SWiPE：一个面向维基百科页面文档级简化的数据集
计算与语言
2023-05-31 v1
摘要
文本简化研究大多聚焦于句子级简化，尽管许多理想的编辑——如添加相关背景信息或重排内容——可能需要文档级上下文。先前工作也主要将简化框定为单步、输入到输出的任务，仅隐式地对阐明简化过程的细粒度、跨段（span-level）编辑进行建模。为弥补这两点不足，我们引入 SWiPE 数据集，其从英文维基百科（EW）条目到配对的简单维基百科（SEW）条目重建文档级编辑过程。与先前工作不同，SWiPE 在配对页面时利用完整的修订历史，以更好地识别简化编辑。我们与维基百科编辑合作标注了 5,000 对 EW-SEW 文档对，以提出的 19 个类别标记了超过 40,000 处编辑。为扩大工作规模，我们提出若干自动标记编辑的模型，取得最高 70.6 的 F-1 分数，表明这是一项可行但具挑战性的 NLU 任务。最后，我们对若干简化模型产生的编辑进行分类，发现 SWiPE 训练的模型生成更复杂的编辑，同时减少了不期望的编辑。
引用
@article{arxiv.2305.19204,
title = {SWiPE: A Dataset for Document-Level Simplification of Wikipedia Pages},
author = {Philippe Laban and Jesse Vig and Wojciech Kryscinski and Shafiq Joty and Caiming Xiong and Chien-Sheng Wu},
journal= {arXiv preprint arXiv:2305.19204},
year = {2023}
}
备注
ACL 2023, Long Paper