BriefGPT - AI 论文速递
·
基于网络摄像头的凝视数据评估作为人类理由注释的替代方法
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文介绍了一种新型混合文本显著性模型（TSM），将阅读的认知模型和人类注视监督相结合，实现了人类注视引导的神经注意力与NLP任务的结合。该模型在QUora问题对语料库的释义生成任务中优于当前技术水平的PERFOMANCE BY MORE THAN 10% BLEU-4，并在Google句子压缩语料库中实现了最先进的性能。这种方法桥接了数据驱动模型和认知模型，并展示了将人眼引导的神经关注集成到NLP任务中的新方法。
🎯
关键要点
- 提出了一种新型混合文本显著性模型 (TSM)。
- 将阅读的认知模型和人类注视监督相结合。
- TSM 的预测与人类注视的真实数据高度相关。
- 提出了一种新的联合建模方法，将 TSM 的预测集成到网络的注意层中。
- 在 QUora 问题对语料库的释义生成任务中，TSM 优于当前技术水平的性能超过 10% BLEU-4。
- 在 Google 句子压缩语料库中实现了最先进的性能。
- 该方法桥接了数据驱动模型和认知模型。
- 展示了将人眼引导的神经关注集成到 NLP 任务中的新方法。
➡️
