MANTIS 在 TSAR-2022 共享任务中的表现：基于预训练编码器的改进无监督词汇简化
计算与语言
2022-12-21 v1
摘要
在本文中，我们介绍了为 EMNLP 2022 文本简化、可访问性与可读性研讨会的 TSAR-2022 词汇简化共享任务所做的贡献。我们的方法基于无监督词汇简化系统（LSBert，基于预训练编码器）构建并扩展，具体如下：对于简化候选词选择子任务，它利用 RoBERTa transformer 语言模型并扩大所生成候选词列表的规模；对于后续的替换排序，它引入了一种新的特征加权方案，并采用基于文本蕴含的候选词过滤方法，以最大化目标词与其简化词之间的语义相似度。我们性能最优的系统将 LSBert 的准确率提高了 5.9%，在 33 个排名方案中名列第二。
引用
@article{arxiv.2212.09855,
title = {MANTIS at TSAR-2022 Shared Task: Improved Unsupervised Lexical Simplification with Pretrained Encoders},
author = {Xiaofei Li and Daniel Wiechmann and Yu Qiao and Elma Kerz},
journal= {arXiv preprint arXiv:2212.09855},
year = {2022}
}
备注
accepted at EMNLP2022