論文の概要: MultiLS: A Multi-task Lexical Simplification Framework

• arxiv url: http://arxiv.org/abs/2402.14972v1
• Date: Thu, 22 Feb 2024 21:16:18 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-26 16:16:54.585059
• Title: MultiLS: A Multi-task Lexical Simplification Framework
• Title（参考訳）: MultiLS: マルチタスクの語彙単純化フレームワーク
• Authors: Kai North, Tharindu Ranasinghe, Matthew Shardlow, Marcos Zampieri
• Abstract要約: マルチタスクLSデータセットの作成を可能にする最初のLSフレームワークであるMultiLSを提案する。 また,MultiLSフレームワークを用いた最初のデータセットであるMultiLS-PTを提案する。
• 参考スコア（独自算出の注目度）: 21.81108113189197
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Lexical Simplification (LS) automatically replaces difficult to read words for easier alternatives while preserving a sentence's original meaning. LS is a precursor to Text Simplification with the aim of improving text accessibility to various target demographics, including children, second language learners, individuals with reading disabilities or low literacy. Several datasets exist for LS. These LS datasets specialize on one or two sub-tasks within the LS pipeline. However, as of this moment, no single LS dataset has been developed that covers all LS sub-tasks. We present MultiLS, the first LS framework that allows for the creation of a multi-task LS dataset. We also present MultiLS-PT, the first dataset to be created using the MultiLS framework. We demonstrate the potential of MultiLS-PT by carrying out all LS sub-tasks of (1). lexical complexity prediction (LCP), (2). substitute generation, and (3). substitute ranking for Portuguese. Model performances are reported, ranging from transformer-based models to more recent large language models (LLMs).
• Abstract（参考訳）: Lexical Simplification (LS) は、文の本来の意味を保ちながら、読みにくい単語を簡単な代替語に置き換える。 LSは、児童、第二言語学習者、読書障害または低識字率の個人を含む、さまざまなターゲット層に対するテキストアクセシビリティ向上を目的とした、テキスト単純化の先駆者である。 LSにはいくつかのデータセットが存在する。 これらのLSデータセットはLSパイプライン内の1つまたは2つのサブタスクに特化している。 しかし、現時点では全てのLSサブタスクをカバーする単一のLSデータセットは開発されていない。 マルチタスクLSデータセットの作成を可能にする最初のLSフレームワークであるMultiLSを提案する。 また,MultiLSフレームワークを用いた最初のデータセットであるMultiLS-PTを提案する。 1)の全てのLSサブタスクを実行することで,MultiLS-PTの可能性を示す。 語彙複雑性予測(lcp) (2) 代用世代、および (3) ポルトガル語の代名詞です モデル性能は、トランスフォーマーベースモデルから、より最近の大規模言語モデル(LLM)まで様々である。

関連論文リスト

• Think Carefully and Check Again! Meta-Generation Unlocking LLMs for Low-Resource Cross-Lingual Summarization [108.6908427615402]
  CLS(Cross-lingual summarization)は、異なるターゲット言語でソーステキストの要約を生成することを目的としている。 現在、インストラクションチューニング付き大規模言語モデル (LLM) は様々な英語タスクで優れている。 近年の研究では、LCSタスクにおけるLCMの性能は、わずかな設定でも満足できないことが示されている。
  論文  参考訳（メタデータ） (2024-10-26T00:39:44Z)
• Linguistic Steganalysis via LLMs: Two Modes for Efficient Detection of Strongly Concealed Stego [6.99735992267331]
  LSGCと呼ばれる2つのモードを持つ新しいLSを設計する。 生成モードでは、LS-task"記述"を作成しました。 分類モードでは、LSGCはLS-taskの「記述」を削除し、"causalLM" LLMs を使用して骨組織学的特徴を抽出した。
  論文  参考訳（メタデータ） (2024-06-06T16:18:02Z)
• SPHINX-X: Scaling Data and Parameters for a Family of Multi-modal Large Language Models [97.40590590880144]
  MLLM(Multimodality Large Language Model)シリーズを開発した。 我々は、言語、ビジョン、視覚言語タスクで利用可能なリソースを網羅した包括的なデータセットを組み立てる。 パラメータサイズや多言語能力の異なるMLLMのスペクトルを得る。
  論文  参考訳（メタデータ） (2024-02-08T18:59:48Z)
• Multilingual Controllable Transformer-Based Lexical Simplification [4.718531520078843]
  本稿では,制御可能なトランスフォーマーを用いたLexical Simplification(LS)システムであるmTLSを提案する。 この研究の新規性は、複雑な単語のより単純な代替法を学ぶために、事前訓練されたマスキング言語モデルから抽出された言語固有の接頭辞、制御トークン、および候補を使用することにある。
  論文  参考訳（メタデータ） (2023-07-05T08:48:19Z)
• Deep Learning Approaches to Lexical Simplification: A Survey [19.079916794185642]
  レキシカルシンプリフィケーション(Lexical Simplification、LS)は、複合語を文中の単純な単語に置き換える作業である。 LS は Text Simplification (TS) の語彙的構成要素である 近年のディープラーニングの進歩は、LSに新たな関心を喚起している。
  論文  参考訳（メタデータ） (2023-05-19T20:56:22Z)
• Zero-Shot Cross-Lingual Summarization via Large Language Models [108.30673793281987]
  言語間要約(CLS)は、異なる対象言語で要約を生成する。 近年のLarge Language Models (LLMs) の出現は、計算言語学コミュニティから広く注目を集めている。 本稿では,異なるパラダイムからゼロショットCLSを実行するために,LSMを誘導するために様々なプロンプトを経験的に使用した。
  論文  参考訳（メタデータ） (2023-02-28T01:27:37Z)
• Understanding Translationese in Cross-Lingual Summarization [106.69566000567598]
  言語間要約(MS)は、異なる対象言語で簡潔な要約を生成することを目的としている。 大規模なCLSデータを集めるために、既存のデータセットは通常、それらの生成に翻訳を伴います。 本稿では、まず、CLSデータセット構築の異なるアプローチが、異なるレベルの翻訳に結びつくことを確認する。
  論文  参考訳（メタデータ） (2022-12-14T13:41:49Z)
• ALEXSIS-PT: A New Resource for Portuguese Lexical Simplification [17.101023503289856]
  ALEXSIS-PTは、387の複雑な単語に対する9,605の候補置換を含むブラジルポルトガル語LSのための新しい多候補データセットである。 本データセットでは,mDistilBERT,mBERT,XLM-R,BERTimbauの4つの代用生成モデルを評価する。
  論文  参考訳（メタデータ） (2022-09-19T14:10:21Z)
• A Variational Hierarchical Model for Neural Cross-Lingual Summarization [85.44969140204026]
  言語間の要約(英: cross-lingual summarization)とは、ある言語の文書を別の言語の要約に変換することである。 CLSに関する既存の研究は主にパイプライン手法の利用やエンドツーエンドモデルの共同トレーニングに重点を置いている。 条件付き変分自動エンコーダに基づくCLSタスクの階層モデルを提案する。
  論文  参考訳（メタデータ） (2022-03-08T02:46:11Z)
• Depth-Adaptive Graph Recurrent Network for Text Classification [71.20237659479703]
  S-LSTM(Sentence-State LSTM)は、高効率なグラフリカレントネットワークである。 そこで本研究では,S-LSTMの深度適応機構を提案する。
  論文  参考訳（メタデータ） (2020-02-29T03:09:55Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。