通过数据合成、增强与课程学习缓解生成式摘要中的数据稀缺
计算与语言
2021-09-20 v1
摘要
本文探讨了三种简单的数据操纵技术（合成、增强、课程）以改进生成式摘要模型，且无需任何额外数据。我们引入了一种带复述的数据合成方法、一种带样本混合的数据增强技术，以及基于特异性和抽象性两种新难度度量的课程学习。我们进行实验表明，这三种技术有助于跨两种摘要模型和两个不同的小型数据集改进生成式摘要。此外，我们表明这些技术在单独应用和组合应用时都能提升性能。
引用
@article{arxiv.2109.08569,
title = {Mitigating Data Scarceness through Data Synthesis, Augmentation and Curriculum for Abstractive Summarization},
author = {Ahmed Magooda and Diane Litman},
journal= {arXiv preprint arXiv:2109.08569},
year = {2021}
}
备注
To appear in proceedings of EMNLP 2021 (https://2021.emnlp.org/)