词汇简化中的深度学习方法：一项综述
计算与语言
2023-05-23 v1
摘要
词汇简化（LS）是在保持句子原意的前提下，将复杂词替换为更简单词的任务。LS 是文本简化（TS）的词汇组成部分，旨在使文本对各类目标人群更易理解。过去的一篇综述（Paetzold 和 Specia，2017）已对 LS 进行了详细概述。然而，自该综述以来，AI/NLP 界已被深度学习的近期进展所席卷，尤其是大语言模型（LLM）与提示学习的引入。这些模型的高性能重新激发了人们对 LS 的兴趣。为反映这些近期进展，我们呈现了一份关于 2017 至 2023 年间发表的 LS 及其子任务的全面综述，特别关注深度学习。我们还给出了用于 LS 系统未来开发的基准数据集。
引用
@article{arxiv.2305.12000,
title = {Deep Learning Approaches to Lexical Simplification: A Survey},
author = {Kai North and Tharindu Ranasinghe and Matthew Shardlow and Marcos Zampieri},
journal= {arXiv preprint arXiv:2305.12000},
year = {2023}
}