我能为您做些什么？利用神经文本简化改进下游 NLP 任务
计算与语言
2021-09-15 v2
摘要
文本简化（TS）的总体目标是降低文本复杂度以供人类阅读。本文研究了神经文本简化的另一种潜在用途：辅助机器执行自然语言处理（NLP）任务。我们通过两种方式评估神经文本简化的使用：在预测时简化输入文本，以及在训练期间增强数据以为机器提供额外信息。我们证明了后一种场景在两个独立数据集上对机器性能产生了积极影响。具体而言，在 TACRED（一个复杂的大规模真实世界关系抽取任务）上，后一种 TS 的使用使 LSTM（1.82-1.98%）和 SpanBERT（0.7-1.3%）抽取器的性能得到提升。此外，在 MNLI（一个实用的自然语言推理数据集）上，相同设置为 BERT 文本分类器带来了高达 0.65% 的匹配准确率和 0.62% 的不匹配准确率的提升。
引用
@article{arxiv.2109.04604,
title = {How May I Help You? Using Neural Text Simplification to Improve Downstream NLP Tasks},
author = {Hoang Van and Zheng Tang and Mihai Surdeanu},
journal= {arXiv preprint arXiv:2109.04604},
year = {2021}
}
备注
7 pages, 7 tables, accepted to Empirical Methods for Natural Language Processing 2021, Punta Cana, Dominican Republic