X-PARADE：跨语言段落级文本蕴含与信息分歧
计算与语言
2024-04-17 v2
摘要
理解两段文本何时传达相同信息，是触及自然语言处理中许多子问题的目标，包括文本蕴含与事实核查。当这两段文本使用不同语言时，该问题变得更加复杂。在此，我们介绍 X-PARADE（跨语言段落级分歧与蕴含分析），这是首个跨语言段落级信息分歧数据集。标注者在目标语言段落中以片段级别进行标注，并相对于源语言中的对应段落进行评估，指明给定信息是相同的、新的，还是新的但可推断的。最后一种概念建立了与跨语言自然语言推理（NLI）的联系。对齐段落取自不同语言的维基百科页面，反映了真实场景中观察到的信息分歧。借助我们的数据集，我们研究了解决该问题的多种方法，包括来自机器翻译的 token 对齐、能够定位其决策的文本蕴含方法，以及提示 LLM。我们的结果表明，这些方法在处理可推断信息的能力上各有不同，但都远未达到人类水平。
引用
@article{arxiv.2309.08873,
title = {X-PARADE: Cross-Lingual Textual Entailment and Information Divergence across Paragraphs},
author = {Juan Diego Rodriguez and Katrin Erk and Greg Durrett},
journal= {arXiv preprint arXiv:2309.08873},
year = {2024}
}
备注
To be published in NAACL 2024