Fugu-MT 論文翻訳(概要): GRS: Combining Generation and Revision in Unsupervised Sentence Simplification

論文の概要: GRS: Combining Generation and Revision in Unsupervised Sentence Simplification

arxiv url: http://arxiv.org/abs/2203.09742v1
Date: Fri, 18 Mar 2022 04:52:54 GMT
ステータス: 処理完了
システム内更新日: 2022-03-22 00:24:35.338338
Title: GRS: Combining Generation and Revision in Unsupervised Sentence Simplification
Title（参考訳）: GRS:教師なし文の単純化における生成と修正の併用
Authors: Mohammad Dehghan, Dhruv Kumar, Lukasz Golab
Abstract要約: 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。
参考スコア（独自算出の注目度）: 7.129708913903111
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We propose GRS: an unsupervised approach to sentence simplification that combines text generation and text revision. We start with an iterative framework in which an input sentence is revised using explicit edit operations, and add paraphrasing as a new edit operation. This allows us to combine the advantages of generative and revision-based approaches: paraphrasing captures complex edit operations, and the use of explicit edit operations in an iterative manner provides controllability and interpretability. We demonstrate these advantages of GRS compared to existing methods on the Newsela and ASSET datasets.
Abstract（参考訳）: 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である GRS 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。パラフレージング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、制御可能性と解釈可能性を提供します。本稿では,Newsela および ASSET データセットの既存の手法と比較して,これらの GRS の利点を示す。

関連論文リスト

Edit-Constrained Decoding for Sentence Simplification [16.795671075667205]
文単純化のための語彙制約付きデコードに基づく編集操作を提案する。提案手法は, この課題によく用いられる3つの英語単純化コーパスにおいて, 従来よりも一貫して優れていた。
論文参考訳（メタデータ） (2024-09-28T05:39:50Z)
Unsupervised Syntactically Controlled Paraphrase Generation with Abstract Meaning Representations [59.10748929158525]
抽象表現(AMR)は、教師なし構文制御されたパラフレーズ生成の性能を大幅に向上させることができる。提案モデルであるAMRPGは,AMRグラフを符号化し,入力文を2つの非絡み合った意味的および構文的埋め込みに解析する。実験により、AMRPGは既存の教師なしアプローチと比較して、定量的かつ質的に、より正確な構文制御されたパラフレーズを生成することが示された。
論文参考訳（メタデータ） (2022-11-02T04:58:38Z)
SentBS: Sentence-level Beam Search for Controllable Summarization [55.27670620831012]
文レベルのビームサーチ生成手法(SentBS)を提案する。実験により、SentBSのすべての組み合わせが生成したテキストと所望の構造との一致を改善し、最良の方法は既存のモデルが抱える構造的差異を約68%削減できることが示されている。
論文参考訳（メタデータ） (2022-10-26T06:21:01Z)
A General Contextualized Rewriting Framework for Text Summarization [15.311467109946571]
抽出文は比較的焦点が当てられているが、背景知識や談話の文脈が失われる可能性がある。コンテントベースのアドレッシングによって抽出文を識別し、グループタグアライメントを施したSeq2seqとしてコンテクスト化された書き直しを形式化する。その結果,本手法は強化学習を必要とせず,非コンテクスチュアライズされた書き換えシステムよりも優れていた。
論文参考訳（メタデータ） (2022-07-13T03:55:57Z)
Classifiers are Better Experts for Controllable Text Generation [63.17266060165098]
提案手法は, PPLにおける最近のPPLM, GeDi, DExpertsよりも有意に優れており, 生成したテキストの外部分類器に基づく感情の精度が高いことを示す。同時に、実装やチューニングも簡単で、制限や要件も大幅に少なくなります。
論文参考訳（メタデータ） (2022-05-15T12:58:35Z)
Text Editing by Command [82.50904226312451]
ニューラルテキスト生成における一般的なパラダイムは、単一のステップでテキストを生成するワンショット生成である。この制限をユーザが既存のテキストを編集するコマンドを発行することでシステムと対話するインタラクティブテキスト生成設定で解決する。このデータセットに基づいてトレーニングされたトランスフォーマーベースモデルであるInteractive Editorは,ベースラインを上回り,自動評価と人的評価の両方において肯定的な結果が得られることを示す。
論文参考訳（メタデータ） (2020-10-24T08:00:30Z)
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)
Recurrent Inference in Text Editing [6.4689151804633775]
本稿では,反復的に編集動作を行う新しい推論手法Recurrenceを提案する。各イテレーションにおいて、部分的に編集されたテキストをエンコードするRecurrenceは、潜在表現をデコードし、短い、固定長のアクションを生成し、そのアクションを適用して単一の編集を完了させる。総合的な比較として、算術演算子復元(AOR)、算術演算子単純化(AES)、算術演算子補正(AEC)の3種類のテキスト編集タスクを紹介する。
論文参考訳（メタデータ） (2020-09-26T17:06:29Z)
Iterative Edit-Based Unsupervised Sentence Simplification [30.128553647491817]
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。
論文参考訳（メタデータ） (2020-06-17T03:53:12Z)
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。