是否可将文本修改至目标可读性水平？基于零样本大语言模型的初步探究
计算与语言
2024-05-29 v2
摘要
文本简化是一项常见任务，其中文本被改编以更易理解。类似地，文本繁化可使段落更为复杂，为控制阅读理解测试的复杂度提供一种方法。然而，文本简化与繁化任务仅能相对地改变文本的可读性。直接将任意文本的可读性修改至绝对目标可读性水平，以服务于多样化受众，是很有用的。理想情况下，可读性受控的生成文本的可读性应独立于源文本。因此，我们提出一种新颖的可读性受控文本修改任务。该任务要求为每个输入文本生成8个处于不同目标可读性水平的版本。我们引入了新颖的可读性受控文本修改度量。该任务的基线使用ChatGPT和Llama-2，并采用一种扩展方法引入两步过程（通过语言模型两次传递以生成复述）。零样本方法能够将复述的可读性推向所需方向，但最终可读性仍与原文可读性相关。我们还发现，随着可读性偏移增大，源文本与目标文本之间的语义和词汇相似度下降更多。
引用
@article{arxiv.2309.12551,
title = {Is it Possible to Modify Text to a Target Readability Level? An Initial Investigation Using Zero-Shot Large Language Models},
author = {Asma Farajidizaji and Vatsal Raina and Mark Gales},
journal= {arXiv preprint arXiv:2309.12551},
year = {2024}
}
备注
11 pages, 4 figures, 5 tables