Exploiting Summarization Data to Help Text Simplification

要約

テキストの簡略化に関する主な問題の 1 つは、高品質のデータが不足していることです。
単純化データセットのソースは Wikipedia と Newsela に限定されており、この分野のさらなる開発が制限されています。
このホワイト ペーパーでは、テキストの要約とテキストの簡略化の類似性を分析し、簡略化を支援するために要約データを活用しました。
まず、要約データセットから文のペアを抽出するアライメント アルゴリズムを提案しました。
次に、単純化の程度を特徴付ける 4 つの属性を設計し、適切なペアをフィルタリングする方法を提案しました。
これらのペアを Sum4Simp (S4S) と名付けました。
次に、S4S が高品質であることを示すために人間による評価を行い、実際の単純化データセットと比較しました。
最後に、特にリソースの少ないシナリオで、S4S がいくつかの主流の単純化モデルのパフォーマンスを改善できることを示す実験を行いました。

要約(オリジナル)

One of the major problems with text simplification is the lack of high-quality data. The sources of simplification datasets are limited to Wikipedia and Newsela, restricting further development of this field. In this paper, we analyzed the similarity between text summarization and text simplification and exploited summarization data to help simplify. First, we proposed an alignment algorithm to extract sentence pairs from summarization datasets. Then, we designed four attributes to characterize the degree of simplification and proposed a method to filter suitable pairs. We named these pairs Sum4Simp (S4S). Next, we conducted human evaluations to show that S4S is high-quality and compared it with a real simplification dataset. Finally, we conducted experiments to illustrate that the S4S can improve the performance of several mainstream simplification models, especially in low-resource scenarios.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google