレームワークから始め、新しい編集操作としてパラフレーズを追加する。パラフレーズ化は複雑な編集操作をキャプチャし、明示的な編集操作を反復的に使用することで、制御性と解釈性を提供する。
論文参考訳（メタデータ） (2022-03-18T04:52:54Z)
The Summary Loop: Learning to Write Abstractive Summaries Without Examples [21.85348918324668]
本研究は,与えられた長さ制約に対するカバレッジとフラエンシの組み合わせを最大化することに基づく,教師なし抽象的要約に対する新しいアプローチを提案する。主要な用語は元のドキュメントから隠蔽され、現在の生成された要約を使ってカバレッジモデルで満たされなければならない。一般的なニュース要約データセットでテストすると、従来の教師なし手法よりも2R-1ポイント以上性能が向上する。
論文参考訳（メタデータ） (2021-05-11T23:19:46Z)
Narrative Incoherence Detection [76.43894977558811]
本稿では,文間セマンティック理解のための新たなアリーナとして,物語不整合検出の課題を提案する。複数文の物語を考えると、物語の流れに意味的な矛盾があるかどうかを決定します。
論文参考訳（メタデータ） (2020-12-21T07:18:08Z)
Controllable Text Simplification with Explicit Paraphrasing [88.02804405275785]
テキストの単純化は、語彙パラフレーズ、削除、分割など、いくつかの書き換え変換を通じて文の可読性を向上させる。現在の単純化システムは、主にシーケンス・ツー・シーケンスのモデルであり、これらすべての操作を同時に実行するためにエンドツーエンドで訓練されている。そこで我々は,言語的に動機づけられた規則を用いて分割と削除を行い,それらをニューラルパラフレーズモデルと組み合わせて様々な書き直しスタイルを創出するハイブリッド手法を提案する。
論文参考訳（メタデータ） (2020-10-21T13:44:40Z)
Unsupervised Extractive Summarization by Pre-training Hierarchical Transformers [107.12125265675483]
教師なし抽出文書要約は、訓練中にラベル付き要約を用いることなく、文書から重要な文章を選択することを目的としている。既存の手法は主にグラフベースで、文をノードとして、エッジの重みは文の類似性によって測定される。教師なし抽出要約のための文のランク付けにはトランスフォーマーの注意が利用できることがわかった。
論文参考訳（メタデータ） (2020-10-16T08:44:09Z)
ASSET: A Dataset for Tuning and Evaluation of Sentence Simplification Models with Multiple Rewriting Transformations [97.27005783856285]
本稿では,英語で文の単純化を評価するための新しいデータセットであるASSETを紹介する。 ASSETの単純化は、タスクの他の標準評価データセットと比較して、単純さの特徴を捉えるのに優れていることを示す。
論文参考訳（メタデータ） (2020-05-01T16:44:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。