Sentence Simplification Using Paraphrase Corpus for Initialization
Yangzhou University（扬州大学）
本文提出利用复述语料构建伪平行数据并初始化神经句子简化模型，在WikiLarge上显著提升三种序列到序列方法的性能。
2023-05-31 cs.CL
BoschAI @ PLABA 2023: Leveraging Edit Operations in End-to-End Neural Sentence Simplification
Bosch Center for Artificial Intelligence（博世人工智能中心）；University of Augsburg（奥格斯堡大学）
本文提出基于 Llama 2 的端到端句子简化系统，通过编辑距离和编辑操作设计句子级与 token 级损失权重，在 PLABA 生物医学简化任务中取得第一名并显著提升简化质量。
2023-12-06 cs.CL
Align and Shine: Building High-Quality Sentence-Aligned Corpora for Multilingual Text Simplification
Centre for Translation, Localisation and Interpreting Studies（翻译、本地化与诠释研究中心）；School of Languages, Cultures and Societies（语言、文化和社会学院）；University of Leeds, UK（利兹大学）
本文通过收集和处理可比语料库中的众包简化数据，构建了多语言文本简化任务的高质量句子对语料库，解决了其他语言缺乏大规模高质量数据的问题。
2026-05-10 cs.AI cs.CL
Document-Level Text Simplification: Dataset, Criteria and Baseline
Wangxuan Institute of Computer Technology, Peking University（北京大学王选计算机研究所）；Center for Data Science, Peking University（北京大学数据科学中心）
文本简化是一种有价值的技术。然而，目前的研究仅限于句子简化。在本文中，我们定义并研究了一个新的任务，文档级的文本简化，其目的是简化由多个句子组成的文档。基于Wikipedia转储，我们首先构建了一个名为D-Wikipedia的大规模数据集，并对其进行分析和人工评估，以表明该数据集是可靠的。然后，我们提出了一个新的自动评估指标称为D-SARI，更适合于文档级简化任务。最后，我们选择了几个有代表性的模型作为基线模型，并进行自动评估和人工评估。我们分析了结果，并指出了基线模型的不足之处。
2021-10-11 cs.CL
An Unsupervised Method for Building Sentence Simplification Corpora in Multiple Languages
Yangzhou University（扬州大学）
并行句子简化（SS）的可用性是稀缺的神经SS建模。我们提出了一种无监督的方法来建立SS语料库从大规模的双语翻译语料库，减轻需要SS监督语料库。我们的方法的动机是以下两个发现：神经机器翻译模型通常倾向于生成更多的高频令牌和文本复杂度水平的差异存在于源语言和目标语言的翻译语料库。通过将翻译语料库中的源语句和其参考文献的译文对用一种桥语言进行翻译，可以构造出大规模的伪并行SS数据。然后，我们保持这些句子对具有较高的复杂度差异作为SS句子对。采用无监督的方法建立的SS语料库可以满足对齐后的句子保持相同的意义和具有不同的文本复杂度的期望。实验结果表明，我们的语料库训练的SS方法达到了最先进的结果，并显着优于英文基准WikiLarge的结果。
2021-09-01 cs.CL cs.IR
A Corpus for Automatic Readability Assessment and Text Simplification of German
University of Zurich（苏黎世大学）
在本文中，我们提出了一个语料库，用于自动可读性评估和自动文本简化的德语。该语料库由网络来源汇编而成，约有211 000句。作为一个新的贡献，它包含了文本结构，排版和图像的信息，可以利用作为机器学习方法的可读性评估和文本简化的一部分。本出版物的重点是将这些信息表示为对现有语料库标准的扩展。
2019-09-19 cs.CL
Subjective Assessment of Text Complexity: A Dataset for German Language
Technische Universität Berlin（柏林工业大学）；DFKI Projektbüro Berlin（德国人工智能研究中心柏林项目办公室）
本文介绍了TextComplexityDE，一个数据集，包括1000个句子的德语取自23个维基百科的文章在3个不同的文章类型，用于开发文本复杂度预测模型和自动文本简化德语。该数据集包括由A级和B级德语学习者提供的不同文本复杂性方面的主观评估。此外，它还包括对母语者提供的250个句子进行人工简化，以及目标群体参与者对简化句子的主观评估。主观评分是使用实验室研究和众包方法收集的。
2019-04-16 cs.CL
Vicinity-Driven Paragraph and Sentence Alignment for Comparable Corpora
University of Sheffield（谢菲尔德大学）
平行语料库的出现推动了文本简化领域的发展。然而，大多数句子对齐算法要么提供有限范围的对齐类型支持，或者简单地忽略可比文档中存在的有价值的线索。我们通过引入一组新的灵活的邻域驱动的段落和句子对齐算法来解决这个问题，这些算法可以进行1-N，N-1，N-N和长距离空对齐，而不需要难以复制的监督模型。
2016-12-13 cs.CL
MultiLegalSBD: A Multilingual Legal Sentence Boundary Detection Dataset
University of Bern（伯尔尼大学）；Bern University of Applied Sciences（伯尔尼应用科学大学）；Stanford University（斯坦福大学）
针对法律领域多语言句子边界检测任务，构建含6种语言超13万标注句的MultiLegalSBD数据集，训练多种模型实现最优性能，且多语言模型零样本表现优于基线，相关资源已公开。
2023-05-02 cs.AI cs.CL cs.LG
JUDGEBERT: Assessing Legal Meaning Preservation Between Sentences
Université Laval（拉瓦尔大学）；Computer Science Department（计算机科学系）；Faculty of Law（法学院）
本文提出FrJUDGE数据集和JUDGEBERT评估指标，用于评估法语法律文本简化中的法律含义保留，实验表明其与人类判断相关性优于现有指标，并通过了相同句子得100%、无关句子得0%的健全性检查。
2025-08-23 cs.CL
Part-of-speech tagging for Nagamese Language using CRF
本文首次针对Nagamese语进行词性标注研究，构建了16,112词元的标注语料库，并应用条件随机场（CRF）机器学习技术，实现了85.70%的标注准确率及85%的F1分数。
2025-10-13 cs.AI cs.CL
COSTRA 1.0: A Dataset of Complex Sentence Transformations
Charles University（查理大学）
我们介绍了COSTRA 1.0，这是一个复杂句子转换的数据集。该数据集旨在研究超越简单单词交替或标准释义的重复级别嵌入。第一个版本的数据集仅限于捷克语的句子，但构建方法是通用的，我们计划将其用于其他语言。该数据集由4，262个平均长度为10个单词的独特句子组成，说明了15种类型的修改，如简化，概括或正式和非正式的语言变化。我们希望，有了这个数据集，我们应该能够测试句子嵌入的语义属性，甚至可能在句子嵌入空间中找到一些拓扑上有趣的“骨架”。初步分析使用激光，多用途多语言句子嵌入表明，激光空间没有表现出所需的属性。
2020-04-16 cs.CL
Klexikon: A German Dataset for Joint Summarization and Simplification
Institute of Computer Science, Heidelberg University（海德堡大学计算机科学研究所）
传统上，文本简化被视为单语翻译任务，其中源文本和其简化对应物之间的句子被对齐以进行训练。然而，特别是对于较长的输入文档，摘要文本（或完全删除不相关的内容）在简化过程中起着重要作用，这在现有的数据集中目前没有反映出来。与此同时，非英语语言的资源普遍稀缺，无法培训新的解决方案。为了解决这个问题，我们提出了一个系统，可以共同总结和简化长源文件的核心要求。我们进一步描述了创建一个新的数据集的联合文本简化和总结的基础上，德国的维基百科和德国儿童的词典“Klexikon”，包括近2900个文件。我们发布了一个文档对齐的版本，特别强调了摘要方面，并提供了统计证据，表明此资源也非常适合简化。代码和数据可以在Github上找到：https://github.com/dennlinger/klexikon
2022-07-28 cs.CL
CEFR-Based Sentence Difficulty Annotation and Assessment
Osaka University（大阪大学）；Kyushu University（九州大学）；Ehime University（爱媛大学）
可控文本简化是语言学习和教学的一项重要辅助技术。阻碍其发展的主要因素之一是缺乏基于语言能力描述的句子难度标注语料库。为了解决这个问题，我们创建了基于CEFR的句子配置文件（CEFR-SP）语料库，包含17 K英语句子，并根据英语教育专业人士指定的欧洲共同语言参考框架进行了注释。此外，我们还提出了一个水平评估模型，以处理不平衡的水平分布，因为最基本的和高度熟练的句子是自然稀缺。在本研究的实验中，我们的方法在水平评估中取得了84.5%的宏观F1分数，从而优于可读性评估中采用的强基线。
2022-10-21 cs.CL
MinWikiSplit: A Sentence Splitting Corpus with Minimal Propositions
University of St.Gallen（圣加仑大学）；University of Passau（帕绍大学）；University of Manchester（曼彻斯特大学）
我们编制了一个新的句子分裂语料库，该语料库由203K对对齐的复杂源和简化的目标句子组成。相反，以前提出的文本简化语料库，其中只包含少量的分裂的例子，我们提出了一个数据集，其中每个输入句子被分解成一组最小的命题，即一个序列的声音，自包含的话语与他们每个人提出了一个最小的语义单元，不能进一步分解成有意义的命题。该语料库对于开发句子分割方法是有用的，该方法学习如何将具有复杂语言结构的句子转换为短句的细粒度表示，该短句呈现简单且更规则的结构，该结构更容易为下游应用程序处理，从而促进和提高其性能。
2019-09-26 cs.CL
Persian Causality Corpus (PerCause) and the Causality Detection Benchmark
Shahid Beheshti University（沙希德·贝赫什提大学）
识别文本中的因果元素和因果关系是自然语言处理中具有挑战性的问题之一，特别是在波斯语等低资源语言中。在这项研究中，我们准备了一个因果人类注释语料库的波斯语，其中包括4446个句子和5128因果关系和三个标签的原因，效果和因果标记-如果可能的话-指定为每个关系。我们已经使用这个语料库训练系统检测因果元素的边界。此外，我们提出了一个因果关系检测基准的三个机器学习方法和两个深度学习系统基于这个语料库。性能评估表明，我们最好的总体结果是通过CRF分类器获得的，其F-测量值为0.76，通过Bi-LSTM-CRF深度学习方法获得的最佳准确度为91.4。
2021-06-27 cs.CL
SWiPE: A Dataset for Document-Level Simplification of Wikipedia Pages
Salesforce AI（赛富时人工智能研究院）
本文提出SWiPE数据集，利用完整修订历史重建英文维基百科到简单英文维基百科的文档级简化编辑过程，标注5,000个文档对和超过40,000处编辑，并通过自动标注模型及实验证明该数据集能提升简化模型生成复杂编辑的能力。
2023-05-30 cs.CL
Text Simplification of College Admissions Instructions: A Professionally Simplified and Verified Corpus
College of Education and Human Sciences（教育与人类科学学院）；University of Southern Mississippi（南密西西比大学）；The University of Texas at Austin（德克萨斯大学奥斯汀分校）
接受高等教育对少数民族和新兴双语学生至关重要。然而，高等教育机构与潜在学生沟通时使用的语言往往过于复杂;具体来说，美国许多机构发布的入学申请指令远远高于典型高中毕业生的平均阅读水平，通常接近13或14年级的水平。这就在学生和接受高等教育之间造成了不必要的障碍。这项工作旨在通过文本简化来应对这一挑战。我们提出了PSAT（简化招生文本），一个数据集，从美国各地的高等教育机构随机选择了112个招生指令。然后，这些文本经过专业简化，并由各机构招生办公室的全职员工主题专家进行验证和接受。此外，PSAT还提供了1，883个原始简化句子对的手动对齐。其结果是第一次的同类语料库的评估和微调的文本简化系统在高风险的体裁不同于现有的简化资源。
2022-09-09 cs.CL
Multilingual Simplification of Medical Texts
The University of Texas at Austin（德克萨斯大学奥斯汀分校）；Georgia Institute of Technology（佐治亚理工学院）；Northeastern University（东北大学）
针对医疗文本单语简化的局限，本文提出多语言简化方法，并构建了首个涵盖四种语言的医疗领域多语言文本简化数据集 MultiCochrane，通过评估微调与零样本模型验证了其有效性并指出未来挑战。
2023-10-18 cs.CL
DiscoFuse: A Large-Scale Dataset for Discourse-Based Sentence Fusion
Tel Aviv University（特拉维夫大学）；Google AI（谷歌人工智能）；Allen Institute for AI（艾伦人工智能研究所）
句子融合是将几个独立的句子连接成一个连贯的文本的任务。目前用于句子融合的数据集很小，不足以训练现代神经模型。本文提出了一种从原始文本自动生成融合示例的方法，并介绍了DiscoFuse，这是一个用于基于话语的句子融合的大规模数据集。我们提出了一套规则，用于识别原始文本中的各种话语现象，并将文本分解为两个独立的句子。我们将我们的方法应用于两个文档集合：维基百科和体育文章，产生6000万个融合示例，其中注释了重建融合文本所需的话语信息。我们开发了一个序列到序列模型Discobews和彻底分析其优势和劣势方面的各种话语现象，使用自动以及人类的评价。最后，我们使用WebSplit进行了迁移学习实验，WebSplit是一个最近的文本简化数据集。我们发现，当被视为一个句子融合任务时，在Discobserver上的预训练大大提高了WebSplit的性能。
2019-03-18 cs.CL
Neural semi-Markov CRF for Monolingual Word Alignment
Ohio State University（俄亥俄州立大学）；Georgia Institute of Technology（佐治亚理工学院）
单语单词对齐对于研究细粒度编辑操作（即，删除，添加和替换）在文本到文本生成任务，如释义生成，文本简化，中和偏见的语言等，在本文中，我们提出了一种新的神经半马尔可夫CRF对齐模型，通过可变长度跨度统一的单词和短语对齐。我们还创建了一个新的基准与人类注释，涵盖四种不同的文本类型，以评估单语词对齐模型在更现实的设置。实验结果表明，我们提出的模型优于所有以前的单语词对齐方法，以及竞争性的基于QA的基线，这是以前只适用于双语数据。我们的模型对三个域外数据集表现出良好的泛化能力，并在两个下游应用中表现出很大的实用性：自动文本简化和句子对分类任务。
2021-06-16 cs.CL
BiSECT: Learning to Split and Rephrase Sentences with Bitexts
University of Pennsylvania（宾夕法尼亚大学）；Georgia Institute of Technology（佐治亚理工学院）；Johns Hopkins University（约翰斯·霍普金斯大学）
NLP应用程序中的一个重要任务，如句子简化，是能够将一个长的复杂句子拆分成较短的句子，并在必要时重新措辞。我们引入了一个新的数据集和一个新的模型，这个'分裂和改写'的任务。我们的BiSECT训练数据由100万个英语长句和较短的、意义等同的英语句子组成。我们通过在双语平行语料库中提取1-2个句子对齐，然后使用机器翻译将语料库的两边转换为相同的语言来获得这些。BiSECT包含比以前的Split和Rephrase语料库更高质量的训练样本，句子分割需要更大的修改。我们对语料库中的示例进行分类，并在一个新的模型中使用这些类别，该模型允许我们针对输入句子的特定区域进行拆分和编辑。此外，我们表明，在BiSECT上训练的模型可以执行更广泛的分割操作，并在自动和人工评估中改进了以前最先进的方法。
2021-09-10 cs.CL
Towards more patient friendly clinical notes through language models and ontologies
Babylon Health（巴比伦健康）
临床笔记是记录患者信息的有效方法，但对于非专家来说，这是出了名的难以破译。自动简化医疗文本可以为患者提供有关其健康的宝贵信息，同时节省临床医生的时间。我们提出了一种新的方法来自动简化医学文本的基础上的词频和语言建模，医学本体丰富的外行术语的基础上。我们发布了一个新的数据集，其中包含公开可用的医疗句子对以及临床医生简化的版本。此外，我们定义了一个新的文本简化度量和评估框架，我们使用它来对我们的方法进行大规模的人类评估。我们的方法基于医学论坛数据训练的语言模型，生成更简单的句子，同时保留语法和原始含义，超越了当前的最先进水平。
2021-12-23 cs.CL
EditNTS: An Neural Programmer-Interpreter Model for Sentence Simplification through Explicit Editing
MILA（MILA研究所）；McGill（麦吉尔大学）；Huawei Noah’s Ark Lab（华为诺亚方舟实验室）
我们提出了第一个句子简化模型，通过神经程序员解释器方法学习显式编辑操作（ADD，ESTA和KEEP）。目前大多数神经句子简化系统是从机器翻译中采用的序列到序列模型的变体。这些方法学习简化句子，这是它们在复杂-简单句子对上训练的副产品。相比之下，我们的神经程序员-解释器直接接受训练，以预测对输入句子的目标部分的明确编辑操作，类似于人类可能执行简化和修改的方式。我们的模型在SARI方面（+0.95 WikiLarge，+1.89 WikiSmall，+1.41 Newsela）在三个基准文本简化语料库上的表现优于之前最先进的神经句子简化模型（没有外部知识），并且被人类判断为产生整体更好，更简单的输出句子。
2019-06-19 cs.CL
Controllable Sentence Simplification: Employing Syntactic and Lexical Constraints
Institute for Language, Cognition and Computation（语言、认知与计算研究所）；School of Informatics, University of Edinburgh（爱丁堡大学信息学院）
句子简化的目的是使句子更容易阅读和理解。最近的方法已经显示出有希望的结果与序列到序列的模型已经开发假设同质的目标受众。在本文中，我们认为，不同的用户有不同的简化需求（例如，诵读困难与非母语人士），并提出交叉，可控句子简化模型，它允许控制的简单程度和类型的简化。我们通过使用语法和词汇约束（可以从数据中设置或学习）丰富基于transformer的架构来实现这一点。两个基准数据集上的实证结果表明，约束是成功简化的关键，提供灵活的生成输出。
2019-10-10 cs.CL
Morphological Analysis of Japanese Hiragana Sentences using the BI-LSTM CRF Model
Ibaraki University（茨城大学）；Tokyo University of Agriculture and Technology（东京农工大学）
本研究提出了一种使用Bi-LSTM CRF模型开发日语平假名句子形态分析器神经模型的方法。形态分析是一种将文本数据划分为单词并分配信息（如词性）的技术。这种技术在日语自然语言处理系统的下游应用中起着至关重要的作用，因为日语在单词之间没有单词分隔符。平假名是一种日本表音文字，用于儿童或无法阅读汉字的人的文本。平假名句的词法分析比普通日语句子的词法分析要困难，因为平假名句中可供划分的信息较少。对于平假名句子的形态分析，我们使用基于普通日语文本的模型证明了微调的有效性，并检查了训练数据对各种体裁文本的影响。
2022-01-10 cs.CL cs.LG
Unsupervised Sentence Simplification Using Deep Semantics
CNRS, LORIA, UMR 7503（法国国家科学研究中心，洛林计算机科学实验室）
我们提出了一种新的方法，句子简化，从两个主要方面离开以前的工作。首先，它既不需要手写的规则，也不需要对齐的标准和简化句子的训练语料库。第二，句子分裂作用于深层语义结构。我们表明：（i）我们提出的无监督框架与四种最先进的监督系统具有竞争力;（ii）我们基于语义的方法可以有效地处理句子分割。
2016-09-07 cs.CL
Explain to me like I am five -- Sentence Simplification Using Transformers
Luddy School of Informatics, Computing, and Engineering（拉迪信息学、计算与工程学院）；Indiana University（印第安纳大学）
句子简化的目的是使文本结构更易于阅读和理解，同时保持其原始意义。这对残疾人、新语言学习者或识字率低的人很有帮助。简化通常包括删除难词和改写句子。以前的研究都集中在解决这个任务，要么使用外部语言数据库进行简化，或通过使用控制令牌所需的微调的句子。然而，在本文中，我们纯粹使用预训练的Transformer模型。我们使用GPT-2和BERT模型的组合进行了实验，在Mechanical Turk数据集上获得了46.80的最佳SARI分数，这明显优于以前的最先进结果。代码可以在https://github.com/amanbasu/sentence-simplification上找到。
2022-12-08 cs.CL
Sentence Simplification with Memory-Augmented Neural Networks
University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）；University of Massachusetts Medical School（马萨诸塞大学医学院）；Microsoft Research（微软研究院）
句子简化旨在简化复杂句子的内容和结构，从而使它们更容易为人类读者解释，并更容易为下游NLP应用程序处理。神经机器翻译的最新进展为这项任务的新方法铺平了道路。在本文中，我们采用了一种具有增强记忆能力的架构，称为神经语义编码器（Munkhdalai和Yu，2017），用于句子简化。我们的实验证明了我们的方法在不同的简化数据集上的有效性，无论是在自动评估措施和人类的判断。
2018-04-20 cs.CL
Role of Dependency Distance in Text Simplification: A Human vs ChatGPT Simplification Comparison
University of Arizona（亚利桑那大学）；Pomona College（波莫纳学院）；University of Saskatchewan（萨斯喀彻温大学）
本研究对比了人类专家与ChatGPT对220个句子的文本简化，发现人类简化句子的平均依存距离最低，ChatGPT次之，原始句子最高。
2024-05-20 cs.CL
Readability-guided Idiom-aware Sentence Simplification (RISS) for Chinese
本文提出 RISS 框架，通过可读性引导的释义选择和成语感知简化，结合多阶段多任务学习，在中文句子简化任务上超越现有最优方法。
2024-06-05 cs.CL
Unsupervised Sentence Simplification via Dependency Parsing
Monash University（莫纳什大学）
文本简化是重写文本的任务，使其可读性和易于理解。在本文中，我们提出了一个简单而新颖的无监督句子简化系统，利用解析结构与句子嵌入产生语言有效的简化。这意味着我们的模型能够引入实质性的修改来简化句子，同时保持其原始语义和足够的流畅性。我们在TurkCorpus集上建立了39.13 SARI的无监督最先进水平，并在各种质量指标上与监督基线进行了竞争。此外，我们证明了我们的框架的可扩展性，其他语言通过越南数据的概念验证。复制代码发布在\url{https://github.com/isVy08/USDP}上。
2022-06-10 cs.CL
Discourse Level Factors for Sentence Deletion in Text Simplification
The Ohio State University（俄亥俄州立大学）；The University of Texas at Austin（德克萨斯大学奥斯汀分校）
本文提出了一个数据驱动的研究，重点是分析和预测句子删除-一个普遍的，但研究不足的现象，在文档简化-在一个大型的英语文本简化语料库。我们检查各种文件和话语因素与句子删除，使用一个新的手动注释句子对齐语料库，我们收集。我们发现，专业编辑使用不同的策略，以满足小学和中学的可读性标准。为了预测在简化到一定程度时句子是否会被删除，我们利用自动对齐的数据来训练分类模型。根据我们手动注释的数据进行评估，我们的最佳模型在小学和中学阶段分别达到了65.2和59.7的F1分数。我们发现，语篇层面的因素有助于预测句子删除简化的挑战性任务。
2020-08-25 cs.CL
A Sentence Simplification System for Improving Relation Extraction
University of Passau（帕绍大学）
在这篇演示论文中，我们提出了一种文本简化方法，旨在提高最先进的开放式关系抽取（RE）系统的性能。由于句法复杂的句子往往对当前的Open RE方法构成挑战，我们开发了一个简化框架，该框架通过将单个句子作为输入并使用一组基于句法的转换规则来执行预处理步骤，以创建更容易为随后应用的Open RE系统处理的文本输入。
2017-03-27 cs.CL
Label Confidence Weighted Learning for Target-level Sentence Simplification
Guangdong University of Foreign Studies（广东外语外贸大学）
本研究提出标签置信度加权学习（LCWL）方法，将标签置信度加权方案引入编码器-解码器模型训练损失，在英语年级水平简化数据集上优于无监督基线，结合对称交叉熵微调后效果超过强监督方法，验证了该技术在文本简化任务中的有效性。
2024-10-08 cs.CL
Monolingual sentence matching for text simplification
Harbin University（哈尔滨学院）；University of Washington（华盛顿大学）
这项工作改进了单语句子对齐的文本简化，特别是在标准和简单的维基百科的文本。我们引入了一个卷积神经网络结构来模拟两个句子之间的相似性。由于现有并行语料库的限制，该模型采用基于知识的高性能对齐系统的输出，以半监督的方式进行训练。我们将得到的相似性得分应用于基于知识的输出，并通过一个小型手动对齐数据集来调整模型。实验表明，重评分和自适应都提高了基于知识的方法的性能。
2018-09-19 cs.CL
Iterative Edit-Based Unsupervised Sentence Simplification
University of Waterloo（滑铁卢大学）；University of Alberta（阿尔伯塔大学）；Alberta Machine Intelligence Institute (Amii)（阿尔伯塔机器智能研究所（Amii））
我们提出了一种新的迭代，基于编辑的方法来无监督的句子简化。我们的模型是由一个评分功能，涉及流畅性，简单性和意义的保存。然后，我们迭代地对复杂句子执行单词和短语级别的编辑。与以前的方法相比，我们的模型不需要一个并行的训练集，但更可控和解释。在Newsela和WikiLarge数据集上的实验表明，我们的方法几乎与最先进的监督方法一样有效。
2020-06-17 cs.CL
Sentence Simplification Aids Protein-Protein Interaction Extraction
Arizona State University（亚利桑那州立大学）
从生物医学文章中自动提取蛋白质-蛋白质相互作用（PPI）的精确系统可以帮助加速生物医学研究。生物医学信息学研究人员正在合作提供元服务，并推进PPI提取的最新技术。当前自然语言处理系统经常忽略的一个问题是生物医学文献中句子的特征复杂性。在本文中，我们报告的影响，自动简化的句子有一个国家的最先进的PPI提取系统的性能，显示了显着改善召回（8%）时，句子简化方法的应用，没有显着影响精度。
2010-01-24 cs.CL
GRS: Combining Generation and Revision in Unsupervised Sentence Simplification
University of Waterloo（滑铁卢大学）；Grammarly（Grammarly（格拉默利））
我们提出了GRS：一种结合文本生成和文本修改的无监督句子简化方法。我们从一个迭代框架开始，在这个框架中，使用显式编辑操作来修改输入句子，并添加释义作为新的编辑操作。这使我们能够结合生成和基于修改的方法的优点：释义捕获复杂的编辑操作，并以迭代方式使用显式编辑操作提供可控性和可解释性。与Newsela和ASSET数据集上的现有方法相比，我们证明了GRS的这些优势。
2022-03-22 cs.CL
Simplicity Level Estimate (SLE): A Learned Reference-Less Metric for Sentence Simplification
Université de Lorraine（洛林大学）；CNRS/LORIA（法国国家科学研究中心/洛林计算机科学及其应用实验室）；Centrale Supélec（巴黎中央理工-高等电力学院）
针对句子简化评估缺乏参考和指标混淆的问题，提出学习型无参考指标SLE，专注简洁性，与人类判断相关性优于现有指标。
2023-10-12 cs.CL
Text Simplification with Sentence Embeddings
Manchester Metropolitan University（曼彻斯特 Metropolitan 大学）
本研究探索句子嵌入在文本简化中的应用，用小型前馈神经网络学习高低复杂度文本的句子嵌入转换，在小样本设置下效果可比Seq2Seq和LLM方法，还可跨数据集和跨语言应用，为轻量化文本简化模型提供新方向。
2025-10-28 cs.CL
Edit Policy-Aligned Text Simplification
The University of Osaka（大阪大学）；Institute of Science Tokyo（东京科学研究所）；NTT Inc.（日本电报电话公司）
本文提出利用LLM作为评判者自动构建政策一致的训练数据，实现无需人工标注或平行语料库的句子简化系统，实验表明其在词法简化和整体重写任务上均优于现有方法。
2026-10-22 cs.CL
Aspect Specific Opinion Expression Extraction using Attention based LSTM-CRF Network
Indian Institute of Technology Delhi（德里印度理工学院）；University of Houston（休斯顿大学）
意见短语抽取是细粒度情感分析的关键任务之一。虽然意见表达可以是一般的主观表达，但体特定意见表达既包含体，也包含原始句子上下文中的意见表达。在这项工作中，我们制定的任务作为一个实例的令牌级序列标签。当句子中存在多个方面时，意见短语边界的检测变得困难，并且每个词的标签不仅取决于周围的词，而且还取决于所关注的方面。我们提出了一种具有双向LSTM（Bi-LSTM）和新型注意力机制的神经网络架构。Bi-LSTM层学习单词之间的各种顺序模式，而不需要任何手工制作的功能。注意力机制通过基于位置和内容的存储器捕获当多个方面存在于句子中时上下文词对特定方面意见表达的重要性。在最后一层中加入了条件随机场（CRF）模型，以显式地对输出标签之间的依赖关系进行建模。在www.example.com的酒店数据集上的实验结果表明，我们的方法优于几个最先进的基线。
2019-02-07 cs.CL
Controllable Sentence Simplification
Facebook AI Research（Facebook人工智能研究院）；Inria（法国国家信息与自动化研究所）
文本简化的目的是通过简化语法和结构，使文本更容易阅读和理解，同时保持基本信息的一致性。它通常被认为是一个通用的通用任务，其中同样的简化适用于所有人;然而，多种受众可以以不同的方式从简化的文本中受益。我们适应离散参数化机制，提供显式控制的简化系统的基础上序列到序列模型。因此，用户可以根据诸如长度、释义量、词汇复杂性和句法复杂性等属性来调整模型返回的简化。我们还表明，精心选择的值，这些属性允许开箱即用的序列到序列模型，以超越他们的标准同行的简化基准。我们的模型，我们称之为ACCESS（作为AudienCe-Centric Sentence Simplification的简写），在WikiLarge测试集上建立了41.87 SARI的最新水平，比之前报道的最佳分数提高了1.42。
2020-04-20 cs.CL
Improving Neural Text Simplification Model with Simplified Corpora
Yangzhou University（扬州大学）
文本简化（TS）可以被视为单语翻译任务，在一种语言中的文本变体之间进行翻译。最近的神经TS模型借鉴了神经机器翻译的见解，使用编码器-解码器模型来学习词汇简化和内容缩减。但与神经机器翻译不同的是，我们无法获得足够的普通和简化的句子对TS，这是昂贵的和耗时的建设。目标方简化句子在提高统计TS的流畅性方面起着重要作用，我们研究了使用简化句子进行训练，而不改变网络架构。我们建议通过反向翻译将简单的训练语句与合成的普通语句配对，并将该合成数据视为附加的训练数据。我们使用合成句子对和原始句子对来训练编码器-解码器模型，与现有的方法相比，该方法可以在可用的WikiLarge数据和WikiSmall数据上获得实质性的改进。
2018-10-10 cs.CL
EASSE: Easier Automatic Sentence Simplification Evaluation
University of Sheffield（谢菲尔德大学）；Facebook AI Research（Facebook人工智能研究院）；Inria（法国国家信息与自动化研究所）；Imperial College London（帝国理工学院）
我们介绍了EASSE，一个Python软件包，旨在促进和简化句子简化（SS）系统的自动评估和比较。EASSE提供了一个单一的访问点，以广泛的评估资源：标准的自动度量评估SS输出（如SARI），单词级的准确性分数为某些简化转换，参考独立的质量估计功能（如压缩比），和标准的测试数据的SS评估（如TurkCorpus）。最后，EASSE生成关于上述各种指标和特性的易于可视化的报告，以及关于特定SS输出如何对抗参考简化的报告。通过实验，我们表明，这些功能可以更好地比较和理解SS系统的性能。
2019-09-13 cs.CL
Towards Effective Sentence Simplification for Automatic Processing of Biomedical Text
Arizona State University（亚利桑那州立大学）
生物医学文章特有的句子的复杂性对自然语言解析器提出了挑战，自然语言解析器通常在非技术文本的大规模语料库上进行训练。我们提出了一个文本简化过程，生物医学，旨在降低句子的复杂性，在生物医学摘要，以提高处理后的句子的句法分析器的性能。句法分析通常是文本挖掘管道中的第一步。因此，性能的任何改进都会对所有处理步骤产生连锁反应。我们评估我们的方法使用语料库的生物医学句子注释的句法链接。我们的实证结果表明，当处理简化的句子，而不是原来的句子在语料库中的Charniak-McClosky分析器和4.23%的链接语法分析器的2.90%的改善。
2010-01-24 cs.CL
Complexity-Weighted Loss and Diverse Reranking for Sentence Simplification
University of Pennsylvania（宾夕法尼亚大学）；LIMSI, CNRS, Université Paris-Saclay（巴黎-萨克雷大学法国国家科学研究中心LIMSI实验室）；Univ. Paris Diderot（巴黎狄德罗大学）；Choosito, Inc.（Choosito公司）
句子简化是重写文本的任务，因此它们更容易理解。最近的研究已经将序列到序列（Seq2Seq）模型应用于这一任务，主要集中在通过强化学习和记忆增强来改善训练时间。应用通用Seq2Seq模型进行简化的主要问题之一是，这些模型倾向于直接从原始句子复制，导致输出相对较长且复杂。我们的目标是通过使用两种主要技术来缓解这个问题。首先，我们在训练过程中将内容词复杂度（如用水平词复杂度模型预测的）纳入我们的损失函数。其次，我们在测试时生成一个大的不同的候选简化集，并重新排列这些以促进流畅性，充分性和简单性。在这里，我们通过一个新的句子复杂度模型来衡量简单性。这些扩展使我们的模型能够与最先进的系统竞争，同时生成更简单的句子。我们报告标准的自动和人工评估指标。
2019-04-04 cs.CL
BioSimplify: an open source sentence simplification engine to improve recall in automatic biomedical information extraction
Department of Biomedical Informatics, Arizona State University（亚利桑那州立大学生物医学信息学系）
Biocompatibility是一个用Java编写的开源工具，它引入并促进了一种用于自动话语分析和信息抽取的句子简化新模型的使用（与用于提高人类可读性的句子简化相反）。该模型基于一种“猎枪”方法，通过组合其组成要素的变体，产生原始句子的许多不同（更简单）版本。该工具针对处理生物医学科学文献进行了优化，例如PubMed中索引的摘要。我们测试了我们的工具对PPI提取任务的影响，它将PPI工具的f分数提高了约7%，召回率提高了约20%。生物统计工具和测试语料库可以从https://biosimplify.sourceforge.net下载。
2011-07-28 cs.CL
BLEU is Not Suitable for the Evaluation of Text Simplification
The Hebrew University of Jerusalem（耶路撒冷希伯来大学）
BLEU被广泛认为是文本到文本生成的信息度量，包括文本简化（TS）。翻译策略包括词汇和结构两个方面。在本文中，我们表明，BLEU是不适合的句子分裂，主要的结构简化操作的评价。我们人工编制了一个包含多个结构性释义的句子分割金标准语料库，并与人类判断进行了相关性分析。我们发现低或没有相关性BLEU和语法性和意义保存参数，其中涉及句子分裂。此外，BLEU通常与简单性呈负相关，基本上不利于简单的句子。
2018-10-14 cs.CL
Let's Simplify Step by Step: Guiding LLM Towards Multilingual Unsupervised Proficiency-Controlled Sentence Simplification
Department of Computer Science, School of Information Science and Technology, Guangdong University of Foreign Studies（计算机科学系，信息科学与技术学院，广东外语外贸大学）；College of Intelligence and Computing, Tianjin University（智能与计算学院，天津大学）；Lionrock AI Lab, China Merchants Research Institute of Advanced Technology（Lionrock AI实验室，中国远洋科技研究院）
本文提出一种多语言无监督句子简化框架，通过分步骤简化提升控制能力，但发现保持语义忠实仍具挑战性。
2026-02-07 cs.CL
Context-Aware Document Simplification
Université de Lorraine（洛林大学）；CNRS/LORIA（法国国家科学研究中心/洛林计算机科学及其应用实验室）；Centrale Supélec（巴黎中央理工-高等电力学院）
本文提出在文档简化过程中融入上下文信息的方法，通过迭代更大文本单元或扩展架构关注文档上下文，实现无需计划指导的最先进性能，并探讨了性能与效率的权衡。
2023-05-10 cs.CL
SASS: Data and Methods for Subject Aware Sentence Simplification
NYU（纽约大学）
句子简化倾向于通过使句子更可读和更容易理解来关注句子的通用简化。本文提供了一个旨在训练模型的数据集，这些模型执行主题感知的句子简化，而不是将句子简化为一个整体。我们还测试了该数据集上的模型，这些模型受到抽象摘要中使用的模型架构的启发。我们手工生成部分数据，并通过进一步操作这些手写简化来增强数据集。我们的研究结果表明，在总结中使用的数据增强，数据屏蔽和模型架构的选择提供了一个坚实的基线比较主题意识的简化。
2023-03-26 cs.AI cs.CL
Context-Preserving Text Simplification
University of St.Gallen（圣加仑大学）；University of Passau（帕绍大学）；University of Manchester（曼彻斯特大学）
我们提出了一个上下文保持文本简化（TS）的方法，递归地分裂和重组复杂的英语句子简化句子的语义层次结构。使用一组语言学原则的转换模式，输入的句子被转换成一个层次表示的核心句子和伴随的上下文，通过修辞关系连接的形式。因此，相对于以前提出的句子分割方法，通常不考虑话语层面的方面，我们的TS方法保留了输出中的分解成分的语义关系。与RST-DT中包含的注释的比较分析表明，我们能够以89%的精度捕获分裂句子之间的上下文层次结构，并且对于它们之间的修辞关系的分类，平均精度达到69%。
2021-05-24 cs.CL
