面向目标级句子简化的标签置信度加权学习
计算与语言
2024-10-10 v1
摘要
多级句子简化生成语言熟练度水平不同的简化句子。我们提出了标签置信度加权学习 (LCWL)，一种新方法，在编码器-解码器模型的训练损失中引入标签置信度加权方案，区别于现有的主要为分类设计的置信度加权方法。实验表明，在英语年级水平简化数据集上，LCWL 在无监督基线方法方面表现出优于 SOTA 的性能。通过在领域数据上微调 LCWL 模型并结合对称交叉熵 (SCE)，可 consistently 提供更好的简化结果，优于强大的监督方法。我们的结果凸显了标签置信度加权技术在采用编码器-解码器架构的文本简化任务中的有效性。
引用
@article{arxiv.2410.05748,
title = {Label Confidence Weighted Learning for Target-level Sentence Simplification},
author = {Xinying Qiu and Jingshen Zhang},
journal= {arXiv preprint arXiv:2410.05748},
year = {2024}
}
备注
Accepted to EMNLP 2024