英语、葡萄牙语与西班牙语的词汇简化基准
计算与语言
2022-09-13 v1
摘要
即使在高度发达的国家，多达 15-30% 的人口只能理解使用基础词汇书写的文本。他们对日常文本的理解有限，这阻碍了他们积极参与社会以及就医疗、法律代理或民主选择做出明智决定。词汇简化是一项自然语言处理任务，旨在通过用更简单的词汇和表达替换复杂词汇与表达，同时保留原意，使文本人人可懂。过去 20 年中它引起了相当多的关注，并已提出针对多种语言的完全自动词汇简化系统。该领域进展的主要障碍是缺乏用于构建和评估词汇简化系统的高质量数据集。我们提出了用于英语、西班牙语和（巴西）葡萄牙语的词汇简化新基准数据集，并提供了数据选择与标注过程的细节。这是首个提供三种语言词汇简化系统直接比较的数据集。为展示该数据集的可用性，我们将两个架构不同（神经与非神经）的最先进词汇简化系统适配到所有三种语言（英语、西班牙语和巴西葡萄牙语），并在我们的新数据集上评估其性能。为更公平比较，我们使用多种捕捉系统效能不同方面的评估指标，并讨论其优缺点。我们发现最先进的神经词汇简化系统在所有三种语言上均优于最先进的非神经词汇简化系统。更重要的是，我们发现最先进的神经词汇简化系统在英语上的表现显著优于在西班牙语和葡萄牙语上的表现。
引用
@article{arxiv.2209.05301,
title = {Lexical Simplification Benchmarks for English, Portuguese, and Spanish},
author = {Sanja Stajner and Daniel Ferres and Matthew Shardlow and Kai North and Marcos Zampieri and Horacio Saggion},
journal= {arXiv preprint arXiv:2209.05301},
year = {2022}
}