基于分类与生成方法的阿拉伯语句子简化研究
计算与语言
2022-04-21 v1
摘要
本文尝试构建一个现代标准阿拉伯语（MSA）句子级简化系统。我们使用两种方法对句子简化进行了实验：（i）分类方法，构建词汇简化流程，使用预训练上下文模型 Arabic-BERT 以及 fastText 词嵌入模型；（ii）生成方法，通过应用多语言 Text-to-Text Transfer Transformer（mT5）的 Seq2Seq 技术。我们通过对齐国际知名阿拉伯语小说《Saaq al-Bambuu》中的原句与简化句来构建训练语料。我们使用 BERTScore 评估指标将生成的简单句与目标简单句进行比较，以评估这些方法的有效性。mT5 模型生成的简单句通过 BERTScore 达到 P 0.72、R 0.68 和 F-1 0.70，而结合 Arabic-BERT 与 fastText 达到 P 0.97、R 0.97 和 F-1 0.97。此外，我们给出了这些实验的人工错误分析。\url{https://github.com/Nouran-Khallaf/Lexical_Simplification}
引用
@article{arxiv.2204.09292,
title = {Towards Arabic Sentence Simplification via Classification and Generative Approaches},
author = {Nouran Khallaf and Serge Sharoff},
journal= {arXiv preprint arXiv:2204.09292},
year = {2022}
}